[发明专利]动态增减方法及装置有效
| 申请号： | 201811595495.1 | 申请日： | 2018-12-25 |
| 公开（公告）号： | CN109754005B | 公开（公告）日： | 2022-05-10 |
| 发明（设计）人： | 任飞翔 | 申请（专利权）人： | 任飞翔 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06F16/901 |
| 代理公司： | 北京知果之信知识产权代理有限公司 11541 | 代理人： | 唐海力 |
| 地址： | 100028 北京市东*** | 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： | 本申请公开了一种动态增减方法及装置，涉及数据处理领域，该方法包括根据预设分类规则对目标数据进行分类，并将每一类目标数据定义为一个数据节点；将多个数据节点建立网状关联关系；对每个所述数据节点的目标数据进行卷积神经网络训练，得到特征模型；监测所述数据节点的目标数据是否发生变化；如果监测到所述数据节点的目标数据发生了变化，则再次对所述数据节点的目标数据进行卷积神经网络训练，得到并更新所述特征模型。本申请解决了相关技术中由于数据不能动态增减导致的识别率低下的问题。 | ||
| 搜索关键词： | 动态 增减 方法 装置 | ||
【主权项】：
1.一种动态增减方法，其特征在于，所述方法包括：根据预设分类规则对目标数据进行分类，并将每一类目标数据定义为一个数据节点；将多个数据节点建立网状关联关系；对每个所述数据节点的目标数据进行卷积神经网络训练，得到特征模型；监测所述数据节点的目标数据是否发生变化；以及如果监测到所述数据节点的目标数据发生了变化，则再次对所述数据节点的目标数据进行卷积神经网络训练，得到并更新所述特征模型。
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任飞翔，未经任飞翔许可，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/201811595495.1/，转载请声明来源钻瓜专利网。
