[发明专利]一种基于深度神经网络的开集类别发掘与扩展方法与装置有效
| 申请号： | 201710780217.2 | 申请日： | 2017-09-01 |
| 公开（公告）号： | CN107506799B | 公开（公告）日： | 2020-04-24 |
| 发明（设计）人： | 田永鸿;舒彧;史业民;王耀威;袁庆升 | 申请（专利权）人： | 北京大学;国家计算机网络与信息安全管理中心 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/02 |
| 代理公司： | 北京晋德允升知识产权代理有限公司 11623 | 代理人： | 杨移;万铁占 |
| 地址： | 100871*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于深度神经网络的样本分类方法，使用包含已定义类别样本的样本集训练待扩展分类模型，获得分类阈值信息；将包含未定义类别样本的样本集送入所述待扩展分类模型，根据所述待扩展分类模型的分类阈值信息确定至少部分所述未定义类别样本；人工标注未定义类别样本；在所述深度神经网络的分类层中增加权值转移矩阵列数，以增加模型识别类别的总数，其中，增加的权值列中包含与全局分类相关的第一信息和与类别间联系相关的第二信息；用人工标注的未定义类别样本增量训练更新后的模型。通过修改深度神经网络分类层权值转移矩阵，从而扩展深度神经网络，使其识别类别数动态增加，从而能处理开集识别问题，更贴近真实识别场景下的应用。 | ||
| 搜索关键词： | 一种 基于 深度 神经网络 类别 发掘 扩展 方法 装置 | ||
【主权项】：
一种基于深度神经网络的样本分类方法，其特征在于，包括如下步骤：S1，使用包含已定义类别样本的样本集训练待扩展分类模型，获得所述待扩展分类模型的分类阈值信息；S2，将包含未定义类别样本的样本集送入所述待扩展分类模型，根据所述待扩展分类模型的分类阈值信息确定至少部分所述未定义类别样本；S3，人工标注至少部分步骤S2中确定的所述未定义类别样本；S4，在所述深度神经网络的分类层中增加权值转移矩阵列数，以增加模型识别类别的总数，其中，增加的权值列中包含与全局分类相关的第一信息和与类别间联系相关的第二信息；S5，用步骤S3中人工标注的未定义类别样本增量训练步骤S4中更新后的模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京大学;国家计算机网络与信息安全管理中心，未经北京大学;国家计算机网络与信息安全管理中心许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710780217.2/，转载请声明来源钻瓜专利网。
