特征提取方法、装置、存储介质及电子设备制造方法及图纸

本申请公开了一种特征提取方法、装置、存储介质及电子设备，在本申请中，电子设备可以获取需要进行特征提取的数据，得到一数据集合，然后将前述数据集合划分为对应不同数据类型的多个子数据集合，并分别构建对应各子数据集合的神经网络，得到多个神经网络，利用前述多个子数据集合对前述多个神经网络进行联合训练，最后根据训练后的多个神经网络对前述多个子数据集合进行特征提取，实现异构数据到同一表征空间的映射。

【技术实现步骤摘要】
特征提取方法、装置、存储介质及电子设备
本申请涉及计算机
，尤其涉及一种特征提取方法、装置、存储介质及电子设备。
技术介绍
目前，随着传感器的小型化、智能化，如手机、平板电脑等电子设备集成了越来越多的传感器，比如光线传感器、距离传感器、位置传感器、加速度传感器以及重力传感器，等等。电子设备能够通过其配置的传感器以更小的功耗采集到更多的数据。同时，电子设备在运行过程中还会采集到系统相关的数据以及用户相关的数据，等等。但伴随而来的是，电子设备采集到的数据也越来越繁杂，若直接对这些数据进行特征提取，那么将提取出大量的特征，其维数成千上万，造成了维数灾难。
技术实现思路
第一方面，本申请实施例提供一种特征提取方法，应用于电子设备，包括：获取需要进行特征提取的数据，得到一数据集合；将所述数据集合划分为对应不同数据类型的多个子数据集合；分别构建对应各所述子数据集合的神经网络，得到多个神经网络；根据所述多个子数据集合对所述多个神经网络进行联合训练；根据训练后的所述多个神经网络对所述多个子数据集合进行特征提取。第二方面，本申请实施例提供一种特征提取装置，应用于电子设备，包括：数据获取模块，用于获取需要进行特征提取的数据，得到一数据集合；数据划分模块，用于将所述数据集合划分为对应不同数据类型的多个子数据集合；网络构建模块，用于分别构建对应各所述子数据集合的神经网络，得到多个神经网络；联合训练模块，用于根据所述多个子数据集合对所述多个神经网络进行联合训练；特征提取模块，用于根据训练后的所述多个神经网络对所述多个子数据集合进行特征提取。第三方面，本申请实施例提供一种存储介质，其上存储有计算机程序，其中，当所述计算机程序在计算机上执行时，使得所述计算机执行本申请实施例提供的特征提取方法中的步骤。第四方面，本申请实施例提供一种电子设备，包括存储器，处理器，所述处理器通过调用所述存储器中存储的计算机程序，用于执行本申请实施例提供的特征提取方法中的步骤。在本申请中，电子设备可以获取需要进行特征提取的数据，得到一数据集合，然后将前述数据集合划分为对应不同数据类型的多个子数据集合，并分别构建对应各子数据集合的神经网络，得到多个神经网络，利用前述多个子数据集合对前述多个神经网络进行联合训练，最后根据训练后的多个神经网络对前述多个子数据集合进行特征提取，实现异构数据到同一表征空间的映射。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例提供的全景感知架构的结构示意图。图2是本申请实施例提供的特征提取方法的一流程示意图。图3是本申请实施例中电子设备对数据集合进行划分的示例图。图4是本申请实施例提供的特征提取方法的另一流程示意图。图5是本申请实施例中提供的特征提取方法的应用场景示意图。图6是本申请实施例提供的特征提取装置的结构示意图。图7是本申请实施例提供的电子设备的一结构示意图。图8是本申请实施例提供的电子设备的另一结构示意图。具体实施方式请参照图式，其中相同的组件符号代表相同的组件，本申请的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本申请具体实施例，其不应被视为限制本申请未在此详述的其它具体实施例。随着传感器的小型化、智能化，如手机、平板电脑等电子设备集成了越来越多的传感器，比如光线传感器、距离传感器、位置传感器、加速度传感器以及重力传感器，等等。电子设备能够通过其配置的传感器以更小的功耗采集到更多的数据。同时，电子设备在运行过程中还会采集到自身状态相关的数据以及用户状态相关的数据，等等。笼统的说，电子设备能够获取到外部环境相关的数据(比如温度、光照、地点、声音、天气等)、用户状态相关的数据(比如姿势、速度、使用习惯、个人基本信息等)以及电子设备状态相关的数据(比如耗电量、资源使用状况、网络状况等)。本申请实施例中，将电子设备能够获取到的这些数据记为全景数据。本申请实施例中，为了能够对电子设备获取到的这些数据进行处理，提出了一种全景感知架构。请参照图1，图1为本申请实施例提供的全景感知架构的结构示意图，应用于电子设备，其包括由下至上的信息感知层、数据处理层、特征抽取层、情景建模层以及智能服务层。作为全景感知架构的最底层，信息感知层用于获取能够描述用户的各类型情景的原始数据，即全景数据。其中，信息感知层由多个用于数据采集的传感器组成，包括但不限于图示的用于检测电子设备与外部物体之间的距离的距离传感器、用于检测电子设备所处环境的磁场信息的磁场传感器、用于检测电子设备所处环境的光线信息的光线传感器、用于检测电子设备的加速度数据的加速度传感器、用于采集用户的指纹信息的指纹传感器、用于感应磁场信息的霍尔传感器、用于检测电子设备当前所处的地理位置的位置传感器、用于检测电子设备在各个方向上的角速度的陀螺仪、用于检测电子设备的运动数据惯性传感器、用于感应电子设备的姿态信息的姿态感应器、用于检测电子设备所处环境的气压的气压计以及用于检测用户的心率信息的心率传感器等。作为全景感知架构的次底层，数据处理层用于对信息感知层获取到的原始数据进行处理，消除原始数据存在的噪声、不一致等问题。其中，数据处理层可以对信息感知层获取到的数据进行数据清理、数据集成、数据变换、数据归约等处理。作为全景感知架构的中间层，特征抽取层用于对数据处理层处理后的数据进行特征抽取，以提取所述数据中包括的特征。其中，特征抽取层可以通过过滤法、包装法、集成法等方法来提取特征或者对提取到的特征进行处理。过滤法是指对提取到的特征进行过滤，以删除冗余的特征数据。包装法用于对提取到的特征进行筛选。集成法是指将多种特征提取方法集成到一起，以构建一种更加高效、更加准确的特征提取方法，用于提取特征。作为全景感知架构的次高层，情景建模层用于根据特征抽取层提取到的特征来构建模型，所得到的模型可以用于表示电子设备的状态或者用户状态或者环境状态等。例如，情景建模层可以根据特征抽取层提取到的特征来构建关键值模型、模式标识模型、图模型、实体联系模型、面向对象模型等。作为全景感知架构的最高层，智能服务层用于根据情景建模层所构建的模型提供智能化服务。比如，智能服务层可以为用户提供基础应用服务，可以为电子设备进行系统智能优化服务，还可以为用户提供个性化智能服务等。此外，全景感知架构中还包括算法库，算法库中包括但不限于图示的马尔科夫算法、隐含狄里克雷分布算法、贝叶斯分类算法、支持向量机、K均值聚类算法、K近邻算法、条件随机场、残差网络、长短期记忆网络、卷积神经网络以及循环神经网络等算法。对于电子设备能够获取到的外部环境相本文档来自技高网...

【技术保护点】
1.一种特征提取方法，应用于电子设备，其特征在于，包括：/n获取需要进行特征提取的数据，得到一数据集合；/n将所述数据集合划分为对应不同数据类型的多个子数据集合；/n分别构建对应各所述子数据集合的神经网络，得到多个神经网络；/n根据所述多个子数据集合对所述多个神经网络进行联合训练；/n根据训练后的所述多个神经网络对所述多个子数据集合进行特征提取。/n

【技术特征摘要】
1.一种特征提取方法，应用于电子设备，其特征在于，包括：
获取需要进行特征提取的数据，得到一数据集合；
将所述数据集合划分为对应不同数据类型的多个子数据集合；
分别构建对应各所述子数据集合的神经网络，得到多个神经网络；
根据所述多个子数据集合对所述多个神经网络进行联合训练；
根据训练后的所述多个神经网络对所述多个子数据集合进行特征提取。


2.根据权利要求1所述的特征提取方法，其特征在于，所述将所述数据集合划分为对应不同数据类型的多个子数据集合，包括：
将所述数据集合划分为对应图像类数据的第一子数据集合、对应时序类数据的第二子数据集合以及对应其它类数据的第三子数据集合。


3.根据权利要求2所述的特征提取方法，其特征在于，所述分别构建对应各所述子数据集合的神经网络，包括：
分别构建对应所述第一子数据集合的卷积神经网络、对应所述第二子数据集合的递归神经网络以及对应所述第三子数据集合的普通神经网络。


4.根据权利要求3所述的特征提取方法，其特征在于，所述根据所述多个子数据集合对所述多个神经网络进行联合训练，包括：
将所述第一子数据集合作为所述卷积神经网络的输入，将所述第二子数据集合作为所述递归神经网络的输入，将所述第三子数据集合作为所述普通神经网络的输入；
分别获取所述卷积神经网络、所述递归神经网络以及所述普通神经网络的损失值，得到三个损失值；
根据所述三个损失值融合得到一个新的损失值，并将所述新的损失值反向传播至所述卷积神经网络、所述递归神经网络以及所述普通神经网络。


5.根据权利要求4所述的特征提取方法，其特征在于，所述根据所述三个损失值融合得到一个新的损失值，包括：
获取所述三个损失值的算术平均值，并将所述算术平均值作为所述新的损失值；
或者，获取所述三个损失值的几何平均值，并将所述几何平均值作为所述新的损失...

【专利技术属性】
技术研发人员：何明，陈仲铭，吴佳涛，刘耀勇，陈岩，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：广东;44