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！

龙图腾网获悉南京理工大学申请的专利一种基于噪声分析的鲁棒目标识别方法、设备及其存储介质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：CN121093126B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202511644076.2，技术领域涉及：G06F18/2413；该发明授权一种基于噪声分析的鲁棒目标识别方法、设备及其存储介质是由姚亚洲;孙泽人;黄丹;百晓;李宝晨设计研发完成，并于2025-11-11向国家知识产权局提交的专利申请。

本一种基于噪声分析的鲁棒目标识别方法、设备及其存储介质在说明书摘要公布了：本发明公开了一种基于噪声分析的鲁棒目标识别方法、设备及其存储介质。获取原始的含噪数据建立原始数据集，基于K‑近邻方法配合Jensen‑Shannon散度对原始数据集进行筛分，分别搭建净数据子集和噪声数据子集；利用网络在训练过程中得到对应的权重参数与梯度参数，计算净数据子集和噪声数据子集的响应，得到对应的敏感度与贡献度；将敏感度与贡献度融合，综合得到参数的整体重要性分数；通过整体重要性分数对泰勒展开的剪枝准则中的损失函数改进，搭建剪枝模型。本发明将特征空间与预测空间内的信息融合，原始数据集中的干净样本和噪声样本精准划分，提升剪枝模型在剪枝过程中权重参数评估样本的可靠性。

本发明授权一种基于噪声分析的鲁棒目标识别方法、设备及其存储介质在权利要求书中公布了：1.一种基于噪声分析的鲁棒目标识别方法，其特征在于，包括以下步骤： 获取原始的含噪数据建立原始数据集，并对原始数据集中的数据进行编号得到数据标签，基于K‑近邻方法配合Jensen‑Shannon散度对原始数据集进行筛分，并基于KNN评估对Jensen‑Shannon散度筛分结果进行评估，划分出干净样本和噪声样本，分别搭建净数据子集和噪声数据子集，基于噪声数据子集搭建训练模型； 利用网络在训练模型训练过程中得到对应的权重参数与梯度参数，利用权重参数、梯度参数计算净数据子集和噪声数据子集的响应，得到对应的敏感度与贡献度，其中，权重参数、梯度参数计算净数据子集和噪声数据子集的响应的计算采用相同的计算方式，净数据子集和噪声数据子集的响应得到的响应数据统计为数据集；其中，参数的整体重要性分数的具体计算步骤如下： 设第层中的第个参数为，其对数据集的响应记为响应即计算第层中的第个参数对数据集的敏感度，进一步由反应第层中的第个参数在整个网络模型中的贡献度，剪除贡献度低的参数同时保留贡献度高的参数，计算得到净数据响应和噪声数据响应，通过以下公式计算参数的重要性评分，公式如下： ； 其中，式中：表示响应计算函数；表示一个平衡系数，用于调节干净样本响应与噪声样本响应的相对权重； 其中，对数据集的响应记为的计算步骤如下： 基于参数的重要性评分通过泰勒展开近似得到： ； 式中：表示参数基于泰勒展开的重要性评分；表示损失函数；表示梯度；表示高阶无穷小； 基于泰勒展开近似计算，进行展开式截断至一阶导数，并忽略高阶项，得到： ； 故在该泰勒展开的剪枝准则中，损失函数的梯度信息直接反映了参数对数据集的响应程度，因此用作净数据响应和噪声数据响应的近似值； 将敏感度与贡献度融合，基于泰勒展开的剪枝准则，综合得到参数的整体重要性分数； 通过整体重要性分数对泰勒展开的剪枝准则中的损失函数改进，搭建剪枝模型，利用净数据子集和噪声数据子集对剪枝模型的性能进行评估，当剪枝模型的性能出现偏差，返回重新网络训练步骤进行调整，反之，则利用当前剪枝模型进行数据识别。

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南京理工大学，其通讯地址为：210018 江苏省南京市玄武区孝陵卫街道孝陵卫街200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。