数据类别属性的确定方法及装置、存储介质、电子装置制造方法及图纸

本发明专利技术实施例提供了一种数据类别属性的确定方法及装置、存储介质、电子装置，该方法包括：将目标数据输入至目标网络模型中，得到目标网络模型输出的目标数据的第一特征和第二特征，其中，第一特征用于表示目标数据的特征均值，第二特征用于表示目标数据的特征方差；利用第一特征和第二特征确定目标数据所归属的目标数据类别，以及目标数据归属于目标数据类别的概率；基于目标数据所归属的目标数据类别，以及目标数据归属于目标数据类别的概率确定目标数据的类别属性。通过本发明专利技术，可以解决相关技术中对外部数据的分类不准确的问题，达到准确分类数据的效果。到准确分类数据的效果。到准确分类数据的效果。

【技术实现步骤摘要】
数据类别属性的确定方法及装置、存储介质、电子装置


[0001]本专利技术实施例涉及数据处理领域，具体而言，涉及一种数据类别属性的确定方法及装置、存储介质、电子装置。

技术介绍

[0002]在真实世界中，几乎所有的分类模型在实际使用的时候都会面临一个问题，需要处理不属于任何一个已知类别的外部数据，一般分类的方法都会强制的把数据分类到其中一个已知的类别中。
[0003]开集分类问题(open
‑
set problem)不仅仅包含0～9的数字类别，还包含其他如A～Z等等的未知类别，但是这些未知的类别并没有标签，分类器无法知道这些未知类别里面图像的具体类别，如：是否是A，这些许许多多的不同类别图像共同构成了一个类别：未知类别，在检测里面我们叫做背景类别(background)，而开集分类问题即：区分这10个类别且拒绝其他未知类别。
[0004]现有技术中公开的开集分类方法，在训练的时候增加了很多类别，但在预测的时候仍然面临外部数据的问题。
[0005]针对上述技术问题，相关技术中尚未提出有效的解决方案。
...

【技术保护点】

【技术特征摘要】
1.一种数据类别属性的确定方法，其特征在于，包括：将目标数据输入至目标网络模型中，得到所述目标网络模型输出的所述目标数据的第一特征和第二特征，其中，所述第一特征用于表示所述目标数据的特征均值，所述第二特征用于表示所述目标数据的特征方差；利用所述第一特征和所述第二特征确定所述目标数据所归属的目标数据类别，以及所述目标数据归属于所述目标数据类别的概率；基于所述目标数据所归属的目标数据类别，以及所述目标数据归属于所述目标数据类别的概率确定所述目标数据的类别属性。2.根据权利要求1所述的方法，其特征在于，利用所述第一特征和所述第二特征确定所述目标数据所归属的目标数据类别，以及所述目标数据归属于所述目标数据类别的概率，包括：将所述第一特征输入至分类器，得到所述分类器计算的所述目标数据归属的所述目标数据类别，其中，所述第二特征还用于表示所述分类器的输出特征；基于所述第一特征的特征均值和所述第二特征的特征方差、第一参数以及预设数据类别确定所述目标数据归属于所述目标数据类别的概率。3.根据权利要求1所述的方法，其特征在于，基于所述目标数据所归属的目标数据类别，以及所述目标数据归属于所述目标数据类别的概率确定所述目标数据的类别属性，包括以下之一：在所述概率大于或等于预设阈值的情况下，确定所述目标数据归属于所述目标数据类别；在所述概率小于所述预设阈值的情况下，确定所述目标数据属于异常数据类别。4.根据权利要求1所述的方法，其特征在于，将目标数据输入至目标网络模型中，得到所述目标网络模型输出的所述目标数据的第一特征和第二特征之前，所述方法还包括：将确定的样本数据中的内部数据和外部数据按照第一预设比例输入至原始网络模型中，得到所述原始网络模型输出的第三特征和第四特征，其中，所述第三特征用于表示所述内部数据和所述外部数据的特征均值，所述第四特征用于表示所述内部数据和所述外部数据的特征方差，所述外部数据用于表示无归属类别的数据，所述内部数据用于表示有归属类别的数据；按照第二预设比例分离所述第三特征和所述第四特征；按照所述第三特征和所述第四特征训练所述原始网络模型，得到所述目标网络模型。5.根据权利要求4所述的方法，其特征在于，按照所述第三特征和所述第四特...

【专利技术属性】
技术研发人员：郭思郁，王宁波，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：