一种基于无监督学习的模型预训练方法

摘要

本发明提供一种基于无监督学习的模型预训练方法。本发明首先采用均匀分布的方式对神经网络模型的参数进行初始化，并设置循环轮数；利用数据本身具有高度相似性的特点，寻找锚数据；然后利用最近邻算法为每个锚数据寻找邻数据；再拉近锚数据和其对应的邻数据在特征空间之间的距离；采用循序渐进的方式，进行循环操作，获得最终的神经网络模型参数；最后将获得的最终的神经网络模型参数作为后续针对目标数据集进行监督学习的初始化参数；本发明解决了Kmeans和DBSCAN中难以设置的K值和密度值的问题，为后续在目标数据集上进行监督学习节省了训练时间、提升了模型准确率。