【技术实现步骤摘要】
本申请涉及数据分析，特别是涉及基于类别预测模型的特征分桶方法、设备及存储介质。
技术介绍
1、随着海量数据的产生，单纯依靠人力对这些数据进行处理，效率低下且代价高昂，因此如何从这些海量数据中挖掘出重要的有效信息是亟待解决的关键问题。
2、目前通常使用聚类系统对海量数据进行处理以对海量数据进行挖掘，如何对数据进行有效切分是影响聚类效率和性能的关键因素。
技术实现思路
1、本申请主要解决的技术问题是提供基于类别预测模型的特征分桶方法、计算机设备及存储介质，能够基于类别对特征进行合理的分桶，从而实现对海量的特征数据进行有效分类。
2、为解决上述技术问题，本申请采用的第一个技术方案是：提供一种基于类别预测模型的特征分桶方法，该方法包括：获取多张图像的特征；利用类别预测模型预测每个特征的类别；将属于类别及其关联的亲密类别的特征放入同一个桶中，以对多张图像的特征进行分桶；其中，类别预测模型是基于图像集中的至少部分图像的特征及其标签对初始模型训练得到的，一类别关联的亲密类别包括类...
【技术保护点】
1.一种基于类别预测模型的特征分桶方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求3所述的方法，其特征在于，
5.根据权利要求1所述的方法，其特征在于，所述图像集包括训练集和验证集；
6.根据权利要求5所述的方法，其特征在于，
7.根据权利要求6所述的方法，其特征在于，
8.根据权利要求1所述的方法，其特征在于，
9.一种计算机设备，其特征在于，包括：处理器、存储器和通信电路；所述通信电路和所...
【技术特征摘要】
1.一种基于类别预测模型的特征分桶方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求2所述的方法，其特征在于，
4.根据权利要求3所述的方法，其特征在于，
5.根据权利要求1所述的方法，其特征在于，所述图像集包括训练集和验证集；
6.根据权利要求5所述的方法，其特征在于，
7.根据权利要求6所述的方法，其特征在于，
...【专利技术属性】
技术研发人员：郑智勇，邸德宁，郝敬松，朱树磊，殷俊，
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：
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。