一种动态寄递数据监测下的行为识别模型自适应学习方法

本发明涉及人工智能技术领域，公开了一种动态寄递数据监测下的行为识别模型自适应学习方法，包括：收集寄递场景中多维度的寄递特征，组成特征集；构建跨模态映射矩阵，对齐寄递特征，将不同维度的寄递特征映射至统一语义空间；基于所述特征空间，设计注意力机制驱动的特征权重动态分配策略；基于融合特征，使用增量式互信息筛选机制实现特征空间在线扩展；使用JS散度动态监测特征空间内的特征的分布偏移，在特征的分布偏移达到设定条件时，触发行为识别模型的更新；基于更新后的行为识别模型与特征集，判断寄递行为是否异常。本发明通过动态特征对齐、分布漂移监测与元学习参数更新的协同机制，实现了异常寄递行为的精准识别与实时响应。