基于自学习小波卷积神经网络的跨个体学习方法

摘要

本发明涉及面向跨个体数据的学习分类方法，具体涉及一种基于自学习小波卷积神经网络的跨个体学习方法。包括步骤为：对待处理数据，按个体划分训练集和测试集；对每个个体数据进行滑动窗口划分、去基线漂移和标准化等预处理；构建多分支自学习小波卷积神经网络，在训练阶段，对每个个体数据，随机选择若干样本数据，将其输入多分支网络中进行学习；在测试阶段，采用自适应批标准化方法实现测试数据在训练模型上的域适应。本发明提出了一种跨个体深度学习框架，采用多分支卷积神经网络结构，实现对个体特征的全面深入学习和跨个体共性特征的提取；采用自学习小波卷积核，大大减少了可学习参数数量，降低模型过拟合风险，提高了计算效率。