买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东盛德智能科技股份有限公司

摘要：本发明涉及数据处理技术领域，具体涉及一种数据大模型自我学习能力的提升分析方法；根据训练参数的邻域密度特征以及与已确定的初始聚类中心的距离特征获得初始聚类中心并进行迭代聚类；在当前迭代聚类中根据迭代聚类中心与其他迭代聚类中心的距离特征、当前聚类簇的面积特征和簇内训练参数分布特征获得训练质量指数；根据迭代聚类中心所在的历史聚类簇之间的面积、训练参数和训练质量指数的差异特征获得迭代特征变化度；根据迭代特征变化度和训练质量指数获得修正系数。本发明根据修正系数和移动距离值获得下一轮的迭代聚类中心和最终的训练簇；根据训练簇对大模型进行训练学习，提高聚类和大模型训练准确性。

主权项：1.一种数据大模型自我学习能力的提升分析方法，适用于自然语言处理、计算机视觉或语音识别领域，其特征在于，所述方法包括以下步骤：获取用于大模型学习的降维后的训练参数集合，构建训练参数的聚类空间；在聚类空间中根据训练参数的邻域密度特征以及与已确定的初始聚类中心的距离特征获得初选度；根据所述训练参数的初选度循环获取预设数量个初始聚类中心；根据所述初始聚类中心通过K均值算法对训练参数进行迭代聚类；在当前迭代聚类中根据迭代聚类中心与其他迭代聚类中心的距离特征获得簇间距离特征值；根据所述迭代聚类中心所在的当前聚类簇中训练参数的间隔特征、不同区域训练参数的数量差异特征和当前聚类簇的面积特征获得密集程度；根据簇间距离特征值和密集程度获得所述当前聚类簇的训练质量指数；根据迭代聚类中心在历史迭代聚类中所在的历史聚类簇之间的面积差异特征、训练参数的数量差异特征和所述训练质量指数的差异特征获得迭代特征变化度；根据迭代聚类中心的迭代特征变化度和所述当前聚类簇的训练质量指数获得修正系数，根据迭代聚类中心与历史迭代聚类中心的距离特征获得移动距离值；根据所述修正系数和所述移动距离值获得下一轮迭代聚类的迭代聚类中心；根据循环获取的迭代聚类中心完成聚类，获得不同的训练簇；根据所述训练簇对大模型进行训练学习；所述根据所述迭代聚类中心所在的当前聚类簇中训练参数的间隔特征、不同区域训练参数的数量差异特征和当前聚类簇的面积特征获得密集程度的步骤包括：计算所述当前聚类簇中所有训练参数与距离最近的其他训练参数的欧氏距离的平均值并负相关映射，获得所述当前聚类簇的最近邻特征值；在聚类空间中计算所述当前聚类簇的最小外接矩形的面积并负相关映射，获得所述当前聚类簇的第一聚集特征值；在聚类空间中获取所述当前聚类簇的最小外接圆，在所述最小外接圆内获得预设第二数量个与最小外接圆的圆心相同的同心圆，相邻同心圆之间的半径差值相同；获取相邻同心圆之间的圆环，从同心圆的圆心向外方向依次计算两个相邻圆环内的训练参数的数量差值的和值并归一化，获得所述当前聚类簇的第二聚集特征值；计算所述最近邻特征值、所述第一聚集特征值和所述第二聚集特征值三者的乘积，获得所述当前聚类簇的密集程度；所述根据迭代聚类中心在历史迭代聚类中所在的历史聚类簇之间的面积差异特征、训练参数的数量差异特征和所述训练质量指数的差异特征获得迭代特征变化度的步骤包括：将所述迭代聚类中心的任意历史迭代聚类和相邻下一次历史迭代聚类作为相邻历史迭代聚类；计算所述迭代聚类中心在所述相邻历史迭代聚类中所在两个历史聚类簇的最小外接矩形的面积的差值绝对值并归一化，获得所述任意历史迭代聚类的第一迭代特征值；计算所述迭代聚类中心在所述相邻历史迭代聚类中所在两个历史聚类簇的训练参数的数量的差值绝对值并归一化，获得所述任意历史迭代聚类的第二迭代特征值；计算所述迭代聚类中心在所述相邻历史迭代聚类中所在两个历史聚类簇的训练质量指数的差值绝对值，获得所述任意历史迭代聚类的第三迭代特征值；计算所有历史迭代聚类的迭代次序的和值，获得迭代次序基准；计算任意历史迭代聚类的迭代次序与所述迭代次序基准的比值，获得所述任意历史迭代聚类的迭代权重；计算所述迭代权重、所述第一迭代特征值、所述第二迭代特征值和所述第三迭代特征值的乘积，获得所述任意历史迭代聚类的迭代变化特征因子；计算所述迭代聚类中心的所有历史迭代聚类的迭代变化特征因子的和值，获得所述迭代聚类中心的迭代特征变化度；所述根据迭代聚类中心的迭代特征变化度和所述当前聚类簇的训练质量指数获得修正系数，根据迭代聚类中心与历史迭代聚类中心的距离特征获得移动距离值的步骤包括：将所述训练质量指数负相关映射，获得所述当前聚类簇的聚类效果特征值，计算所述聚类效果特征值与所述迭代特征变化度的平均值，获得修正因子；计算所述修正因子与常数1的和值，获得所述修正系数；计算所述迭代聚类中心与当前聚类簇中上一个历史迭代聚类中心的欧氏距离，获得所述移动距离值；所述根据所述修正系数和所述移动距离值获得下一轮迭代聚类的迭代聚类中心的步骤包括：计算所述修正系数与所述移动距离值的乘积，获得自适应移动距离值；从所述上一个历史迭代聚类中心为起始点到所述迭代聚类中心的方向上获取长度为所述自适应移动距离值的线段，在所述线段的终点处寻找距离最近的训练参数作为下一轮迭代聚类的迭代聚类中心。

全文数据：

权利要求：

百度查询： 山东盛德智能科技股份有限公司 一种数据大模型自我学习能力的提升分析方法