一种基于双通道融合的时序数据类增量分类方法

本发明公开了一种基于双通道融合的时序数据类增量分类方法，涉及时序数据类增量分类技术领域，通过将若干个任务类别的原始数据，作为一个学习阶段的数据，对基于双通道融合的时序数据类增量分类模型进行训练，并且将前个学习阶段训练结束后的基于双通道融合的时序数据类增量分类模型作为教师模型，将当前学习阶段的基于双通道融合的时序数据类增量分类模型作为学生模型进行训练，能够显式保留先验知识并克服灾难性遗忘，并且通过联合优化损失函数的使用，采用了融合特征级与逻辑级知识蒸馏的混合蒸馏策略，在增量任务间形成更结构化、更鲁棒的特征分布，从而使其对跨任务的分布漂移具有更强适应力。