面向边缘计算的自适应零售行为识别模型优化方法

本申请实施例提供一种面向边缘计算的自适应零售行为识别模型优化方法，方法包括：基于初始零售行为识别模型构建权重评估矩阵，初始零售行为识别模型包含商品交互、结算操作和顾客动线三类行为识别任务，利用L2范数计算每层神经元权重的重要性分数，结合重要性分数与层间连接密度生成多维度评估指标，根据评估指标设定自适应剪枝阈值；在边缘设备采集实时零售场景数据，提取商品操作、顾客移动轨迹和购物行为时序特征构建样本缓存池，基于样本缓存池计算特征重要性，对量化模型进行选择性在线更新；本申请能够通过构建智能化的模型优化和在线更新框架，提升系统在边缘设备上的运行效率和识别准确性。