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！

龍圖騰網獲悉南京航空航天大學申請的專利一種基于極限學習機的空戰非完備信息數據處理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：CN115640755B 。

龍圖騰網通過國家知識產權局官網在2025-09-19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：202211424276.3，技術領域涉及：G06F30/27；該發明授權一種基于極限學習機的空戰非完備信息數據處理方法是由陳謀;孫雷;王玉惠;周同樂;劉佳敏設計研發完成，并于2022-11-15向國家知識產權局提交的專利申請。

本一種基于極限學習機的空戰非完備信息數據處理方法在說明書摘要公布了：本發明提供了一種基于極限學習機的空戰非完備信息數據處理方法，本方法首先針對無人機空戰傳感器采集的戰場信息具有非完備性的問題，對空戰無人機非完備信息進行描述，選用極限學習機來構建無人機非完備信息數據處理模型。其次，采用K最鄰近KNN分類方法來對空戰信息相互關聯分類，并剩余的異常信息視作缺失值。然后，根據完備數據集和極限學習機來構建缺失屬性與其余屬性的非線性映射關系，針對性地對無人機非完備信息進行修補。本方法有效地解決復雜環境下空戰非完備信息的數據處理問題，挖掘了更多的有用數據。

本發明授權一種基于極限學習機的空戰非完備信息數據處理方法在權利要求書中公布了：1.一種基于極限學習機的空戰非完備信息數據處理方法，其特征在于，包括以下步驟： 步驟1，對空戰無人機非完備信息進行描述，選用極限學習機來構建無人機非完備信息數據處理模型； 步驟2，采用K最鄰近KNN分類方法來對空戰信息相互關聯分類，并將剩余的異常信息視作缺失值； 步驟3，根據空戰完備信息數據集和極限學習機來構建缺失屬性與其他屬性的非線性映射關系，針對性地對無人機非完備信息進行修補； 步驟3包括： 步驟3-1，構建空戰完備信息數據集為{eei,tti|eei∈RD,tti∈Rn,i＝1,2,…,m}，其中，eei表示第i個空戰信息示例，RD表示D維實數集，tti表示第i個空戰信息示例對應的樣本標簽，Rn表示n維實數集；構建隱藏層節點數為L的極限學習機，eei作為輸入，tti作為輸出，Heei表示對應的隱藏層輸出； 極限學習機的輸入為無人機空戰信息訓練樣本eei，隱藏層個數為1，輸入層的神經元與隱藏層的神經元之間的連接為全連接，記隱藏層的輸出為Heei，Heei如式3所示： Heei＝[h1eei,…,hLeei]3 輸入乘上對應權重并加上對應偏置，經過激活函數后，對隱藏層所有節點的求和即為隱藏層的輸出，Heei是極限學習機隱藏層的輸出矩陣，hpeei是第p個隱藏層神經元的輸出，p取值為1～L，hpeei的具體表示如式4所示： hpeei＝gwp·eei+bp4 其中wp和bp是隱藏層節點參數，wp∈RD，bp∈R；g·為激活函數，選擇使用Sigmoid函數作為激活函數，則式4具體表示如式5所示： 其中e是自然常數； 輸入經過隱藏層后到達輸出層，則極限學習機的輸出具體如式6所示： 其中，L表示隱藏層的神經元個數，m表示輸出層的神經元個數，m≥1；β＝[β1,…,βL]T是隱藏層與輸出層之間的權重，其中βL為第L個隱藏層的神經元權重；f·為極限學習機輸入與輸出間的非線性映射關系； 步驟3-2，在極限學習機中，隨機初始化隱藏層的權重w和偏置b，通過隱藏層的激活函數，將輸入映射到特征空間，根據式3和式4計算得到隱藏層輸出H，將網絡的輸出Hβ與空戰樣本標簽TT間的最小化平方差作為極限學習機的訓練誤差，則輸出層的權重β滿足式7的目標函數： min||Hβ-TT||2,β∈RL×m7 其中min表示取最小值，TT是根據步驟1中已有的空戰完備數據集選取的訓練數據的樣本標簽，H和TT的具體表達式如式8、式9所示： 其中，為ttn的轉置； 推導出式7的最優解如式10所示： 其中為矩陣H的Moore-Penrose廣義逆矩陣； 當HTH為可逆時，選擇正交投影法進行求解，則如下式11所示： 當HTH為不可逆時，使用奇異值分解法來計算H的Moore-Penrose廣義逆。

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南京航空航天大學，其通訊地址為：210016 江蘇省南京市秦淮區御道街29號南京航空航天大學；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”。