Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西安工业大学夏子恒获国家专利权

西安工业大学夏子恒获国家专利权

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!

龙图腾网获悉西安工业大学申请的专利一种基于聚类边界检测的雷达高分辨距离像开集识别方法及装置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:CN120070928B

龙图腾网通过国家知识产权局官网在2025-11-28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:202510010488.4,技术领域涉及:G06V10/762;该发明授权一种基于聚类边界检测的雷达高分辨距离像开集识别方法及装置是由夏子恒;肖锋;霍文俊;王营霞;黄姝娟设计研发完成,并于2025-01-03向国家知识产权局提交的专利申请。

一种基于聚类边界检测的雷达高分辨距离像开集识别方法及装置在说明书摘要公布了:本发明公开了一种基于聚类边界检测的雷达高分辨距离像开集识别方法和装置。步骤包括:建立雷达高分辨距离像的训练和测试集;对训练和测试集进行数据预处理;构建卷积神经网络;利用训练集训练卷积神经网络;提取训练集的特征;计算训练集同类别特征中心和样本特征到其余特征的向量和的欧式长度;向量和欧式长度最大的部分样本即为聚类边界样本;提取测试集的特征;计算测试特征到特征中心的最小欧式距离和对应类别;计算测试特征到最小距离类别的训练特征的向量和的欧式长度,与聚类边界样本对应的欧式长度做比较,进行开集识别。本发明不仅可用于对库内已知类别目标进行识别分类,且可拒判库外未知类别目标,提高了目标识别准确率和雷达的自动化和智能化水平。

本发明授权一种基于聚类边界检测的雷达高分辨距离像开集识别方法及装置在权利要求书中公布了:1.一种基于聚类边界检测的雷达高分辨距离像开集识别方法,其特征在于:包括以下步骤: 步骤一、建立样本集: 包括第一训练样本集和第一测试样本集;其中,所述训练样本集包括若干个已知类别目标的雷达高分辨距离像,所述测试样本集包括若干个已知类别目标的雷达高分辨距离像和数据库以外的未知类别目标的雷达高分辨距离像; 步骤二、对所述第一训练样本集和所述第一测试样本集中的雷达高分辨距离像进行预处理,得到第二训练样本集和第二测试样本集; 步骤三、构建卷积神经网络; 步骤四、利用所述第二训练样本集训练所述卷积神经网络,得到训练后的卷积神经网络; 步骤五、利用所述训练后的卷积神经网络提取第二训练样本集的高维特征; 步骤六、计算所述第二训练样本集中N个同类别样本的高维特征的特征中心以及N个同类别中每个样本的高维特征到其余样本高维特征的向量的和,并求出N个类别向量和的欧式长度; 步骤七、将N个类别样本的向量和的欧式长度进行排序,挑选其中数值最大的数个类别样本作为检测到的聚类边界样本; 步骤八、利用训练后的卷积神经网络提取所述第二测试样本集的高维特征; 步骤九、计算第二测试样本高维特征到步骤六的第二训练样本集的N个特征中心的欧式距离,确定其中最小值所代表的类别; 步骤十、利用所述聚类边界检测结果对所述第二测试样本集的高维特征进行开集识别,得到所述第二测试样本集的识别结果。

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安工业大学,其通讯地址为:710032 陕西省西安市未央区学府中路2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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。