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！

龙图腾网获悉中国电子科技集团公司第三十六研究所;西安电子科技大学申请的专利基于类范例选择和多目标线性规划的电磁信号分类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：CN116933050B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202210317604.3，技术领域涉及：G06F18/213；该发明授权基于类范例选择和多目标线性规划的电磁信号分类方法是由周华吉;焦李成;牛林春;白静;徐杰;杨小牛设计研发完成，并于2022-03-29向国家知识产权局提交的专利申请。

本基于类范例选择和多目标线性规划的电磁信号分类方法在说明书摘要公布了：本发明涉及一种基于类范例选择和多目标线性规划的电磁信号分类方法，包括：使用包括多个类的电磁信号的旧类数据，训练第一分类模型；根据训练中真实标签与预测标签之间的归一化互信息对旧类数据训练样本进行重新排序；并依据分类难度在每个类的旧类数据中筛选部分训练样本进行存储；对于增加的多个类的新类数据，在第一分类模型基础上，进行多目标线性规划，对分类器进行更新，得到第二分类模型；采用存储的旧类数据和增加的新类数据的训练样本进行第二分类模型的特征微调训练，得到增量学习后的分类模型，用于对新类与旧类数据进行分类。本发明不仅对新增类实现较高的分类准确率，而且可以保持对旧类电磁信号的分类能力。

本发明授权基于类范例选择和多目标线性规划的电磁信号分类方法在权利要求书中公布了：1.一种基于类范例选择和多目标线性规划的电磁信号分类方法，其特征在于，包括： 使用包括多个类的电磁信号的旧类数据，训练第一分类模型；所述第一分类模型为深度卷积神经网络分类模型； 根据训练中真实标签与预测标签之间的归一化互信息对旧类数据的训练样本进行重新排序；并依据分类难度，在每个类的旧类数据中按顺序筛选部分训练样本进行存储； 对于增加类的新类数据，在第一分类模型基础上，进行多目标线性规划，对第一分类模型的分类器进行更新，得到第二分类模型； 采用存储的旧类数据和增加的新类数据的训练样本进行第二分类模型的特征微调训练，得到增量学习后的分类模型，用于对新类和或旧类的电磁信号数据进行分类； 依据分类难度在每个类的旧类数据中按顺序筛选部分训练样本进行存储，包括： 1利用训练好的第一分类模型预测旧类数据中所有类的训练样本得到每个类的分类难度衡量因子； 分类难度衡量因子其中，ηi为第i类的分类难度衡量因子，OAi为第i类的分类准确率；ni为第i类数据的训练样本个数；fk为训练样本的特征向量，为第i类样本的平均特征向量； 2根据用于存储训练样本的内存空间大小结合每个类的分类难度衡量因子确定每个类的样本筛选数量； 其中mi表示第i类需要筛选的样本个数，K为存储训练样本的内存空间大小； 3根据每个类的样本筛选数量，从每个类的训练数据中筛选归一化互信息较小的对应数量样本进行存储； 根据线性分类器的分类原理构造多目标线性规划问题并求解得到第二分类模型分类器的权重矩阵Wnew； 所述多目标线性规划问题为： 其中，fj是第j个新类的平均特征向量，fi是第i个旧类的平均特征向量，Wj表示第j列的新权重矩阵和Wk表示新权重矩阵的j列； max{|Wold|}表示旧权重矩阵的最大值。

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电子科技集团公司第三十六研究所;西安电子科技大学，其通讯地址为：314033 浙江省嘉兴市南湖区洪兴路387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”。

以上内容由龙图腾AI智能生成。