(19)中华 人民共和国 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 202111320801.2 (22)申请日 2021.11.09 (71)申请人 宜通世纪科技股份有限公司 地址 510630 广东省广州市天河区科韵路 16号自编1栋1201 (72)发明人 张忠平　王永斌　肖益珊　季文翀　 丛煜华　郑涛　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 代理人 余凯欢 (51)Int.Cl. G06N 20/00(2019.01) (54)发明名称 基于异构迁移学习的特征增强方法、 装置及 存储介质 (57)摘要 本发明公开了基于异构迁移学习的特征增 强方法、 装置及存储介质， 方法包括： 从多个源域 进行第一特征提取， 得到第一特征集合； 从目标 域进行第二特征提取， 得到第二特征集合； 根据 预设的原始特征、 所述第一特征集合和所述第二 特征集合， 在异构特征空间进行所述源域和所述 目标域之间的迁移学习， 构建得到基于迁移学习 的异构特征空间； 其中， 所述基于迁移学习的异 构特征空间用于进行特征提取。 本发 明将原始特 征与源域和目标域中提取的特征进行结合， 能够 在提高迁移学习性能的基础上解决负迁移的问 题， 可广泛应用于人工智能技 术领域。 权利要求书2页 说明书8页 附图1页 CN 114154642 A 2022.03.08 CN 114154642 A 1.基于异构迁移学习的特 征增强方法， 其特 征在于， 包括： 从多个源域进行第一特 征提取， 得到第一特 征集合； 从目标域进行第二特 征提取， 得到第二特 征集合； 根据预设的原始特征、 所述第一特征集合和所述第二特征集合， 在异构特征空间进行 所述源域和所述目标域之间的迁移学习， 构建得到基于 迁移学习的异构特 征空间； 其中， 所述基于 迁移学习的异构特 征空间用于进行 特征提取。 2.根据权利要求1所述的基于异构迁移学习的特征增强方法， 其特征在于， 所述根据 预 设的原始特征、 所述第一特征集合和所述第二特征集合， 在异构特征空间进行所述源域和 所述目标域之间的迁移学习， 构建得到基于 迁移学习的异构特 征空间， 包括： 将所述源域和所述目标域的隐空间 映射到一个共享隐空间中， 所述共享隐空间中还包 括所述原 始特征。 3.根据权利要求2所述的基于异构迁移学习的特征增强方法， 其特征在于， 所述将所述 源域和所述目标域的隐空间映射到一个共享隐空间中， 包括： 根据所述共享隐空间， 构造第一投影矩阵和第二投影矩阵； 根据所述第一投影矩阵， 将所述源域的原 始特征合并到所述源域的第一特 征集合中； 根据所述第 二投影矩阵， 将所述目标域的原始特征合并到所述目标特征的第 二特征集 合中。 4.根据权利要求3所述的基于异构迁移学习的特征增强方法， 其特征在于， 所述将所述 源域和所述目标域的隐空间映射到一个共享隐空间中， 还 包括： 采取监督或者半监 督学习方式进行性能最大化的分类。 5.基于异构迁移学习的特 征增强装置， 其特 征在于， 包括： 第一模块， 用于从多个源域进行第一特 征提取， 得到第一特 征集合； 第二模块， 用于从目标域进行第二特 征提取， 得到第二特 征集合； 第三模块， 用于根据 预设的原始特征、 所述第 一特征集合和所述第二特征集合， 在异构 特征空间进行所述源域和所述目标域之 间的迁移学习， 构建得到基于迁移学习的异构特征 空间； 其中， 所述基于 迁移学习的异构特 征空间用于进行 特征提取。 6.根据权利要求5所述的基于异构迁移学习的特征增强装置， 其特征在于， 所述第 三模 块， 包括： 第一单元， 用于根据所述共享隐空间， 构造第一投影矩阵和第二投影矩阵； 第二单元， 用于根据所述第一投影矩阵， 将所述源域的原始特征合并到所述源域的第 一特征集合中； 第三单元， 用于根据所述第二投影矩阵， 将所述目标域的原始特征合并到所述目标特 征的第二特 征集合中。 7.根据权利要求6所述的基于异构迁移学习的特征增强装置， 其特征在于， 所述第 三模 块， 还包括： 第四单元， 用于采取监 督或者半监 督学习方式进行性能最大化的分类。 8.一种电子设备， 其特 征在于， 包括处 理器以及存 储器； 所述存储器用于存 储程序；权　利　要　求　书 1/2 页 2 CN 114154642 A 2所述处理器执行所述程序实现如权利要求1 ‑4中任一项所述的方法。 9.一种计算机可读存储介质， 其特征在于， 所述存储介质存储有程序， 所述程序被处理 器执行实现如权利要求1 ‑4中任一项所述的方法。 10.一种计算机程序产品， 包括计算机程序， 其特征在于， 所述计算机程序被处理器执 行时实现权利要求1 ‑4任意一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114154642 A 3