专利交易市场

本发明涉及一种基于增量学习的集成式自适应水军识别方法，采用集成式模型，集成了传统分类器A和神经网络分类器B，传统分类器A，用于学习离散的用户信息特征，基于RNN的神经网络模型属于神经网络分类器B，通过深度学习捕获文本序列中的语言特征，集成式模型可以自适应水军特征的变化，通过多个模型同时对水军特征进行学习，以互补的形式提高了模型的识别准确率。同时增量学习通过不断学习新的样本特征，能够自适应的拟合用户各类特征的变化，无需重新收集新样本，无需重新训练模型，提升了模型可持续性效应，减少了各方人力成本。通过增量学习，模型可以实现更好的泛化性能。

本发明公开了一种基于ViT的遥感影像大模型的在线增量学习方法，属于图像处理技术领域，包括获取数据集；构造一双分支编解码网络，包括空‑谱双分支编码器、混合连接编码器HCE和混合连接解码器HCD；构造双分支编解码网络的损失函数L，用遥感影像数据集D以最小化L训练至收敛，得到第一基础模型并冻结其参数；基于第一基础模型和分类器构造第二基础模型，用第二基础模型的在线增量学习。本发明能实现跨模态特征的深度交互与增强；并基于LoRA方法进行在线增量学习和网络参数更新，并实时监测在线分类任务的损失变化来冻结与合并LoRA参数。在LoRA模块中引入正则化项来避免灾难性遗忘，从而实现高效、可扩展且任务无关的在线增量学习。