(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210864796.X (22)申请日 2022.07.21 (71)申请人 徐州才聚智能科技有限公司 地址 221000 江苏省徐州市高新 技术产业 开发区大学路99 号徐州高新区大学创 业园C区四层C40 6、 C408 (72)发明人 王源杰　冯湛博　廖振宇　邱才明　 密铁宾　兰军　拾婷婷　 (74)专利代理 机构 成都顶峰专利事务所(普通 合伙) 51224 专利代理师 叶昌威 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01)G06N 20/00(2019.01) (54)发明名称 基于随机特征的迁移成分处理方法、 装置及 存储介质 (57)摘要 本发明涉及迁移学习技术领域， 具体公开了 基于随机 特征的迁移成分处理方法、 装置及存储 介质。 通过对 预处理后原始场景的特征数据集和 目标场景的特征数据集进行拼接， 得到总特征数 据集， 基于总特征数据集进行随机傅里叶特征计 算， 然后进行相应的征向量矩阵计算， 进而计算 得到迁移特征， 利用原始场景的迁移特征数据集 进行分类器训练， 利用训练后的分类器对目标场 景的迁移特征数据集进行预测分类， 以通过随机 傅里叶特征映射实现原始场景数据特征到目标 场景据特征的快速迁移， 在保证迁移 计算处理性 能的同时， 大大提升了计算运行速度， 为迁移学 习在工业界大规模场景的应用提供了可 行性。 权利要求书3页 说明书9页 附图2页 CN 115147724 A 2022.10.04 CN 115147724 A 1.基于随机特 征的迁移成分处 理方法， 其特 征在于， 包括： 获取原始场景的数据集和目标场景的数据集； 对原始场景的数据集和目标场景的数据集分别进行预处理， 得到原始场景的特征数据 集和目标场景的特征数据集， 其中， 原始场景的特征数据集包含Ns个样 本， 目标场景的特征 数据集包 含Nt个样本； 将原始场景的特征数据集和目标场景的特征数据集进行拼接， 得到总特征数据集， 所 述总特征数据集包 含Ns+Nt个样本； 根据总特 征数据集计算得到随机傅里叶特 征矩阵； 利用随机傅里叶特 征矩阵计算得到相应的特 征向量矩阵； 根据随机傅里叶特征矩阵和特征向量矩阵计算得到总迁移特征数据集， 所述总迁移特 征数据集包 含Ns+Nt个样本， 且与总特 征数据集中的样本一 一对应； 从总迁移特征数据集中提取前Ns个样本作为原始场景的迁移特征数据集， 提取后Nt个 样本作为目标场景的迁移特 征数据集； 利用原始场景的迁移特 征数据集训练预置的分类 器， 得到训练后的分类 器； 利用训练后的分类 器对目标场景的迁移特 征数据集进行 预测分类， 得到分类结果。 2.根据权利要求1所述的基于随机特征的迁移成分处理方法， 其特征在于， 所述对原始 场景的数据集和目标场景 的数据集分别进行预处理， 包括： 对原始场景 的数据集和目标场 景的数据集分别进行 数据裁剪、 正则化处 理和归一 化处理。 3.根据权利要求1所述的基于随机特征的迁移成分处理方法， 其特征在于， 所述原始场 景的特征数据集表 示为Xs， 所述目标场景的特征数据集表 示为Xt， Xs包含Ns个样 本， Xt包含 Nt个样本， 每个样本表示为一个p维列向量， Xs表示为p行Ns列的矩阵， Xt表示为p行Nt列的 矩阵， 所述将原始场景 的特征数据集和目标场景 的特征数据集进行拼接， 得到总 特征数据 集， 包括： 将Xs和Xt进行行方 向上的拼接， 得到总特征数据集X， X＝[Xs， Xt]， X表示为一个p 行Ns+Nt列的矩阵。 4.根据权利要求3所述的基于随机特征的迁移成分处理方法， 其特征在于， 所述根据总 特征数据集计算得到随机傅里叶特 征矩阵， 包括： 根据设定的核矩阵的类别获得对应的随机傅里叶特 征Ω； 利用随机傅里叶特 征Ω和总特 征数据集X计算得到随机傅里叶特 征矩阵， 计算公式为： 其中， Σ为随机傅里叶特征矩阵， B为元素服从在[0， 2π]区间上均匀分布的参数矩阵， N 为设定的随机特 征个数。 5.根据权利要求4所述的基于随机特征的迁移成分处理方法， 其特征在于， 所述利用随 机傅里叶特 征矩阵计算得到相应的特 征向量矩阵， 包括： 将随机傅里叶特征矩阵Σ代入特征向量矩阵计算式中， 得到前m个特征向量对应的特 征向量矩阵W， 所述特 征向量矩阵计算式为： 权　利　要　求　书 1/3 页 2 CN 115147724 A 2其中， H为设定的中心 矩阵， T表示矩阵转置， γ 为 正则化参数， y定义如下： 即如果样本xi是来自原始场景， 则yi＝1/Ns， 如果样本xi是来自目标场景， 则yi＝1/ Nt， i表征对应元 素行， 根据总特 征数据集X， 得到确定的y， 即y是向量 6.根据权利要求5所述的基于随机特征的迁移成分处理方法， 其特征在于， 所述根据随 机傅里叶特 征矩阵和特 征向量矩阵计算得到总迁移特 征数据集， 包括： 将随机傅里叶特征矩阵Σ和特征向量矩阵W代入迁移特征计算式中， 计算得到总迁移 特征数据集， 所述迁移特 征计算式为： new_X＝WT∑ 其中， new_X为总迁移特 征数据集， T表示矩阵转置 。 7.根据权利要求6所述的基于随机特征的迁移成分处理方法， 其特征在于， 所述总迁移 特征数据集new_X＝[new_Xs， new_Xt]， new_Xs表征原始场景的迁移特征数据集， new_Xt表 征目标场景的迁移特征数据集， 所述从总迁移特征数据集中提取前Ns个样 本作为原始场景 的迁移特征数据集， 提取后Nt个样本作为目标场景的迁移特征数据集， 包括： 从new_X中分 别提取new_Xs和new_Xt。 8.基于随机特征的迁移成分处理装置， 其特征在于， 包括获取单元、 处理单元、 拼接单 元、 第一计算单 元、 第二计算单 元、 第三计算单 元、 提取单元、 训练单 元和分类单 元， 其中： 获取单元， 用于获取原 始场景的数据集和目标场景的数据集； 处理单元， 用于对原始场景的数据集和目标场景的数据集分别进行预处理， 得到原始 场景的特征数据集和目标场景的特征数据集， 其中， 原始场景的特征数据集包含Ns个样本， 目标场景的特 征数据集包 含Nt个样本； 拼接单元， 用于将原始场景的特征数据集和目标场景的特征数据集进行拼接， 得到总 特征数据集， 所述总特 征数据集包 含Ns+Nt个样本； 第一计算单 元， 用于根据总特 征数据集计算得到随机傅里叶特 征矩阵； 第二计算单 元， 用于利用随机傅里叶特 征矩阵计算得到相应的特 征向量矩阵； 第三计算单元， 用于根据随机傅里叶特征矩阵和特征向量矩阵计算得到总迁移特征数 据集， 所述总迁移特 征数据集包 含Ns+Nt个样本， 且与总特 征数据集中的样本一 一对应； 提取单元， 用于从总迁移特征数据集中提取前Ns个样本作为原始场景的迁移特征数据 集， 提取后Nt个样本作为目标场景的迁移特 征数据集； 训练单元， 用于利用原始场景的迁移特征数据集训练预置的分类器， 得到训练后的分 类器； 分类单元， 用于利用训练后的分类器对目标场景的迁移特征数据集进行预测分类， 得 到分类结果。 9.基于随机特 征的迁移成分处 理装置， 其特 征在于， 包括： 存储器， 用于存 储指令； 处理器， 用于读取所述存储器 中存储的指令， 并根据指令执行权利要求1 ‑7任意一项所权　利　要　求　书 2/3 页 3 CN 115147724 A 3