龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国人民解放军国防科技大学
摘要：本发明公开了一种系统性的辐射源小样本增量识别方法及系统，具体为：在数据处理模块中，对所有接收到的信号样本进行基于自适应小波分解的预处理；对小样本进行基于滑窗切片的样本增强；在动态子网模块中，提出识别模型边界紊乱的概念；设计基于动态子网的增量识别算法：首先为当前增量会话中的识别模型寻找出最优子网；接着冻结最优子网参数，在识别模型中除了最优子网的剩余部分训练新任务；最后动态扩充识别模型的网络节点，并学习每个扩充网络节点的重要性，剪枝冗余网络节点，实现网络节点的扩充再压缩；在测试阶段，设计一种全新的识别范式并对增量过程中出现过的所有类进行识别。本发明在不依赖已识别辐射源训练样本的前提下，提高了辐射源小样本增量识别性能。
主权项：1.一种系统性的辐射源小样本增量识别方法，其特征在于，具体如下：在数据处理模块中，执行步骤1～步骤2：步骤1、对所有接收到的信号样本进行基于自适应小波分解的预处理；步骤2、在步骤1的基础上，对小样本进行基于滑窗切片的样本增强，丰富小样本的特征信息；在动态子网模块中，执行步骤3～步骤5：步骤3、根据同一识别模型对不同分布域数据输出差异的现象，提出识别模型边界紊乱的概念；步骤4、设计基于动态子网的增量识别算法：首先，为当前增量会话中的识别模型寻找出最优子网，使得最优子网在旧任务上的性能与原识别模型相同；接着，冻结最优子网参数，在识别模型中除了最优子网的剩余部分训练新任务；最后，当识别模型不足以支撑新任务的学习时，动态扩充识别模型的网络节点，并学习每个扩充网络节点的重要性，剪枝冗余网络节点，实现网络节点的扩充再压缩，从而保证识别模型的学习能力随着新任务的增加而不断提高；步骤5、在测试阶段，基于步骤3所提边界紊乱的概念设计识别范式，并对辐射源小样本增量中出现过的所有类进行识别。
全文数据：
权利要求：
百度查询： 中国人民解放军国防科技大学 一种系统性的辐射源小样本增量识别方法及系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号