一种自适应参数融合跨域少样本分类方法

本发明公开了一种自适应参数融合跨域少样本分类方法，步骤如下：步骤1：构建系数矩阵；步骤2：构建目标域任务损失函数；步骤3：通过目标域任务损失函数对目标域模型参数进行更新，当目标域模型参数已更新数次时，根据目标域模型参数的梯度值获取系数矩阵的梯度值，对系数矩阵进行更新；步骤4：对系数矩阵进行剪枝操作；步骤5：将系数矩阵作为预训练模型参数的融合系数与目标域模型参数进行参数融合，将融合后的参数作为下一次循环中的目标域模型参数；步骤6：重复步骤3‑5，直至获得最终的融合参数，并通过最终的融合参数进行跨域少样本分类。本发明将预训练模型的参数直接与目标域参数进行线性融合，促进源域与目标域模型参数的充分融合。