面向行为识别的迁移学习方法及系统技术方案

本发明专利技术提供了一种面向行为识别的迁移学习方法和系统，该方法依据基于熵减的最优传输方案确定待标定的数据的标签，其中，基于熵减的最优传输方案中包括对源域数据的标签类别比例的熵进行限制。本发明专利技术中的迁移学习方法和系统能够在目标域数据类别少于源域数据类别的情况下，使得源域中分布的类别相对集中，源域分布与目标域更加匹配，从而有效减少负迁移，更鲁棒、准确地获取目标域待标定数据标签。

【技术实现步骤摘要】
面向行为识别的迁移学习方法及系统
本专利技术涉及计算机数据挖掘分析
，尤其涉及用于面向行为识别的迁移学习方法及系统。
技术介绍
传统的可穿戴行为识别主要采用统一的识别模型，即利用已有的标定数据离线训练分类模型，并利用该分类模型对所有新数据行为进行识别分类。然而，这类分类模型严重依赖于使用的标定数据的分布，当面对分布与使用的标定数据分布不一致的新的采集数据时，其准确性与泛化能力往往不尽人意。例如，不同的传感设备往往佩戴于人体不同位置，其行为数据分布往往也不一致，直接利用通过腕部采集的数据获得的模型难以在腰部等其他位置采集的数据获得较好的标定效果。又如，针对某些用户依赖性强的数据(例如，表面肌电信号)，不同用户的数据之间差异性也较大，利用某一用户数据获得的模型也难以准确标定其他用户的数据。针对上述问题，学者们提出了迁移学习方法，将解决一个问题时获得的知识应用到解决另一个不同但相关的问题当中，进而在执行新的任务中时效更高、效果更好。例如，中国专利申请CN110472576A公开了一种实现移动人体行为识别的方法，通过传感器采集一定数量基础本文档来自技高网...

【技术保护点】
1.一种面向行为识别的迁移学习方法，包括：/n获取有标签的数据和待标定的数据，其中，所述有标签的数据的标签类别包含所述待标定的数据的标签类别；/n将所述有标签的数据作为源域数据，所述待标定的数据作为目标域数据，依据基于熵减的最优传输方案确定所述待标定的数据的标签，其中，所述基于熵减的最优传输方案中包括对所述源域数据的标签类别比例的熵进行限制。/n

【技术特征摘要】
1.一种面向行为识别的迁移学习方法，包括：
获取有标签的数据和待标定的数据，其中，所述有标签的数据的标签类别包含所述待标定的数据的标签类别；
将所述有标签的数据作为源域数据，所述待标定的数据作为目标域数据，依据基于熵减的最优传输方案确定所述待标定的数据的标签，其中，所述基于熵减的最优传输方案中包括对所述源域数据的标签类别比例的熵进行限制。


2.根据权利要求1所述的迁移学习方法，其中，所述基于熵减的最优传输方案中还包括对所述源域数据分布进行加权处理。


3.根据权利要求2所述的迁移学习方法，其中，通过广义条件梯度下降的方法获得所述基于熵减的最优传输方案，包括：
3-1)初始化所述基于熵减的最优传输方案；
3-2)获得当前最优传输方案的条件梯度下降方向；
3-3)获得最优步长；
3-4)基于所述条件梯度下降方向和所述步长更新当前最优传输方案；以及
3-5)重复上述步骤3-2)至3-4)，直至所述最优传输方案收敛或达到迭代阈值。


4.根据权利要求3所述的迁移学习方法，其中，采用IBP算法获得条件梯度下降方向，包括：
4-1)基于给定限制解空间中与当前最优传输方案KL散度最小的元素更新当前最优传输方案；
4-2)重复上述步骤4-1)，直至更新后的最优传输方案收敛或达到迭代阈值；
4-3)基于更新后的最优传输方案计算所述当前最优传输方案的条件梯度下降方向。


5.根据权利要求2所述的迁移学习方法，其中，所述基于熵减的最优传输方案为：









其中，T为...

【专利技术属性】
技术研发人员：陈益强，卢旺，于汉超，杨晓东，张迎伟，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：北京;11