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！

龙图腾网恭喜西北工业大学申请的专利一种针对行进间无人机群雷达目标高效识别、分类的模型设计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：CN115421121B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202211033451.6，技术领域涉及：G01S7/41；该发明授权一种针对行进间无人机群雷达目标高效识别、分类的模型设计方法是由李琳;陈泓桦;孙凌晨;王若霜设计研发完成，并于2022-08-26向国家知识产权局提交的专利申请。

本一种针对行进间无人机群雷达目标高效识别、分类的模型设计方法在说明书摘要公布了：本发明公开了一种针对行进间无人机群雷达目标高效识别、分类的模型设计方法，构建基于神经网络的第一分类模型；第一分类模型用于对雷达目标的回波数据进行目标识别；将第一分类模型转换为图结构编码；采用进化算法对图结构编码进行优化，得到优化后的图结构编码；根据优化后的图结构编码生成第二分类模型，采用第二分类模型对雷达目标的回波数据进行目标识别；本发明通过将构建好的第一分类模型转换成图结构编码，再采用基于进化算法的神经网络架构搜索技术对图结构编码进行优化，可以在保留第一分类模型精度的基础上大大降低分类模型的复杂度，进而减少目标识别的计算量，提升目标识别的实时性。

本发明授权一种针对行进间无人机群雷达目标高效识别、分类的模型设计方法在权利要求书中公布了：1.一种针对行进间无人机群雷达目标高效识别、分类的模型设计方法，其特征在于，包括以下步骤：构建基于神经网络的第一分类模型；所述第一分类模型用于对雷达目标的回波数据进行目标识别；将所述第一分类模型转换为图结构编码；采用进化算法对所述图结构编码进行优化，得到优化后的图结构编码；根据优化后的图结构编码生成第二分类模型，采用所述第二分类模型对雷达目标的回波数据进行目标识别；将所述第一分类模型转换为图结构编码包括：采用GV,E表示所述第一分类模型的图结构编码，V表示所述第一分类模型的网络层及其激活函数，所述网络层包括该网络层的类型、输入节点个数、输出节点个数，E表示所述第一分类模型中某一数据流的传播路径上的起点层和终点层；采用进化算法对所述图结构编码进行优化包括：初始化种群；其中，每个所述种群包括若干个个体，将每个图结构编码作为一个个体；计算每个所述个体的适应度值；当所述种群的迭代次数达到迭代阈值时，在所述种群中选择适应度值最大的图结构编码作为优化后的图结构编码；所述适应度值的计算方法为：Fi＝1-r2+r·Kappa，其中，Fi表示进化算法中第i个个体的适应度值，r表示当前个体对应的分类模型的网络规模表征因子，Kappa表示当前个体对应的分类模型在测试数据集上的Kappa得分；所述网络规模表征因子的计算方法为：r＝ΩiΩ0,其中，Ω0表示所述第一分类模型的规模值，Ωi表示当前个体对应的分类模型的规模值，L为第i个个体对应的分类网络的总层数，Ij表示第i个个体对应的分类网络的第j层的输入节点个数，Oj表示第i个个体对应的分类网络的第j层的输出节点个数；当所述种群的迭代次数小于迭代阈值时，对所述种群依次进行选择、交叉、变异，直至生成新的种群的迭代次数达到迭代阈值；所述交叉包括：随机从所述种群中选择两个个体；将其中一个个体中的各个网络层的输入节点个数替换为另一个个体中各个网络层的输入节点个数，并作为子代个体，直至所述子代个体的数量达到子代个体阈值；其中，所述子代个体阈值小于等于所述种群中个体的数量；所述变异包括：对所述个体对应的分类模型随机添加线型隐含层结构，或，对所述个体对应的分类模型的隐含层的节点数随机变化；对所述个体对应的分类模型的网络层的节点数随机变化采用以下策略：hmut＝hcur+α·X，其中，hmut表示执行变异之后隐含层的节点数，hcur表示当前隐含层的节点数，α表示变异因子，X表示一个服从均值为0方差为1的标准正态分布的随机数。

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”。