[發(fā)明專利]一種基于原型網(wǎng)絡(luò)的輻射源個體開集識別方法

在審

• 申請?zhí)枺?/td>: 202211118749.7
• 申請日: 2022-09-13
• 公開（公告）號: CN115481685A
• 公開（公告）日: 2022-12-16
• 發(fā)明（設(shè)計）人: 王永民;王春升;許華;張悅;朱麗莉
• 申請（專利權(quán)）人: 中國人民解放軍空軍工程大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西安亞信智佳知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61241
• 代理人: 段國剛

1.一種基于原型網(wǎng)絡(luò)的輻射源個體開集識別方法，其特征在于，該方法包括：

對原始數(shù)據(jù)進行處理，并將處理后的數(shù)據(jù)按預設(shè)比例劃為訓練集數(shù)據(jù)和測試集數(shù)據(jù)；

將所述訓練集數(shù)據(jù)送入構(gòu)建的一維神經(jīng)網(wǎng)絡(luò)中進行訓練得到所述訓練集數(shù)據(jù)特征，并計算得到所述訓練集數(shù)據(jù)特征到原型的距離；

根據(jù)所述訓練集數(shù)據(jù)特征到原型的距離對所述訓練集數(shù)據(jù)進行分類；

基于所述訓練集數(shù)據(jù)特征到原型的距離，利用聯(lián)合損失函數(shù)優(yōu)化所述一維神經(jīng)網(wǎng)絡(luò)，并迭代更新所述一維神經(jīng)網(wǎng)絡(luò)中的所述原型和網(wǎng)絡(luò)參數(shù)；

將所述測試集數(shù)據(jù)送入訓練后的所述一維神經(jīng)網(wǎng)絡(luò)中進行測試，并與所述原型進行匹配得到所述測試集數(shù)據(jù)特征到原型的距離；

基于所述測試集數(shù)據(jù)特征到原型的距離，利用開集識別算法進行對所述測試集數(shù)據(jù)分類。

2.根據(jù)權(quán)利要求1所述基于原型網(wǎng)絡(luò)的輻射源個體開集識別方法，其特征在于，所述聯(lián)合損失函數(shù)包括：

距離交叉熵損失函數(shù)和原型損失函數(shù)。

3.根據(jù)權(quán)利要求2所述基于原型網(wǎng)絡(luò)的輻射源個體開集識別方法，其特征在于，所述原型學習包括：

所述測試集數(shù)據(jù)包括若干不同類別的樣本；

所述一維神經(jīng)網(wǎng)絡(luò)將各個所述樣本劃入到距離最近的所述原型的所屬類別；

所述一維神經(jīng)網(wǎng)絡(luò)的特征提取器和所述原型聯(lián)合學習，并不斷將所屬類別的所述原型推向?qū)?yīng)的所述樣本的樣本特征。

4.根據(jù)權(quán)利要求3所述基于原型網(wǎng)絡(luò)的輻射源個體開集識別方法，其特征在于，所述一維神經(jīng)網(wǎng)絡(luò)將各個所述樣本劃入到距離最近的所述原型的所屬類別中的分類過程表示公式為：

其中，x為神經(jīng)網(wǎng)絡(luò)的原始輸入樣本，i為類別，g_i(x)是類別i的分類函數(shù)，N為類別數(shù)量。

5.根據(jù)權(quán)利要求4所述基于原型網(wǎng)絡(luò)的輻射源個體開集識別方法，其特征在于，所述g_i(x)表示公式為：

其中，f(x；θ)為所述一維神經(jīng)網(wǎng)絡(luò)的特征提取器，θ為網(wǎng)絡(luò)參數(shù)，a_i為所述原型。

6.根據(jù)權(quán)利要求1所述基于原型網(wǎng)絡(luò)的輻射源個體開集識別方法，其特征在于，所述開集識別算法包括：

設(shè)計自適應(yīng)距離分類規(guī)則，使每個類別可學習一個自適應(yīng)的距離閾值；

根據(jù)所述距離閾值對所述測試集數(shù)據(jù)進行分類。

7.根據(jù)權(quán)利要求6所述基于原型網(wǎng)絡(luò)的輻射源個體開集識別方法，其特征在于，所述自適應(yīng)距離分類規(guī)則包括：

計算各個測試樣本到各個所述原型的距離，并找到最近距離所對應(yīng)的類別；

根據(jù)找到的所述類別及該類別訓練樣本特征到所屬原型的距離分布，得到最大距離分布值；

將所述最大距離分布值作為對應(yīng)的類別的所述距離閾值；

若所述測試樣本到最近所述原型的距離小于所述原型對應(yīng)類別的距離閾值，則判定為該類別，否則判定為未知類樣本。

8.根據(jù)權(quán)利要求1所述基于原型網(wǎng)絡(luò)的輻射源個體開集識別方法，其特征在于，所述判別公式表示為：

其中，ω_i為所述距離閾值，N為類別數(shù)量。

9.根據(jù)權(quán)利要求1所述基于原型網(wǎng)絡(luò)的輻射源個體開集識別方法，其特征在于，所述一維神經(jīng)網(wǎng)絡(luò)包括：

若干卷積層和壓縮激勵模塊；

其中，各所述卷積層包括若干卷積核和池化層，在最后一個所述卷積層中加入Dropout層，在每一次卷積和池化操作后加入壓縮激勵模塊。

10.根據(jù)權(quán)利要求9所述基于原型網(wǎng)絡(luò)的輻射源個體開集識別方法，其特征在于，所述壓縮激勵模塊為一維結(jié)構(gòu)。