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！

龍圖騰網恭喜西安電子科技大學申請的專利一種基于深度概率動態建模的小樣本HRRP識別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：CN119513673B 。

龍圖騰網通過國家知識產權局官網在2025-04-18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：202510088314.X，技術領域涉及：G06F18/24；該發明授權一種基于深度概率動態建模的小樣本HRRP識別方法是由陳文超;劉要強;陳渤;王鵬輝;劉宏偉設計研發完成，并于2025-01-21向國家知識產權局提交的專利申請。

本一種基于深度概率動態建模的小樣本HRRP識別方法在說明書摘要公布了：本發明提供一種基于深度概率動態建模的小樣本HRRP識別方法，涉及雷達目標識別技術領域。包括：對HRRP樣本數據依次進行預處理和序列形式的轉化，得到序列數據；構建序列數據對應的張量概率動態網絡模型，張量概率動態網絡模型包括張量概率動態網絡生成模型和張量遞歸推斷網絡模塊；將待識別序列數據輸入訓練完成的張量概率動態網絡模型，使張量概率動態網絡模型輸出待識別序列數據的類別，訓練完成的張量概率動態網絡模型是根據序列數據，利用目標損失函數對張量概率動態網絡模型進行訓練得到的網絡模型。在小樣本條件下，通過訓練完成的張量概率動態網絡模型可以對待識別序列數據進行更好的分類識別，使HRRP的目標識別的準確性較高。

本發明授權一種基于深度概率動態建模的小樣本HRRP識別方法在權利要求書中公布了：1.一種基于深度概率動態建模的小樣本HRRP識別方法，其特征在于，包括：對HRRP樣本數據依次進行預處理和序列形式的轉化，得到序列數據，所述序列數據包括當前時刻的序列數據和上一時刻的序列數據；構建所述序列數據對應的張量概率動態網絡模型，所述張量概率動態網絡模型包括張量概率動態網絡生成模型和張量遞歸推斷網絡模塊，所述張量概率動態網絡生成模型用于生成目標序列數據，所述張量遞歸推斷網絡模塊用于推斷出所述序列數據對應的分布后的隱變量；將待識別序列數據輸入訓練完成的張量概率動態網絡模型，以使所述張量概率動態網絡模型輸出所述待識別序列數據對應的類別，所述訓練完成的張量概率動態網絡模型是根據所述序列數據，利用目標損失函數對所述張量概率動態網絡模型進行訓練所得到的網絡模型，所述目標損失函數是基于所述目標序列數據、所述分布后的隱變量和交叉熵函數所確定的損失函數；所述構建所述序列數據對應的張量概率動態網絡模型，包括：根據所述當前時刻的序列數據對應的類別分布參數、所述上一時刻的序列數據對應的隱變量和載荷矩陣，利用伽馬分布、泊松分布和類別分布，構建所述張量概率動態網絡生成模型；根據所述上一時刻的序列數據、所述上一時刻的序列數據對應的類別分布參數、序列數據對應的類別下的服從標準高斯分布的變量和上一時刻的隱藏單元，利用耿貝爾-歸一化指數函數分布和庫瑪拉斯瓦米分布，構建所述張量遞歸推斷網絡模塊。

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安電子科技大學，其通訊地址為：710071 陜西省西安市雁塔區太白南路2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”。