買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉上海成電福智科技有限公司申請的專利基于深度神經網絡的手機輻射源頻譜圖類別增量學習方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115828100B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211569854.2，技術領域涉及：G06F18/214；該發明授權基于深度神經網絡的手機輻射源頻譜圖類別增量學習方法是由鄧建華;吳春江;周錦霆;朱幫瑞;孫晉鵬設計研發完成，并于2022-12-08向國家知識產權局提交的專利申請。

本基于深度神經網絡的手機輻射源頻譜圖類別增量學習方法在說明書摘要公布了：本發明公開了一種基于深度神經網絡的手機輻射源頻譜圖類別增量學習方法，包括獲取手機輻射源頻譜圖的數據集，確定任務t 1 ~t N ，以及N個任務對應的訓練數據集D 1 ~D n 、類別集C 1 ~C n ；再學習任務t 1得到網絡模型；依次學習任務t 2 ~t N 來更新網絡模型，且在每個增量學習階段，通過增加分類層的參數重構分類層，以適應不斷增加的類別數量，并采用交叉熵損失、基于距離的度量損失和蒸餾損失構成總損失函數訓練網絡模型。本發明能在無舊類訓練數據下，完成模型對手機輻射源譜圖的類別增量學習，能充分利用模型當前已學習的知識初始化新類分類參數，促進新類的學習。

本發明授權基于深度神經網絡的手機輻射源頻譜圖類別增量學習方法在權利要求書中公布了：1.一種基于深度神經網絡的手機輻射源頻譜圖類別增量學習方法，其特征在于：包括以下步驟； 1獲取手機輻射源頻譜圖的數據集，并根據數據集中類別數量確定N個任務t1～tN，所述t1用于學習B1個類別，t2～tN分別用于學習B2個類別，且不同任務的類別不重復； 從手機輻射源頻譜圖數據集中獲取N個任務的訓練數據集，構成數據流D＝{D1,D2,…,DN}，t1的訓練數據集為D1、類別集為C1，tn的訓練數據集為Dn、類別集為Cn，n＝2～N，且第n個類別增量學習階段僅能獲得任務tn的訓練數據集，每個訓練數據集包含多個樣本； 2在第一個類別增量學習階段，學習任務t1，以D1中樣本為輸入，該樣本的類別為期望輸出，訓練RestNet-18網絡，得到網絡模型；所述RestNet-18網絡包括一特征提取器和一分類層，學習完t1后得到的特征提取器為f1·，分類層為C1·； 3在以后每個增量學習階段，依次學習任務t2～tN，每學習完1個任務，更新一次網絡模型，且學習完tn后得到的特征提取器為fn·，分類層為Cn·，能識別B1+n-1×B2個類別； 更新tn對應的網絡模型具體為： 31設任務tn包含B2個類別，每個類別在Dn中對應S個樣本； 32對其中1個類別，用tn-1得到的特征提取器fn-1·取其對應的S個樣本的特征，其中第k個樣本xk的特征為fn-1xk，k＝1～S，并計算該類別的中心值 33按步驟32得到tn中所有類別的中心值，共B2個中心值； 34在tn-1的得到的分類層中增加tn對應的B2個類別的分類參數，并用步驟33得到的B2個中心值，替換B2個新增的分類參數； 35根據下式計算蒸餾損失LD； 式中，U為Dn中的樣本總數，U＝B2×S； 36計算任務tn的總損失函數lossn； lossn＝LCE+αLm+βLD 式中，LCE為交叉熵損失函數，Lm為基于距離的度量損失函數，α為Lm的權重，β為LD的權重； 37基于總損失函數訓練tn-1的網絡模型，得到tn的網絡模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人上海成電福智科技有限公司，其通訊地址為：201306 上海市浦東新區中國（上海）自由貿易試驗區臨港新片區環湖西二路888號C樓；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。