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！

龙图腾网获悉同济大学申请的专利一种特征提取与分类解耦的信号识别增量学习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：CN117009867B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202310801169.6，技术领域涉及：G06F18/241；该发明授权一种特征提取与分类解耦的信号识别增量学习方法是由范兆宇;涂涯;史清江设计研发完成，并于2023-06-30向国家知识产权局提交的专利申请。

本一种特征提取与分类解耦的信号识别增量学习方法在说明书摘要公布了：本发明涉及一种特征提取与分类解耦的信号识别增量学习方法，该方法基于复数神经网络实现，包含解耦的特征提取器和分类器，能够获取信号样本并根据类别所属阶段划分为基准阶段类别和增量阶段类别。首先，在基准阶段通过中心损失、交叉熵损失和重建损失加权求和优化解耦后的特征提取器。然后，在增量阶段冻结特征提取器参数，获取增量阶段样本的特征表示并计算交叉熵损失对增量分类器进行优化直至收敛，最后利用节点聚合思想获取增量更新后融合分类器。本发明所述基于特征提取与分类解耦的信号识别增量学习方法能够在较小成本下，有效减少先前分类能力遗忘并扩展其分类识别能力。

本发明授权一种特征提取与分类解耦的信号识别增量学习方法在权利要求书中公布了：1.一种特征提取与分类解耦的信号识别增量学习方法，其特征在于，包括以下步骤： （1）创建复数神经网络模型，包含解耦的特征提取器和分类器，获取信号样本并根据类别所属阶段划分为基准阶段类别和增量阶段类别； （2）基准阶段，利用较为充足的基准阶段类别训练数据和计算资源，利用自动编码-解码器思想和集成损失函数训练特征提取器，对所述复数神经网络模型的参数进行优化直到收敛，具体包含以下子步骤： （2.1）样本使用特征提取器得到其复数特征表示，根据基准阶段样本标签计算中心损失值，并在分类层根据输出向量计算交叉熵损失值； （2.2）根据特征提取器的网络结构搭建顺序相反、结构相同的解码器，输入步骤（2.1）中得到的特征得到重建样本，计算重建损失值； （2.3）对步骤（2.1）中的中心损失值、交叉熵损失值、步骤（2.2）中的重建损失值加权求和，作为总损失函数，并根据所述总损失函数对所述特征提取器和基准分类器的参数进行优化直至收敛； （3）增量阶段，冻结特征提取器参数，将增量阶段样本输入所述特征提取器以获取其特征表示，然后利用特征表示训练增量分类器，计算交叉熵损失并对所述增量分类器进行优化直至收敛； （4）使用类增量适配器将基准分类器和增量分类器进行融合，得到融合分类器，作为模型更新后的分类器，具体包含以下子步骤： （4.1）从基准类别样本和增量类别样本中按照比例构建的查询数据集，利用特征提取器获得特征表示查询集； （4.2）将基准分类器和增量分类器权重进行拼接，并使用可训练的转换矩阵将其转换为对应的隐藏表示，并计算任意两分类节点之间的相关度； （4.3）对各行向量进行节点聚合，利用更新后的权重作为分类器，在特征表示查询集上计算交叉熵损失并对所述转换矩阵进行优化直至收敛； （5）输入待预测样本，通过特征提取器得到待遇测信号的特征表示，然后通过融合分类层获取所述信号特征表示的输出向量组，以所输出向量组中最大值的输出向量索引作为预测结果完成输出。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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。