【技术实现步骤摘要】
本专利技术涉及连续学习，特别是涉及动态服务场景中目标物体的增量式分类学习方法及系统。
技术介绍
1、本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
2、目前，许多国家都面临着人口老龄化的问题。需要护理的老年人数量也在增加。然而，劳动力的短缺和劳动力成本的上升，使得传统的养老服务难以满足巨大的养老需求。随着人工智能和机器人技术的快速发展，老年陪护机器人有望成为改善老年护理服务的最有效技术之一。
3、老年陪护机器人通过传感器感知、图像识别和语音识别与人互动，可以提供准确和高质量的服务，并缓解陪护人员不足的问题。在开放的日常生活场景中，老年人存在显著的个体差异，服务任务复杂多样，服务场景动态多变。所以老年陪护机器人需要在线学习连续的数据流，应该具备不断学习的能力来积累新知识并记住它们所学的知识。
4、现有的老年陪护机器人，在陪护过程中，需要实时对服务场景中的物体进行采集和识别，现有技术存在线下训练的模型对环境中动态变化的物体识别准确率不高，不具备连续学习的能力，且学习新物体后将导...
【技术保护点】
1.动态服务场景中目标物体的增量式分类学习方法，其特征是，包括：
2.如权利要求1所述的动态服务场景中目标物体的增量式分类学习方法，其特征是，基于密度峰值的原型选择策略，在T时刻的新类数据集中为每个新类别选择原型，得到每个新类别对应的原型集合，具体包括：
3.如权利要求2所述的动态服务场景中目标物体的增量式分类学习方法，其特征是，计算一个类别下，样本i与样本j之间的距离；基于样本i与样本j之间的距离和截断距离，确定样本i的局部密度ρi，具体包括：
4.如权利要求2所述的动态服务场景中目标物体的增量式分类学习方法，其特征是，计算样本i...
【技术特征摘要】
1.动态服务场景中目标物体的增量式分类学习方法，其特征是，包括：
2.如权利要求1所述的动态服务场景中目标物体的增量式分类学习方法，其特征是，基于密度峰值的原型选择策略，在t时刻的新类数据集中为每个新类别选择原型，得到每个新类别对应的原型集合，具体包括：
3.如权利要求2所述的动态服务场景中目标物体的增量式分类学习方法，其特征是，计算一个类别下，样本i与样本j之间的距离；基于样本i与样本j之间的距离和截断距离，确定样本i的局部密度ρi，具体包括：
4.如权利要求2所述的动态服务场景中目标物体的增量式分类学习方法，其特征是，计算样本i自身的局部密度最大时，样本i与同类别下其他样本之间的最大距离δi；根据样本i的局部密度ρi，以及样本i与同类别下其他密度比样本i更高的所有样本之间的最小距离δi；具体包括：
5.如权...
【专利技术属性】
技术研发人员：黄珂，李明阳，王一然，张梦华，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。