公开(公告)号：CN109726195A

公开(公告)日：2019-05-07

申请号：CN201811419516.4

申请日：2018-11-26

Applicant: 北京邮电大学

Inventor： 张勇 ,  郭达 ,  滕颖蕾 ,  魏翼飞 ,  宋梅 ,  李俊杰 ,  马腾滕 ,  郭耀华 ,  鲍捷 ,  康灿平

IPC: G06F16/215 ,  G06F16/2458 ,  G06F16/28

Abstract: 本发明实施例提供一种数据增强方法及装置，该方法包括：对不同标签下多维时序数据进行预处理，得到特征数据；对特征数据进行特征分析，获取特征数据中特征维与标签之间的相关系数，其中相关系数用于反映特征维和标签之间的关系；根据相关系数的大小，将预设数量的特征维作为主特征维，其余特征维为非主特征维；对非主特征维数据进行加权融合处理或加噪声处理，结合主特征维数据生成增强数据。本发明实施例提供的数据增强方法及装置，运用于多维特征数据的数据增强中，能够在保持原有数据主要特征不变的前提下，对非主要特征进行加权计算以达到增强数据的效果，能够在处理小样本数据集时，提高准确率和泛化能力。

公开(公告)号：CN109726195B

公开(公告)日：2020-09-11

申请号：CN201811419516.4

申请日：2018-11-26

Applicant: 北京邮电大学

Inventor： 张勇 ,  郭达 ,  滕颖蕾 ,  魏翼飞 ,  宋梅 ,  李俊杰 ,  马腾滕 ,  郭耀华 ,  鲍捷 ,  康灿平

IPC: G06F16/215 ,  G06F16/2458 ,  G06F16/28

Abstract: 本发明实施例提供一种数据增强方法及装置，该方法包括：对不同标签下多维时序数据进行预处理，得到特征数据；对特征数据进行特征分析，获取特征数据中特征维与标签之间的相关系数，其中相关系数用于反映特征维和标签之间的关系；根据相关系数的大小，将预设数量的特征维作为主特征维，其余特征维为非主特征维；对非主特征维数据进行加权融合处理或加噪声处理，结合主特征维数据生成增强数据。本发明实施例提供的数据增强方法及装置，运用于多维特征数据的数据增强中，能够在保持原有数据主要特征不变的前提下，对非主要特征进行加权计算以达到增强数据的效果，能够在处理小样本数据集时，提高准确率和泛化能力。

公开(公告)号：CN109948741A

公开(公告)日：2019-06-28

申请号：CN201910161120.2

申请日：2019-03-04

Applicant: 北京邮电大学

Inventor： 张勇 ,  郭达 ,  宋梅 ,  张曌 ,  牛颉 ,  马腾滕 ,  高杨 ,  陈梦婷 ,  李俊杰 ,  康灿平

IPC: G06K9/66 ,  G06K9/62

Abstract: 本发明实施例提供一种迁移学习方法及装置，该方法包括：获取预处理后的子序列和密集预测网络模型，预处理后的子序列包括源域子序列和目标域子序列；将源域子序列和目标域子序列分批次输入密集预测网络模型，得到全局移位损失；获取源域标签和目标域伪标签，基于余弦距离损失和滑动平均方法，根据源域标签和目标域伪标签进行对应类别质心对齐，得到对应类别移位损失；根据全局移位损失和对应类别移位损失得到总损失，根据总损失更新密集预测网络模型。本发明实施例提供的迁移学习方法及装置，提出一种多层次无监督域适应的方法，完成边缘分布和条件分布的对齐，实现对时间序列数据密集预测模型的迁移，性能更优越。