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！

龍圖騰網獲悉中國人民解放軍戰略支援部隊航天工程大學申請的專利一種基于注意力機制的太陽射電頻譜圖像爆發識別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：CN115329804B 。

龍圖騰網通過國家知識產權局官網在2025-09-12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：202210842711.8，技術領域涉及：G06F18/24；該發明授權一種基于注意力機制的太陽射電頻譜圖像爆發識別方法是由郭軍成;萬剛;劉磊;范愛民;王帥;賈玉童設計研發完成，并于2022-07-18向國家知識產權局提交的專利申請。

本一種基于注意力機制的太陽射電頻譜圖像爆發識別方法在說明書摘要公布了：本發明公開了一種基于注意力機制的太陽射電頻譜圖像爆發識別方法，其基于子注意力機制和殘差結構的射電頻譜圖像生成網絡R?SAGAN，用于識別射電爆發數據。本發明所提的R?SAGAN生成對抗網絡在原始GAN網絡上在生成器和判別器結構上作出改進，針對一般的GAN網絡無法很好的捕捉圖像中的幾何結構模式問題，在生成器中引入了自注意力層，對卷積層進行了補充；通過使用兩個多頭注意力機制來處理不同序列位置的特征信息，賦予每個單頭注意力塊不同的初始化方式和權重系數，提高了判別器的模型表征能力和鑒別能力，緩解了判別器過擬合程度。

本發明授權一種基于注意力機制的太陽射電頻譜圖像爆發識別方法在權利要求書中公布了：1.一種基于注意力機制的太陽射電頻譜圖像爆發識別方法，其特征在于，包括以下步驟： 步驟1：獲取原始射電頻譜數據； 步驟2：構建R-SAGAN生成網絡對抗模型，利用原始射電頻譜數據訓練R-SAGAN生成網絡對抗模型； 步驟3：基于訓練好的R-SAGAN生成網絡對抗模型對原始射電頻譜數據進行數據增強，得到擴充后的射電頻譜數據； 步驟4：將擴充后的射電頻譜數據劃分為訓練數據集、測試數據集和驗證數據集； 步驟5：利用訓練數據集、測試數據集和驗證數據集訓練分類器，通過訓練好的分類器進行原始射電頻譜數據的識別，并輸出識別結果； 其中，步驟2所述的R-SAGAN生成網絡對抗模型訓練步驟包括： 步驟21：從高斯分布中采樣噪聲信號作為模型生成器的輸入，從原始射電頻譜數據中采樣真實樣本作為模型判別器的輸入，對判別器和生成器的模型參數進行初始化； 步驟22：將生成器輸出的假樣本與所采樣的真實樣本共同輸入到判別器中，根據判別器的模型輸出損失對判別器參數進行更新，期間生成器模型參數不變； 步驟23：保持判別器模型參數不變，根據生成器輸出的樣本損失對其參數進行更新； 并且，步驟2所述的R-SAGAN生成網絡對抗模型包括生成器和判別器，生成器用于接收隨機噪聲z輸入，并輸出生成圖像Gz；判別器用于判斷輸入圖像為真實圖片的概率； 所述生成器包括依次相連的全連接層、第一殘差單元、第一反卷積層、第二殘差單元、第二反卷積層和第三反卷積層，所述全連接層用于進行reshape操作；所述第一殘差單元和第二殘差單元，用于對輸入特征進行降維操作并減少模型參數引入；第一反卷積層和第二反卷積層的卷積核均為，卷積步長為2，用于對圖像進行上采樣；第三反卷積層的卷積核為，卷積步長為1，用于減少生成圖像通道數； 所述判別器包括兩個卷積核大小為的卷積層以及兩個多頭注意力機制，每個多頭注意力機制都有三個通道，每個通道都預先連接一個的卷積來降低特征維度，并對三個通道的注意力計算結果進行拼接； 所述第一殘差單元和第二殘差單元均包括三個依次連接的反卷積層和一個自注意力層，其中第一個反卷積層的卷積核為卷積核，用于對輸入特征進行降維操作同時減少模型參數的引入；第二個和第三個反卷積層的卷積核為，卷積步長為1，用于等效填充，保證圖像尺寸不發生變化；自注意力層用于對反卷積之后的特征圖捕捉長距離的空間信息，使得有效特征得到增強。

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中國人民解放軍戰略支援部隊航天工程大學，其通訊地址為：101407 北京市懷柔區八一路1號航天工程大學；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”。