聚类模型的训练方法及设备、存储介质

本申请涉及机器学习技术领域，公开一种聚类模型的训练方法及设备、存储介质，在训练聚类模型过程中，由于将已通过数据增强的样本作为正样本，所以不需要识别负样本，从而可以避免产生假阴性样本，进而避免采用假阴性样本训练聚类模型，以保证聚类模型的聚类性能。另外，相对于利用伪标签构造训练样本的方案，该方法不是简单地把原型作为伪标签，而是通过以原型为中心获取高信任度样本，从而可以避免因伪标签不准确，产生假阴性样本，进而避免采用假阴性样本训练聚类模型，以保证聚类模型的聚类性能。