公开(公告)号：CN116186618A

公开(公告)日：2023-05-30

申请号：CN202211628445.5

申请日：2022-12-17

Applicant: 浙江工业大学

Inventor： 徐东伟 ,  宋福星 ,  侯嘉烨 ,  宣琦 ,  杨小牛

IPC: G06F18/2415 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/08

Abstract: 一种基于数据负增强与伪类原型点的电磁信号开集识别方法，包括：S1：将原始数据集按比例分为训练集和测试集；S2：确定训练所使用的K个已知类的类原型点以及一个伪类原型点的值，确定训练模型时的其他参数值；S3：将每一个样本输入神经网络编码器后得到特征向量，并计算特征向量与各原型点的距离得到距离向量；S4：得到特征向量和距离向量，再使用相似性筛选选择有效的负增强样本，S5：将之前获取的特征向量与距离向量输入损失函数计算损失，更新模型；S6：训练结束后，计算用于测试时的类原型点以及判别用阈值。本发明提高了模型的开放世界适应能力。

公开(公告)号：CN115730238A

公开(公告)日：2023-03-03

申请号：CN202211511254.0

申请日：2022-11-29

Applicant: 浙江工业大学

Inventor： 徐东伟 ,  侯嘉烨 ,  宋福星 ,  宣琦 ,  杨小牛

IPC: G06F18/24 ,  G06F18/10 ,  G06F18/214 ,  G06F18/22 ,  G06N20/20 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/044

Abstract: 一种基于多视角决策的电磁信号多模态开放集识别方法，包括：S1：将原始数据集按比例分为训练集和测试集，并利用时频变换生成a组不同模态；S2：对多模态分别输入b种不同结构的神经网络编码器，并采用基于欧式距离的原型损失函数和测地距离度量的对比损失函数进行训练，完成2ab个模型训练并得到模型对于测试集的闭集识别分类准确率；S3：采用CH指标对2ab个神经网络模型的性能进行评价，通过对不同神经网络模型的CH指标进行排序，确定其在集成学习的决策树中优先级；S4：识别测试集中的未知类样本，同时不同神经模型训练时所选的损失函数不同会导致测试时所选的判别方式不同，根据神经模型的优先级和阈值的划定，逐层划分已知类，未知类和待确定类。