一种基于特征中和策略的深度学习虚假特征去除方法

本发明提供了一种基于特征中和策略的深度学习虚假特征去除方法，属于深度学习领域。本发明方法包括：构建包含编码器、分类头的深度神经网络以提取特征；通过分析样本在特征空间中的分布与类别质心的相对距离，识别类别内的潜在虚假属性；依据相对距离符号对样本进行分组，并估计出无偏质心表示；通过线性特征变换，将原始特征映射至虚假特征影响被中和的新特征空间；最后通过无偏特征对分类器进行更新优化，使其能够基于核心特征进行更准确的预测。本发明具有无需额外标注、能有效识别并去除未知虚假特征、适应性强、泛化性能好等技术优势，适用于图像识别、医学诊断、自动驾驶等对模型可靠性要求较高的人工智能应用场景。