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！

龙图腾网获悉江西飞行学院申请的专利基于图核方法的图迁移学习雷达工作模式识别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：CN120632798B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202511134537.1，技术领域涉及：G06F18/25；该发明授权基于图核方法的图迁移学习雷达工作模式识别方法是由肖永生;顾约翰;胡义海;喻小龙;黄丽贞;周建江;危芬;廖峰;杜华;赵珂;温靖设计研发完成，并于2025-08-14向国家知识产权局提交的专利申请。

本基于图核方法的图迁移学习雷达工作模式识别方法在说明书摘要公布了：本发明公开了一种基于图核方法的图迁移学习雷达工作模式识别方法，属于雷达信号分类技术领域，其包括以下步骤：S1.使用图核方法对源域和目标域雷达工作模式识别任务中的雷达工作模式脉冲数据进行特征提取，形成源域特征和目标域特征；S2.基于源域特征和目标域特征，计算源域和目标域的图核相似度指标；S3.基于图核相似度指标的大小选择直接迁移识别算法或自适应多域迁移识别算法对图神经网络模型进行迁移学习，并使用训练后的图神经网络对目标域雷达工作模式识别任务进行雷达工作模式识别。采用本发明涉及的方法能对未知雷达的工作模式进行快速准确的识别。

本发明授权基于图核方法的图迁移学习雷达工作模式识别方法在权利要求书中公布了：1.一种基于图核方法的图迁移学习雷达工作模式识别方法，其特征在于：其包括以下步骤： S1.使用图核方法对源域和目标域雷达工作模式识别任务中的雷达工作模式脉冲数据进行特征提取，形成源域特征和目标域特征，步骤为： S1.1.按照时间顺序将雷达工作模式脉冲序列分为n个单元； S1.2.使用图核方法找到源域特征向量和目标域特征向量，具体步骤为： S1.2.1.将按照时间顺序列分的n个单元分别对应图神经网络中的每个节点，形成一个子图，基于节点时间相连或相近构建边，计算边的权重，计算公式为： ， 其中，ωab表示节点a和节点b之间的边的权重，na，nb表示输入图神经网络的节点a和节点b的具体特征值，为尺度参数； S1.2.2.对每个子图构建K层金字塔，对第k层金字塔的特征空间划分为个网格，k为第几层，d为子图的特征维度； S1.2.3.统计子图的节点在网格内的数量，生成直方图向量，该直方图向量即为对应的源域特征向量或目标域特征向量， 所述的直方图向量的计算公式如下： ， 其中，c为源域或目标域对应的子图编号；表示第k层中c号子图的第1个网格中的特征值，总计有个网格； 所述源域特征向量表示为：Si，i=1,2,…,P，i为源域特征向量的编号，P为源域特征向量的数量；所述目标域特征向量表示为：Tj，j=1,2,…,Q，j为源域特征向量的编号，Q为源域特征向量的数量； S1.3.分别对源域特征向量和目标域特征向量进行集成，得到源域特征向量矩阵和目标域特征向矩阵； S2.基于源域特征和目标域特征，计算源域和目标域的图核相似度指标，计算公式为： ， 其中，k△表示图核相似度指标，GS为源域雷达工作模式子图，GT为目标域雷达工作模式子图，和分别表示源域和目标域雷达工作模式子图在层的直方图，I为直方图交集函数，K为源域和目标域雷达工作模式子图金字塔核方法的层数；所述的直方图交集函数的表达式为： ， 其中，n为图神经网络的网格总数，i为网格节点编号； S3.基于图核相似度指标的大小选择直接迁移识别算法或自适应多域迁移识别算法对图神经网络模型进行迁移学习，具体方式为：设定相似度临界值α，当图核相似度指标不小于相似度临界值时，选择直接迁移识别算法对图神经网络模型进行迁移学习；当图核相似度指标小于相似度临界值时，选择自适应多域迁移识别算法对图神经网络模型进行迁移学习；并使用训练后的图神经网络对目标域雷达工作模式识别任务进行雷达工作模式识别。

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江西飞行学院，其通讯地址为：330000 江西省南昌市红谷滩区红角洲卧龙路269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。