申请/专利权人：西安电子科技大学

申请日：2024-01-31

公开（公告）日：2024-05-17

公开（公告）号：CN118051832A

主分类号：G06F18/2411

分类号：G06F18/2411;G06F18/25;G06N3/0464;G06N3/045;G06N3/0442;G06N3/084;G06F40/30;G06F16/35;G06F16/36;G06N5/022;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.06.04#实质审查的生效;2024.05.17#公开

摘要：本发明公开了一种知识与数据联合驱动的智能辐射源个体识别方法，主要解决现有技术在少标注条件下识别效果不佳的问题。方案包括：1引入辐射源领域的外部知识构建数据丰富多样的辐射源个体知识图谱；2采用Trans‑X算法提取知识图谱中的辐射源个体语义特征；3搭建基于深度学习的分类模型，采用辐射源的历史数据进行训练，将辐射源信号送入训练好的网络，计算其深度特征；4将语义特征与深度特征进行融合，获得辐射源个体融合后特征；5将融合后特征输入分类器，得到辐射源个体的联合驱动识别结果。本发明综合利用知识图谱和深度学习技术提取辐射源个体特征，有效提高了辐射源个体识别的准确性、鲁棒性与可解释性。

主权项：1.一种知识与数据联合驱动的智能辐射源个体识别方法，其特征在于，包括如下步骤：1构建辐射源个体知识图谱：1a获取辐射源个体的情报信息，包括结构化数据、半结构化数据和非结构化数据；1b对于结构化数据，即“头实体，关系，尾实体”形式的三元组，将其直接读入图数据库工具中进行第一知识图谱的构建；1c对于半结构化数据，即具有固定格式的文本，通过人工分割形成结构化的三元组，再将其通过图数据库工具读入第一知识图谱中，得到第二知识图谱；1d对于非结构化数据，应用双向长短期记忆模型Bi-LSTM与卷积神经网络结合，基于手工标注语料库实现对于非结构化数据的建模与自主学习，捕获数据中的全局信息与局部信息，实现非结构化数据的自动知识抽取，再通过图数据库工具将其读入第二知识图谱中，得到初始知识图谱；1e对初始知识图谱进行实体对齐，得到辐射源个体知识图谱；2采用Trans-X算法获取各辐射源个体的语义特征向量：对辐射源个体知识图谱采用Trans-X算法处理，得到知识图谱中所有辐射源个体的语义特征向量；3采集辐射源个体信号，利用深度学习网络获取辐射源个体信号的深度特征向量；4将语义特征向量与深度特征向量进行融合，得到融合后的特征；5构建用于实现特征分类的分类器并训练，利用训练好的分类器对融合后的特征进行识别分类，得到辐射源个体的联合驱动识别结果。

全文数据：

权利要求：

百度查询： 西安电子科技大学 一种知识与数据联合驱动的智能辐射源个体识别方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD