一种基于模型动态更新的移动设备流式数据识别方法

摘要

本发明公开一种基于模型动态更新的移动设备流式数据识别方法，包括增量模型的设计、训练和识别方法；对于资源受限环境下的模型训练需求（如手机等移动设备），环境中可训练的模型大小有限。本方法首先基于开放动态数据的特征，按照时序对设备数据进行采集，然后以在线学习的方式对数据进行学习，处理完即丢弃数据，以减少内存消耗，最后在实际使用中使用训练完毕的分类器，能够对开放动态环境下不同时序的输入数据均得到较好的分类结果。本发明的方法实施过程中占用资源少，且对于开放动态环境的数据鲁棒性强，易于部署。