中国人民解放军国防科技大学户盼鹤获国家专利权
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!
龙图腾网获悉中国人民解放军国防科技大学申请的专利融合格拉姆角场的小样本HRRP识别方法、装置及设备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:CN120162659B 。
龙图腾网通过国家知识产权局官网在2025-08-08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:202510642847.8,技术领域涉及:G06F18/241;该发明授权融合格拉姆角场的小样本HRRP识别方法、装置及设备是由户盼鹤;陈凌峰;刘振;苏晓龙;潘之梁设计研发完成,并于2025-05-19向国家知识产权局提交的专利申请。
本融合格拉姆角场的小样本HRRP识别方法、装置及设备在说明书摘要公布了:本申请涉及一种融合格拉姆角场的小样本HRRP识别方法、装置及设备,通过对一维高分辨率距离像样本进行归一化后转换为格拉姆角场二维图,根据带标签和无标签的格拉姆角场二维图依据目标类别分别构建多个支持集以及查询集,继而构建多个训练批次,根据多个训练批次以及元学习方式对图神经网络进行训练,使其具备对小样本未知目标进行识别的能力,在图神经网络中将一个训练批次中的所有格拉姆角场二维图映射为图结构的节点,通过对各节点之间边的权重进行学习从而预测无标签对应节点的目标类别,采用训练后的图神经网络对未知目标的小样本一维高分辨率距离像进行识别,以克服小样本HRRP识别中因训练样本不足而导致的严重过拟合问题。
本发明授权融合格拉姆角场的小样本HRRP识别方法、装置及设备在权利要求书中公布了:1.一种融合格拉姆角场的小样本HRRP识别方法,其特征在于,所述方法包括: 获取训练样本集,所述训练样本集中包括带标签以及无标签的一维高分辨率距离像样本; 对所述训练样本集中的各张一维高分辨率距离像样本进行归一化后,转换为格拉姆角场二维图; 根据所述训练样本集中带标签和无标签的格拉姆角场二维图,同时按目标类别进行划分,以构建多个支持集以及查询集,并在多个支持集以及查询集中进行采样,构建多个训练批次,各所述训练批次中包括一个支撑任务集以及一个查询任务集,其中,在所述支撑任务集中,包括对多个支撑集进行目标识别的支撑任务,在所述查询任务集中,包括对多个查询集进行目标识别的查询任务; 根据多个所述训练批次以及元学习方式训练图神经网络以获得对小样本未知目标一维高分辨率距离像的识别能力,其中,在所述图神经网络中,将一个训练批次中的所有格拉姆角场二维图映射为图结构的节点,通过对各节点之间边的权重进行学习,从而预测无标签对应节点的目标类别,在对所述图神经网络进行训练时:根据所述支撑任务集中的每个支撑任务,通过预测交叉熵损失对所述图神经网络中的可调参数进行初步更新,利用所述查询任务集中的查询任务,对可调参数初步更新后的图神经网络的性能进行评估,并根据总损失函数对所述图神经网络中的可调参数进行再次更新,所述图神经网络包括图卷积层,所述图卷积层由一系列图卷积层组成,在第个图卷积层之前,计算一个邻接矩阵,该矩阵表示节点间的关系强度,即边的权重,其中,所述邻接矩阵是基于当前层的节点隐藏表示动态学习得到的,具体的,节点和节点之间的边权重通过一个多层感知机(MLP)作用于它们特征向量的绝对差来计算,该MLP带有可训练参数:; 获取未知目标的小样本一维高分辨率距离像,将各所述一维高分辨率距离像归一化,并转换为格拉姆角场二维图后,输入至训练后的图神经网络中,实现对未知目标的识别。
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中国人民解放军国防科技大学,其通讯地址为:410073 湖南省长沙市开福区德雅路109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”。
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。