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！

龙图腾网恭喜中国人民解放军海军航空大学申请的专利基于损失模糊校正的目标智能识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115017995B 。

龙图腾网通过国家知识产权局官网在2025-04-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210669815.3，技术领域涉及：G06F18/241；该发明授权基于损失模糊校正的目标智能识别方法是由简涛;张财生;李辉;刘军;王哲昊;杨予昊;何佳设计研发完成，并于2022-06-14向国家知识产权局提交的专利申请。

本基于损失模糊校正的目标智能识别方法在说明书摘要公布了：本发明公开了一种基于损失模糊校正的目标智能识别方法，属于雷达信号处理领域。构建了模糊截断余弦损失基础学习器结合任务损失倒数加权更新元学习器的识别框架，在元训练任务的预训练阶段，针对基础学习器的卷积神经网络构建，设计了模糊截断余弦元训练损失函数；在元测试任务的微调阶段，针对微调卷积神经网络模型，设计了多类平衡余弦夹角约束损失函数；设计了元学习器参数的任务损失倒数加权更新方式，利用元训练任务损失值与任务训练效果的负相关性，避免了对低相关度经验的过度借鉴。本发明方法提高了小样本条件下模型迁移效率和雷达目标高分辨距离像多类别识别正确率，具有推广应用价值。

本发明授权基于损失模糊校正的目标智能识别方法在权利要求书中公布了：1.基于损失模糊校正的目标智能识别方法，其特征在于，包括以下步骤：步骤1深度元学习的数据集构建；依据待识别的N类目标的雷达高分辨距离像数据，构建元测试任务小样本训练数据集和元测试任务测试数据集，将待识别任务归为元测试任务集；依据与待识别目标数据不同类别或不同数据来源的M类非待识别目标积累数据，通过随机抽取N类目标数据构建元训练任务集，并将N类非待识别目标数据全部作为元训练任务训练数据集；步骤2元学习模型设计；将元学习模型设计为模糊截断余弦损失基础学习器和任务损失倒数加权更新元学习器的组合；模糊截断余弦损失基础学习器采用模糊截断余弦元训练损失函数作为元训练任务的卷积神经网络损失函数；任务损失倒数加权更新元学习器基于平滑平均绝对误差损失函数，采用元训练任务损失值的倒数对元学习器参数进行加权修正更新；元学习模型的输入为元训练任务集，元学习模型的输出为更新后的模型参数；模糊截断余弦损失基础学习器的卷积神经网络构建中，设计了模糊截断余弦元训练损失函数，由模糊余弦损失函数和截断余弦损失函数的线性组合构成，每个元训练任务的模糊截断余弦元训练损失函数表示为 其中，m是梯度更新过程中样本数据的个数；xi表示第i个样本所对应的全连接层输出特征向量；yi是第i个样本的真实标签；表示输出层中第i个样本的输出结果；Wj是第j类目标对应的权值向量；a、β、s和α为正的实参数；φ·,·表示两个同维度向量间的夹角；表示截断函数，可表示为 其中，T表示截断阈值，满足0.5≤T≤1；u·表示修正阶跃函数，可表示为 任务损失倒数加权更新元学习器的学习目标函数中主要误差项设计为平滑平均绝对误差损失函数，第k个元训练任务的特性参数θBk与元学习器参数θM之间的误差Dk表示为 其中，||·||表示取欧几里得范数；任务损失倒数加权更新元学习器的参数更新方式为 其中，即为元学习器更新后的参数，min·,·表示取两个参数中的较小值；步骤3从元训练任务集中随机抽取K个元训练任务进行基础学习器训练；对第k个元训练任务，在模糊截断余弦损失基础学习器上利用元训练任务训练数据集进行分批次训练，通过卷积神经网络迭代更新优化，得到第k个元训练任务的特性参数θBk和损失值Lk；将K个元训练任务的特性参数和损失值正向传递给任务损失倒数加权更新元学习器，转入步骤4；步骤4任务损失倒数加权更新元学习器基于K个元训练任务的特性参数，利用相应的元训练任务损失值的倒数对元学习器参数θM进行加权修正更新，并将更新后的参数反馈给模糊截断余弦损失基础学习器；以为模糊截断余弦损失基础学习器的新初始化模型参数，重新执行步骤3进行新一轮的优化训练；步骤5循环执行步骤3和步骤4，直至达到Nc次循环结束，保存最后的任务损失倒数加权更新元学习器参数构建与模糊截断余弦损失基础学习器相同结构的卷积神经网络识别模型，采用多类平衡余弦夹角约束损失函数作为元测试任务的卷积神经网络损失函数；将作为卷积神经网络识别模型的初始化参数，分批次导入元测试任务小样本训练数据集进行识别模型的训练更新，当卷积神经网络的多类平衡余弦夹角约束损失函数收敛且不再下降时结束识别模型训练；利用训练好的卷积神经网络识别模型，对元测试任务测试数据集进行分类识别，评估待识别的N类目标的分类识别正确率；多类平衡余弦夹角约束损失函数通过降低易区分类别在损失函数中的权重，平衡各类别在损失函数中的占比，可表示为： 其中，参数γ用于调节输出的权值，满足0≤γ≤5。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国人民解放军海军航空大学，其通讯地址为：264001 山东省烟台市芝罘区二马路188号科研学术处；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。