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！

龙图腾网获悉西北工业大学申请的专利一种基于改进域自适应的智能水下噪声识别分类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：CN117251719B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202310947836.1，技术领域涉及：G06F18/2131；该发明授权一种基于改进域自适应的智能水下噪声识别分类方法是由史文涛;陈东;张群飞;刘树勋;何成兵;景连友设计研发完成，并于2023-07-31向国家知识产权局提交的专利申请。

本一种基于改进域自适应的智能水下噪声识别分类方法在说明书摘要公布了：本发明针对水下噪声信号特征迁移困难等问题，提出了一种基于改进域自适应的智能水下噪声识别分类方法。所述方法包含以下步骤：首先，基于收集到的水下噪声信号划分为源域和目标域，并建立域共享1D‑CNN提取源域和目标域数据特征。其次，在域自适应模块中，本方法将多层多核MMDML‑MK‑MMD与域鉴别器相结合，通过最小化域自适应模块和网络分类器的总损失，有效地提取源域和目标域中最大化域不变特征。最后，使用训练后的模型对目标域样本进行测试，该网络通过学习源域知识来实现完成目标域样本的迁移任务。本发明可以有效地提取域不变特征，减少源域和目标域之间的分布差异，提高跨域测试性能，达到跨域迁移识别的目的。

本发明授权一种基于改进域自适应的智能水下噪声识别分类方法在权利要求书中公布了：1.一种基于改进域自适应的智能水下噪声识别分类方法，其特征在于，包括以下步骤： 步骤1：将采集到的水下数据样本进行分类，分为带标签的源域样本和不带标签的目标域样本； 步骤2：对源域样本和目标域样本数据进行快速傅里叶变换FFT，提取源域和目标域的样本频域特征，制作训练数据样本集； 步骤3：建立域共享参数的特征提取网络1D-CNN，依次包括卷积层1、最大池化层1、卷积层2、最大池化层2、卷积层3、最大池化层3、全连接层1和全连接层2；同时在该网络中建立域判别器，包括全连接层3FD层和输出层； 步骤4：对步骤3建立的域共享参数特征提取网络1D-CNN，进行网络参数的初始化，其中初始化参数，包含网络层中卷积层，池化层，以及全连接层中的权重系数，以及网络优化器和网络训练学习率的初始化； 步骤5：针对步骤4中建立的域共享参数1D-CNN，建立新的总损失函数，其中该总损失函数包括三部分，分别为源域中的分类损失、域判别器损失函数和特征提取网络中的多层多核MMD； 1源域中分类损失函数为： 其中，n是网络训练样本的批量大小，是所建立网络中的第二个全连接层中的源域样本的输出样本的标签概率分布，是源域样本的相应标签，s表示输入到为源域样本，T表示数学运算中转置符号； 2域分类器损失函数为： 其中，和分别代表从域判别器输出层的源域数据和目标域数据中学习到的高级特征，为域分类损失，计算公式为： 其中，是真实的域标签，是第i个样本的域输出，是源域和目标域的样本，m为网络训练样本的批量大小； 3特征提取网络中的多层多核MMD总和损失函数为： ； 其中是所建立网络中卷积层1，2，3，以及全连接层1，2的参数集合，,分别代表源域和目标域的多层迁移特征，表示各层的索引； 步骤6：计算总损失函数； 步骤7：对已建立好的网络结构的总损失函数进行优化训练，进一步更新网络参数； 步骤8：对步骤7中训练结果进行判断，判断是否达到设置的最大训练轮数Epoch或总损失函数是否收敛到最小；如果达到，则表示发明所迁移模型训练完成，将目标域测试集样本输入到训练好的样本中进行识别分类，获得目标域预测结果；训练未完成时，则训练过程将从步骤5继续进行，直到达到设置的最大训练轮数Epoch或总损失函数收敛到最小。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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。