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！

龙图腾网获悉中国电子科技集团公司第五十四研究所申请的专利一种基于马尔科夫决策过程的智能电磁态势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：CN116956115B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202310638273.8，技术领域涉及：G06F18/24；该发明授权一种基于马尔科夫决策过程的智能电磁态势分类方法是由畅鑫;李艳斌;张冠杰设计研发完成，并于2023-06-01向国家知识产权局提交的专利申请。

本一种基于马尔科夫决策过程的智能电磁态势分类方法在说明书摘要公布了：本发明提供了一种基于马尔科夫决策过程的智能电磁态势分类方法，属于机器学习技术领域。本发明包括：基于马尔科夫决策过程采样并构建数据集，基于自编码器的状态向量样本压缩，基于k‑Means的无监督自动分类，基于全连接神经网络的深度学习泛化，对分类效果进行评估。本发明提供基于马尔科夫决策过程的智能电磁态势分类方法，面向以马尔科夫决策过程为基础的动态电磁态势信息分类需求，将电磁行为转移规律等信息融入特征，结合机器学习和深度学习方法，从高维数据中提取电磁信息特征，实现对于动态电磁域场景下无标注电磁态势数据的准确分类。

本发明授权一种基于马尔科夫决策过程的智能电磁态势分类方法在权利要求书中公布了：1.一种基于马尔科夫决策过程的智能电磁态势分类方法，其特征在于，包括以下步骤： 步骤1：基于马尔科夫决策过程进行采样并构建数据集；在电磁态势动态实验场景中， 随机选取起始电磁态势观测向量，观测向量维度为，选择所有干扰样式与预设参 数，，N为干扰动作范围维度，反馈得到新的电磁态势观测数据和基于归一化 干扰效果评估的奖赏； 将起始电磁态势观测向量、新的观测电磁态势数据和奖赏，组成状态向量 样本，该向量维度为： ； 步骤2：基于自编码器对状态向量样本进行压缩；具体方式为： 步骤2-1：从状态数据集中，随机抽取状态向量样本组建batch_num_1个批量状态 数据集，每个批量状态数据集中包含batch_size_1个样本向量； 步骤2-2：基于全连接神经网络构建编码器Encoder和译码器Decoder；编码器Encoder 的输入维度为，其中c为压缩倍数，为向下取整；译码器Decoder的输入 维度为，输出维度为； 步骤2-3：随机从batch_num个批量状态数据集中随机选择一个，通过编码器Encoder 和译码器Decoder运算后，得到译码器Decoder输出： 步骤2-4：计算和的均方根误差loss1，并利用该误差进行反向传播和梯度优化； 其中mean为求取均值； 步骤2-5：设置损失门限，判断均方根误差loss1与损失门限之间的关系，如果loss1 ，那么重复步骤2-3和步骤2-4；如果loss1，保存编码器Encoder模型； 步骤2-6：将状态数据集输入编码器Encoder，获得向量维度经过压缩的压缩状态数 据集； 步骤3：基于k-Means实现无监督自动分类；利用sklearn开源库中k-Means机器学习方 法对压缩状态数据集进行分类，并获得对应数据的分类标签集； 步骤4：基于全连接神经网络实现智能电磁态势分类；具体方式为： 步骤4-1：从观测数据集O和分类标签数据集中，随机抽取组建batch_num_2个批量状 态数据集和批量分类标签集，分别包含batch_size_2个观测向量和batch_size_2个 分类标签； 步骤4-2：搭建全连接神经网络NET，其输入维度为，输出维度为； 步骤4-3：随机从batch_num_2个批量状态数据集中随机选择一个批量状态数据集和 批量分类标签集，通过全连接神经网络NET运算后，得到输出： 步骤4-4：计算和的交叉熵误差，并利用该误差进行反向传播和梯度优化； 其中Cross_Entropy为求取交叉熵； 步骤4-5：设置损失门限，判断均方根误差与损失门限之间的关系，如果 ，那么重复步骤4-3和步骤4-4；如果，保存全连接神经网络NET模型； 步骤4-6：将观测数据集O输入全连接神经网络NET，获得分类标签集。

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中国电子科技集团公司第五十四研究所，其通讯地址为：050081 河北省石家庄市中山西路589号中国电子科技集团公司第五十四研究所总体部；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。