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！

龙图腾网恭喜兰州交通大学申请的专利一种基于监督对比学习的功放指纹特征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：CN116756633B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202310710734.8，技术领域涉及：G06F18/241；该发明授权一种基于监督对比学习的功放指纹特征识别方法是由郑礼;闫光辉;严天峰;王鹏程;汤春阳;张卓;王映植设计研发完成，并于2023-06-15向国家知识产权局提交的专利申请。

本一种基于监督对比学习的功放指纹特征识别方法在说明书摘要公布了：本发明公开了一种基于监督对比学习的功放指纹特征识别方法，属于集成电路器件的指纹特征的提取与分析领域，利用改进的监督对比学习网络算法可以提高特征的可测性，使得该特征成为具有实用性的指纹特征，以解决功放指纹特征识别的问题。本发明推导了变功率正弦信号激励下的谐波幅度的表达式，得到了约束关系式和谐波特征表达式，采用改进的监督对比学习网络算法提取约束谐波特征并进行特征识别。

本发明授权一种基于监督对比学习的功放指纹特征识别方法在权利要求书中公布了：1.一种基于监督对比学习的功放指纹特征识别方法，其特征在于，无线定位方法步骤如下： S1.首先在网络中输入无标注功放特征信息，提取无标注特征数据为谐波特征； S2.然后将无标注特征数据通过PCA数据降维； S3.特征数据集经过PCA降维以后对降维的数据采用迭代自组织聚类算法进行聚类，计算完成以后，判断当前聚类效果是否满足初始设定的聚类标准，判断迭代次数是否完成，同时判断聚类中心的个数与预期聚类中心个数关系，通过迭代循环聚类训练以后得到最后的聚类结果和用于监督对比训练中进行加权的伪标签； S4.采用伪标签加权交叉损失的方法进行训练，对于同一类的特征和不同类的特征分配不同的权重，然后利用无标注的特征数据对监督对比学习网络进行权重优化训练； S5.将得到的样本数据输入编码器，这里的编码器选用ResNeSt作为特征提取网络； S6.完成特征编码以后，对编码后的数据进行损失空间特征映射，通过将高维的特征映射到应用加权对比损失的表征空间； S7.将样本数据与对应的正例数据集提取的数据特征在特征空间上距离拉近，对样本数据的负例数据集在特征空间上距离拉远，特征之间的相似度采用余弦相似度来衡量，在训练完成以后，固定监督对比学习网络中神经元节点的参数值，作为下一步的监督学习微调网络节点的初始值； S8.在训练完成的网络后面添加一个线性分类层，通过交叉熵损失函数最小化作为监督信息进行训练微调，利用带标签的功放指纹特征数据集Feature_label作为监督训练的输入数据，对以固定参数节点信息作为训练初始值的网络进行微调，在初始化的网络基础上微调参数同时训练添加的线性分类层； S9.通过微调后的网络即可用于功放器件的指纹特征识别。

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兰州交通大学，其通讯地址为：730070 甘肃省兰州市安宁区安宁西路118号；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”。