一种基于稳定特征原型的联邦类别增量学习建模方法

本发明公开了一种基于稳定特征原型的联邦类别增量学习建模方法，该方法在云边协同场景下实现，针对边缘设备数据类别增量时模型的灾难性遗忘问题，在边端建立类别样本记忆库存储类别代表性样本，采用基于回放范式的原型网络更新策略进行边端本地更新；针对多边端云边协同建模时灾难性遗忘的扩散问题，在云端采用以统一特征空间下的特征原型为参考基准的加权聚合策略，在联邦框架下稳定优化特征空间，实现类别知识的联邦更新。本发明在保护数据隐私的情况下，解决了边端类别增量时的协同建模问题，可以有效缓解灾难性遗忘，在模型准确性和训练稳定性方面具有优越性。