申请/专利权人:浙江工业大学
申请日:2024-03-22
公开(公告)日:2024-06-25
公开(公告)号:CN118245872A
主分类号:G06F18/241
分类号:G06F18/241;G06F18/214;G06F18/213;G06F18/22;G06N3/045;G06N3/0475;G06N3/0985
优先权:
专利状态码:在审-公开
法律状态:2024.06.25#公开
摘要:基于元学习的小样本开集增量学习的射频指纹识别方法和装置,其方法包括1特征预训练:提取更多的信号模态信息,利用基本会话数据获得特征并嵌入网络和分类器权值。2元任务采样:将基类数据集分为支持集、多样本查询集、开集,从基础会话数据中抽取大量的模拟小样本开集增量识别任务,以模拟真实的小样本开集增量识别任务的过程。3元增量训练:将网络在新类样本和旧类样本之间进行泛化,通过基于相似性的交叉熵损失函数对增量学习进行优化,基于元学习的思想,对大量的模拟样本增量学习任务进行优化。4小样本开集识别的优化:在元任务中模拟开集场景,以优化开集识别能力使用聚类样本的方法来逐步减少类内差距。5自适应RFF开集识别机制:采用多头自注意机制,挖掘原型点之间的关系,使用注意块生成倒点,之后使用优化函数滴对元学习任务进行优化。本发明提出了一种针对小样本的射频指纹识别方案,从训练集中抽取伪任务来实现环境仿真,适用于连续的增量过程,相较于传统的增量学习方法,取得了更优的识别效果。
主权项:1.一种基于元学习的小样本开集增量学习的射频指纹识别方法,其特征在于:具体步骤如下:1特征预训练:提取更多的信号模态信息,利用基本会话数据获得特征并嵌入网络和分类器权值;2元任务采样:将基类数据集分为支持集、多样本查询集、开集,从基础会话数据中抽取大量的模拟小样本开集增量识别任务,以模拟真实的小样本开集增量识别任务的过程;3训练元增量:将网络在新类样本和旧类样本之间进行泛化,通过基于相似性的交叉熵损失函数对增量学习进行优化,基于元学习的思想,对大量的模拟样本增量学习任务进行优化;4优化小样本开集识别:在元任务中模拟开集场景,以优化开集识别能力,并使用聚类样本的方法来逐步减少类内差距;5自适应射频指纹开集识别机制:采用多头自注意机制,挖掘原型点之间的关系,使用注意块生成倒点,之后使用优化函数对元学习任务进行优化。
全文数据:
权利要求:
百度查询: 浙江工业大学 一种基于元学习的小样本开集增量学习的射频指纹识别方法和装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。