一种基于样本聚类的测试时自适应调整方法、系统及终端

本发明公开了一种基于样本聚类的测试时自适应调整方法、系统及终端，所述方法包括：构建并训练神经网络模型并确定其通道数，输入样本数据集，计算每个样本数据的实例均值向量及其余弦值，利用余弦值量化实例均值向量之间的相似度，对实例均值向量进行聚类；根据聚类结果，计算样本数据的实例均值和实例方差，并获取历史批次数据中的源域统计量，根据预设权重对实例均值和实例方差进行归一化处理，得到自适应参数。本发明通过对样本数据进行自适应地分类，得到多个归一化参数，再通过归一化参数对神经网络模型实时进行微调，使神经网络模型能够适应不同分布的测试数据，提高了神经网络模型适应不同场景的性能。