股融通配资,线下配资平台,线上股票配资炒股,10大配资公司

異常行為識別通常需要訓練一個通用的異常行為識別模型，這需要耗費大量時間，而且識別精度也不夠高。因此，快速生成高質量的異常行為識別模型成為一個亟待解決的問題。本項目擬同時研究異常行為檢測模型的快速生成技術，保證識別精度的同時縮短開發周期，實現城市治理異常行為識別模型的快速迭代，進而實現產業化。首先，我們構建新的異常行為數據集，并設計半自動標注算法生成大量帶標簽的數據；然后通過元學習的方法訓練一個通用異常行為檢測模型，針對特定場景下，只需要少量的標簽數據，經過短時間的預訓練就可以生成最終的異常檢測模型，在保證識別精度的同時，大幅度縮短開發周期。

技術指標：針對具體場景只需要500個的標簽數據，通過不超過24小時的訓練即可快速生成最終的模型，識別精度達到92%。