买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京航空航天大学申请的专利一种基于零次学习的未知目标分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119691507B 。

龙图腾网通过国家知识产权局官网在2025-09-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411766584.3，技术领域涉及：G06F18/24；该发明授权一种基于零次学习的未知目标分类方法是由王斌;张小飞;孙萌设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本一种基于零次学习的未知目标分类方法在说明书摘要公布了：本发明公开了一种基于零次学习的未知目标分类方法，包括：获取已知未知信号数据；通过编码器F、分类器C和解码器d为信号构建语义空间；为训练的语义空间找到距离度量，建立判别模型，采用判别模型区分测试信号的信号类别，信号类别包括n个已知类和nR个未知类。本发明可以区分测试集中有多少未知类，而不仅仅是将测试样本标记为未知，同时能够解决现有未知信号识别方法缺点泛化能力以及全局使用马氏距离造成资源浪费的问题。

本发明授权一种基于零次学习的未知目标分类方法在权利要求书中公布了：1.一种基于零次学习的未知目标分类方法，其特征在于，所述方法包括以下步骤： S1，获取已知未知信号数据； S2，通过编码器F、分类器C和解码器d为信号构建语义空间；其中，编码器F由transformer编码器架构建模得到，该架构将输入信号投影到潜在的语义空间表示中；分类器C由全连接神经网络建模得到，将潜在语义空间表示作为输入，并确定数据的标签；解码器D由transformer解码器建模得到，用于产生重构信号，并期望该重构信号与输入信号趋近相同； S3，为训练的语义空间找到距离度量，建立判别模型，采用判别模型区分测试信号的信号类别，信号类别包括n个已知类和nR个未知类；区分过程具体包括以下子步骤： 对于每个已知类k，计算相应的语义中心向量Sk； 针对每个已知类k，计算测试信号的测量向量与Sk的差； 将第一阈值Θ1与给出的最小距离d1进行比较，以区分已知类和未知类： 其中，c1为控制参数，称为判别系数；d表示广义距离函数；为已知类别的平均距离；F为编码器F的输出函数；S为已知语义中心向量的集合，σk为已知类k的标准差；如果d1＜Θ1，则否则K为已知类集合，U为未知类集合； 如果测试信号属于已知类，测试信号的标号为：如果测试信号属于未知类，用R表示已记录的未知类，并定义SR为R的语义中心向量的集合；当时，在R中增加一个新的信号标签R1，设为语义中心向量将未知信号保存在集中，当时，将第二阈值Θ2与最小距离d2进行比较： 其中Ru为未知类别语义中心向量，λ2用于平衡两个距离d1和dmed，dmed为与FI距离最小的k'个中心构成的候选集合K'的距离计算中位数； 设nR为R中记录的信号标签的个数，如果d2＞Θ2，则在R中增加一个新的信号标签设如果d2≤Θ2，采用下述公式得到标号并将信号保存在集合中； 步骤S2中，编码器F由6个encoder层组成，每个encoder层包含自注意力机制层和前馈神经网络层；编码器F用从输入空间X到潜在语义空间Z的映射来表示；编码器F的中心损失表示为： 其中N为批大小，xi∈X,yi为xi的标号，zi＝Fxi∈Z；表示Z中类yi的语义中心向量，随着类yi语义特征的变化而更新,M是模型中参数的总数量，cj是第j个参数，λ是正则化系数，用于控制正则化项的强度； 步骤S2中，分类器C利用交叉熵损失Lce控制分类器C的误差，为不同类别或样本赋予自适应权重wi；分类器C的交叉熵损失Lce为： 其中CFxi为xi的预测值，α为约束参数，δ1为对抗扰动。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京航空航天大学，其通讯地址为：211106 江苏省南京市江宁区将军大道29号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。