龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：中国科学院声学研究所东海研究站
摘要：本发明公开了一种半监督学习的被动水声目标识别方法，获取若干带标签的已知水声目标数据作为源域数据集，以及若干未带标签的未知目标数据作为目标域数据集。依次进行有监督预训练、半监督微调、伪标签生成与微调、监督分类训练以及无监督蒸馏优化等步骤，最终可得到实现跨海域无标签的水声目标的识别的训练模型。本发明有效利用少量标签数据和大量无标签数据，将两者数据结合，逐步优化模型，实现跨海域环境下的无标签水声目标识别。该方法能显著提高水声目标识别的准确率和鲁棒性，为水声信号处理领域的应用提供了一种有效的解决方案。
主权项：1.一种半监督学习的被动水声目标识别方法，其特征在于，包括如下步骤：获取若干带标签的已知水声目标数据作为源域数据集，获取若干未带标签的未知目标数据作为目标域数据集；对所述源域数据集进行有监督预训练，得到第一训练网络；对所述目标域数据集进行波形域和时频域的数据扩增，并结合所述源域数据集进行微调训练，设计融合损失函数，进而得到第二训练网络；所述融合损失包括对于所述源域数据集采用分类损失计算，以及对于所述目标域数据集采用对比损失计算；利用所述第二训练网络提取所述目标域数据集得到伪标签，并引入对比中心损失对所述第二训练网络进行微调；利用微调后的所述第二训练网络提取所述目标域数据集的嵌入码，并重新聚类，得到具有标签噪声的目标域伪标签数据；将所述源域数据集和所述目标域伪标签数据进行监督分类训练，得到第三训练网络；通过无监督蒸馏优化所述第三训练网络的模型性能，得到第四训练模型，利用所述第四训练模型实现跨海域无标签的水声目标的识别。
全文数据：
权利要求：
百度查询： 中国科学院声学研究所东海研究站 一种半监督学习的被动水声目标识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号