低价值密度数据的多源深度对抗迁移方法

本发明涉及低价值密度数据的多源深度对抗迁移方法，包括如下步骤：低价值密度数据特征分析与识别，从时间、属性和领域等三个维度分析低价值密度数据的特征，解析其对知识发现的抑制作用，利用数据驱动技术挖掘标签数据的演变规律、利用信息熵理论和信息传递聚类思想标注具有价值的未标记样本、利用贝叶斯概率分析理论评估领域相似度；低价值密度数据的深度特征对抗迁移学习，在步骤一的基础上，通过条件生成对抗技术、深度储备池网络强化特征提取，进而构建基于对抗的深度迁移学习模型。本发明针对低价值密度数据的知识发现与预测应用问题，开展低价值密度数据的多源深度对抗迁移预测与应用研究，具有十分显著的理论意义和应用价值。