一种深度神经网络中个体偏见样本的生成方法和装置

本发明涉及深度学习领域，特别是涉及一种深度神经网络中个体偏见样本的生成方法和装置。包括：在数据集的不同区域选择聚类中心，根据聚类中心对数据集中的原始数据进行聚类，将聚类后的样本作为聚类结果；根据样本的全局保护属性，判定聚类结果中的样本是否为偏见样本，将判定结果为否的样本进行全局扰动，将判定结果为是的样本和全局扰动后的样本作为全局偏见样本；在梯度指导下选择局部保护属性，对全局偏见样本中的局部保护属性进行局部扰动，以得到局部偏见样本，将全局偏见样本和局部偏见样本作为生成的个体偏见样本。本发明解决了因引入动量优化加快迭代过程而可能导致的过拟合问题，控制了生成过程的复杂度，提高了方法的泛化性。