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！

龍圖騰網恭喜西北工業大學申請的專利一種針對行進間無人機群雷達目標高效識別、分類的模型設計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：CN115421121B 。

龍圖騰網通過國家知識產權局官網在2025-04-01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：202211033451.6，技術領域涉及：G01S7/41；該發明授權一種針對行進間無人機群雷達目標高效識別、分類的模型設計方法是由李琳;陳泓樺;孫凌晨;王若霜設計研發完成，并于2022-08-26向國家知識產權局提交的專利申請。

本一種針對行進間無人機群雷達目標高效識別、分類的模型設計方法在說明書摘要公布了：本發明公開了一種針對行進間無人機群雷達目標高效識別、分類的模型設計方法，構建基于神經網絡的第一分類模型；第一分類模型用于對雷達目標的回波數據進行目標識別；將第一分類模型轉換為圖結構編碼；采用進化算法對圖結構編碼進行優化，得到優化后的圖結構編碼；根據優化后的圖結構編碼生成第二分類模型，采用第二分類模型對雷達目標的回波數據進行目標識別；本發明通過將構建好的第一分類模型轉換成圖結構編碼，再采用基于進化算法的神經網絡架構搜索技術對圖結構編碼進行優化，可以在保留第一分類模型精度的基礎上大大降低分類模型的復雜度，進而減少目標識別的計算量，提升目標識別的實時性。

本發明授權一種針對行進間無人機群雷達目標高效識別、分類的模型設計方法在權利要求書中公布了：1.一種針對行進間無人機群雷達目標高效識別、分類的模型設計方法，其特征在于，包括以下步驟：構建基于神經網絡的第一分類模型；所述第一分類模型用于對雷達目標的回波數據進行目標識別；將所述第一分類模型轉換為圖結構編碼；采用進化算法對所述圖結構編碼進行優化，得到優化后的圖結構編碼；根據優化后的圖結構編碼生成第二分類模型，采用所述第二分類模型對雷達目標的回波數據進行目標識別；將所述第一分類模型轉換為圖結構編碼包括：采用GV,E表示所述第一分類模型的圖結構編碼，V表示所述第一分類模型的網絡層及其激活函數，所述網絡層包括該網絡層的類型、輸入節點個數、輸出節點個數，E表示所述第一分類模型中某一數據流的傳播路徑上的起點層和終點層；采用進化算法對所述圖結構編碼進行優化包括：初始化種群；其中，每個所述種群包括若干個個體，將每個圖結構編碼作為一個個體；計算每個所述個體的適應度值；當所述種群的迭代次數達到迭代閾值時，在所述種群中選擇適應度值最大的圖結構編碼作為優化后的圖結構編碼；所述適應度值的計算方法為：Fi＝1-r2+r·Kappa，其中，Fi表示進化算法中第i個個體的適應度值，r表示當前個體對應的分類模型的網絡規模表征因子，Kappa表示當前個體對應的分類模型在測試數據集上的Kappa得分；所述網絡規模表征因子的計算方法為：r＝ΩiΩ0,其中，Ω0表示所述第一分類模型的規模值，Ωi表示當前個體對應的分類模型的規模值，L為第i個個體對應的分類網絡的總層數，Ij表示第i個個體對應的分類網絡的第j層的輸入節點個數，Oj表示第i個個體對應的分類網絡的第j層的輸出節點個數；當所述種群的迭代次數小于迭代閾值時，對所述種群依次進行選擇、交叉、變異，直至生成新的種群的迭代次數達到迭代閾值；所述交叉包括：隨機從所述種群中選擇兩個個體；將其中一個個體中的各個網絡層的輸入節點個數替換為另一個個體中各個網絡層的輸入節點個數，并作為子代個體，直至所述子代個體的數量達到子代個體閾值；其中，所述子代個體閾值小于等于所述種群中個體的數量；所述變異包括：對所述個體對應的分類模型隨機添加線型隱含層結構，或，對所述個體對應的分類模型的隱含層的節點數隨機變化；對所述個體對應的分類模型的網絡層的節點數隨機變化采用以下策略：hmut＝hcur+α·X，其中，hmut表示執行變異之后隱含層的節點數，hcur表示當前隱含層的節點數，α表示變異因子，X表示一個服從均值為0方差為1的標準正態分布的隨機數。

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西北工業大學，其通訊地址為：710072 陜西省西安市友誼西路127號；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”。