【技术实现步骤摘要】
本申请涉及数据处理，具体涉及一种特征映射方法、装置、电子设备及存储介质。
技术介绍
1、因为数据的采集设备、采集条件等情况存在差异，导致模型泛化能力不足，推理能力下降是日常生产实践中常见的问题：如人脸识别过程中因为照片角度、光线明暗差异导致无法正常识别；心电图数据因为采集设备差异导致无法正常诊断；语音转换文字因为口音问题导致无法正常转换等。其核心原因是在数据提取阶段因为提取条件不同，导致的特征提取模型所提取的特征出现了偏差，导致模型分类器无法正确识别，由此导致基于智能模型进行预测的准确性低下。
技术实现思路
1、本申请实施例提供一种特征映射方法、装置、电子设备及存储介质，用以解决因为数据的采集设备、采集条件等情况存在差异，导致模型泛化能力不足的问题，提高智能模型的预测准确性。
2、第一方面，本申请实施例提供一种特征映射方法，包括：
3、对待处理数据进行编码，得到编码数据；
4、将所述编码数据输入至目标生成对抗网络，得到所述目标生成对抗网络中目标生成器输出的映射特征；其中，所述目标生成对抗网络是通过第一样本数据与第二样本数据进行对抗训练得到的；所述第一样本数据与所述第二样本数据因采集设备或采集条件不同而具有不同的特征分布；所述目标生成器具有不同特征分布的数据间的特征映射能力；所述待处理数据采用与所述第一样本数据相同的采集设备或采集条件采集；
5、对所述映射特征进行解码，得到解码数据；
6、将所述解码数据输入至目标模型，得到所
7、在一个实施例中，所述目标生成对抗网络是通过如下步骤确定的：
8、获取所述第一样本数据与所述第二样本数据；
9、分别对所述第一样本数据与所述第二样本数据进行编码，得到第一数据与第二数据；
10、基于所述第一数据与所述第二数据，对初始生成对抗网络中的初始生成器与初始判别器进行对抗训练，得到所述目标生成对抗网络。
11、在一个实施例中，所述基于所述第一数据与所述第二数据，对初始生成对抗网络中的初始生成器与初始判别器进行对抗训练，得到所述目标生成对抗网络，包括：
12、向所述第二数据添加高斯噪声，得到第三数据；
13、基于所述第一数据与所述第三数据，对初始生成对抗网络中的初始生成器与初始判别器进行对抗训练，得到所述目标生成对抗网络。
14、在一个实施例中，所述初始生成器包括层归一化层、多头注意力层、正则化层与全连接层。
15、在一个实施例中，所述对待处理数据进行编码，得到编码数据，包括：
16、将待处理数据输入至目标编码器，得到所述目标编码器输出的编码数据；所述目标编码器是基于所述第一样本数据对自动编码器中的初始编码器与初始解码器进行训练得到的。
17、在一个实施例中，所述初始编码器至少包括卷积层、批归一化层、渗漏整流线性单元与全连接层。
18、在一个实施例中，在将所述编码数据输入至目标生成对抗网络之前，还包括：
19、向所述编码数据添加高斯噪声。
20、第二方面，本申请实施例提供一种特征映射装置，包括：
21、编码模块，用于对待处理数据进行编码，得到编码数据；
22、第一输入模块，用于将所述编码数据输入至目标生成对抗网络，得到所述目标生成对抗网络中目标生成器输出的映射特征；其中，所述目标生成对抗网络是通过第一样本数据与第二样本数据进行对抗训练得到的；所述第一样本数据与所述第二样本数据因采集设备或采集条件不同而具有不同的特征分布；所述目标生成器具有不同特征分布的数据间的特征映射能力；所述待处理数据采用与所述第一样本数据相同的采集设备或采集条件采集；
23、解码模块，用于对所述映射特征进行解码，得到解码数据；
24、第二输入模块，用于将所述解码数据输入至目标模型，得到所述目标模型输出的数据处理结果；所述目标模型是基于所述第二样本数据进行训练得到的。
25、第三方面，本申请实施例提供一种电子设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述程序时实现第一方面所述的特征映射方法。
26、第四方面，本申请实施例提供一种存储介质，所述存储介质为计算机可读存储介质，包括计算机程序，所述计算机程序被处理器执行时实现第一方面所述的特征映射方法。
27、本申请实施例提供的特征映射方法、装置、电子设备及存储介质，通过因采集设备或采集条件不同而具有不同的特征分布的第一样本数据与第二样本数据，进行对抗训练得到目标生成对抗网络，使得目标生成对抗网络中的目标生成器具有不同特征分布的数据间的特征映射能力，以在对采用与第一样本数据相同的采集设备或采集条件采集的待处理数据进行编码后，通过目标生成器对编码数据进行处理，得到特征映射后的映射特征，进而可以将解码后的映射特征通过目标模型进行处理，得到数据处理结果。由此使得目标模型可以准确地识别并处理与训练时的数据具有特征分布差异的数据，解决因为数据的采集设备、采集条件等情况存在差异，导致模型泛化能力不足的问题，进而可以提高智能模型的预测准确性。
本文档来自技高网...【技术保护点】
1.一种特征映射方法，其特征在于，包括：
2.根据权利要求1所述的特征映射方法，其特征在于，所述目标生成对抗网络是通过如下步骤确定的：
3.根据权利要求2所述的特征映射方法，其特征在于，所述基于所述第一数据与所述第二数据，对初始生成对抗网络中的初始生成器与初始判别器进行对抗训练，得到所述目标生成对抗网络，包括：
4.根据权利要求2所述的特征映射方法，其特征在于，所述初始生成器包括层归一化层、多头注意力层、正则化层与全连接层。
5.根据权利要求1所述的特征映射方法，其特征在于，所述对待处理数据进行编码，得到编码数据，包括：
6.根据权利要求5所述的特征映射方法，其特征在于，所述初始编码器至少包括卷积层、批归一化层、渗漏整流线性单元与全连接层。
7.根据权利要求1-6任一项所述的特征映射方法，其特征在于，在将所述编码数据输入至目标生成对抗网络之前，还包括：
8.一种特征映射装置，其特征在于，包括：
9.一种电子设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机
10.一种存储介质，所述存储介质为计算机可读存储介质，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至7任一项所述的特征映射方法。
...【技术特征摘要】
1.一种特征映射方法，其特征在于，包括：
2.根据权利要求1所述的特征映射方法，其特征在于，所述目标生成对抗网络是通过如下步骤确定的：
3.根据权利要求2所述的特征映射方法，其特征在于，所述基于所述第一数据与所述第二数据，对初始生成对抗网络中的初始生成器与初始判别器进行对抗训练，得到所述目标生成对抗网络，包括：
4.根据权利要求2所述的特征映射方法，其特征在于，所述初始生成器包括层归一化层、多头注意力层、正则化层与全连接层。
5.根据权利要求1所述的特征映射方法，其特征在于，所述对待处理数据进行编码，得到编码数据，包括：
6.根据权利要求5...
【专利技术属性】
技术研发人员：汤人杰，傅升红，王一，陈俊杰，程序，邵宁川，
申请(专利权)人：浙江移动信息系统集成有限公司，
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。