目标对象的分类方法、装置、电子设备及存储介质.pdf

(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CN114239697A(43)申请公布日2022.03.25(21)申请号202111423883.3(22)申请日2021.11.26(71)申请人杭州海康威视数字技术股份有限公司地址310051浙江省杭州市滨江区阡陌路555号(72)发明人曹进(74)专利代理机构北京柏杉松知识产权代理事务所(普通合伙)11413代理人丁芸马敬(51)Int.Cl.G06K9/62(2022.01)G06V10/40(2022.01)权利要求书3页说明书12页附图4页(54)发明名称目标对象的分类方法、装置、电子设备及存储介质(57)摘要本发明实施例提供的目标对象的分类方法、装置、电子设备及存储介质，应用于信息技术领域，可以获取目标对象的时序数据；对时序数据进行特征提取，得到多个待分类特征；通过预设特征构建算法，计算各待分类特征的特征分布向量；通过预先训练好的特征构建元模型，根据各待分类特征的特征分布向量预测各待分类特征的贡献度；选取贡献度大于预设贡献度阈值的待分类特征作为所述目标对象的当前特征；根据当前特征对目标对象进行分类，得到目标对象对应的分类结果。可以根据各待分类特征的特征分布向量预测各待分类特征的贡献度，选取贡献度最高的前N个待分类特征作为目标对象的当前特征进行分类，从而提高分类的准确率。CN114239697ACN114239697A权利要求书1/3页1.一种目标对象的分类方法，其特征在于，所述方法包括：获取目标对象的时序数据；对所述时序数据进行特征提取，得到多个待分类特征；通过预设特征构建算法，计算各待分类特征的特征分布向量；通过预先训练好的特征构建元模型，根据所述各待分类特征的特征分布向量预测所述各待分类特征的贡献度；选取贡献度大于预设贡献度阈值的待分类特征作为所述目标对象的当前特征；根据所述当前特征对所述目标对象进行分类，得到所述目标对象对应的分类结果。2.根据权利要求1所述的方法，其特征在于，所述通过预先训练好的特征构建元模型，根据所述各待分类特征的特征分布向量预测所述各待分类特征的贡献度，包括：通过所述预先训练好的特征构建元模型计算所述各待分类特征的特征分布向量与样本历史数据对应的样本特征分布向量的相似度；针对任一待分类特征的特征分布向量，将与该待分类特征的特征分布向量的相似度大于预设相似度阈值的样本历史数据对应的贡献度作为该待分类特征的贡献度。3.根据权利要求1所述的方法，其特征在于，所述通过预设特征构建算法，计算各待分类特征的特征分布向量，包括：计算所述各待分类特征对应多个预设分类类别的比例；通过计算得到所述各待分类特征对应多个预设分类类别的比例，创建该待分类特征的特征分布向量。4.根据权利要求1所述的方法，其特征在于，所述预先训练好的特征构建元模型的训练过程，包括：获取样本历史数据；对所述样本历史数据进行特征提取，得到样本特征；通过预设特征构建算法，计算所述样本特征对应的样本特征分布向量；通过预设贡献度算法，计算所述样本特征的贡献度；将所述样本特征对应的样本特征分布向量和所述样本特征的贡献度进行合并，得到特征分布数据集；通过所述特征分布数据集对待训练的特征构建元模型进行训练，得到所述预先训练好的特征构建元模型。5.根据权利要求4所述的方法，其特征在于，所述通过预设贡献度算法，计算所述样本特征的贡献度，包括：通过预设评估模型对所述样本历史数据进行分类，得到第一分类结果；根据所述第一分类结果进行分类准确率的计算，得到第一分类准确率；通过所述预设评估模型根据所述样本历史数据和所述样本历史数据对应的样本特征分布向量进行样本历史数据的分类，得到第二分类结果；根据所述第二分类结果进行分类准确率的计算，得到第二分类准确率；将所述第一分类准确率与所述第二分类准确率进行对比，得到所述样本特征分布向量对应的贡献度，其中，当所述第一分类准确率与所述第二分类准确率的差值大于预设差值阈值时对应的贡献度为第一数值，当所述第一分类准确率与所述第二分类准确率的差值小2CN114239697A权利要求书2/3页于等于预设差值阈值时对应的贡献度为第二数值。6.根据权利要求1所述的方法，其特征在于，所述对所述时序数据进行特征提取，得到多个待分类特征，包括：通过一元算子和/或二元算子对所述时序数据进行特征提取，得到多个待分类特征。7.一种目标对象的分类装置，其特征在于，所述装置包括：数据获取模块，用于获取目标对象的时序数据；特征提取模块，用于对所述时序数据进行特征提取，得到多个待分类特征；分布向量计算模块，用于通过预设特征构建算法，计算各待分类特征的特征分布向量；贡献度预测模块，用于通过预先训练好的特征构建元模型，根据所述各待分类特征的特征分布向量预测所述各待分类特征的贡献度；