基于知识图谱和Softmax回归的干扰信号识别方法.pdf
志信****pp
亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于知识图谱和Softmax回归的干扰信号识别方法.pdf
本发明具体涉及一种基于知识图谱和Softmax回归的干扰信号识别方法,通过构建包含与干扰信号识别相关的知识图谱,将各种干扰类型的知识图谱嵌入到低维向量空间中,既保留了知识图谱中所蕴含的知识又将知识图谱中的实体和关系转换成了向量,并将此知识图谱作为先验知识为Softmax回归方法提供辅助信息,使模型训练速度更快,所需样本数量更少,并进一步提高了低干信比下干扰信号的识别性能。
一种基于迁移Softmax回归的癫痫状态识别方法.pdf
本发明提供一种基于迁移Softmax回归的癫痫状态识别方法,通过源域和目标域之间的知识迁移,使得目标域脑电信号分布向源域靠近,以此提升模型在目标域数据上的识别效果,有效提升了癫痫发作检测的可靠性,具体包括以下步骤:步骤S1,利用滑动窗口对源域原始脑电信号和目标域原始脑电信号进行分段;步骤S2,利用四层小波包分解提取滑动窗口内的小波包分解系数,并构建特征向量;步骤S3,对特征向量进行联合概率分布调整从而进行源域和目标域之间的知识迁移,同时在该知识迁移过程中完成分类器的训练;步骤S4,由分类器输出目标域原始脑
基于Transformer网络的干扰信号识别方法.pdf
本发明提出了一种基于Transformer网络的干扰信号识别方法,主要解决现有方法对干扰信号进行特征提取的过程复杂、难度大且提取不完全的技术问题。方案包括:1)仿真通信信号数据和干扰信号数据,构建单一干扰和复合干扰数据集,并进行划分和标签标注;2)构建局部特征提取模块;3)构建全局特征融合模块;4)构建基于局部特征提取模块和全局特征融合模块的干扰识别网络;5)使用构建的数据集对干扰信号识别网络模型进行训练和验证,得到最终的干扰信号识别网络模型;7)利用模型各对类干扰信号进行准确识别。本发明能够实现对干扰信
基于深度迁移学习的雷达有源干扰信号识别方法.pdf
一种基于深度迁移学习的雷达有源干扰信号识别方法,其步骤包括:1、生成雷达有源干扰信号数据集,2、构建雷达有源干扰信号时频图像训练集、验证集和测试集,3、搭建深度迁移学习网络,4、对深度迁移学习网络进行第一次训练,5、对第一次训练后的深度迁移学习网络进行第二次训练,6、利用深度迁移学习网络预测测试集。本发明能够在雷达有源干扰信号样本数量不充足、不易获取雷达有源干扰信号的条件下实现雷达有源干扰信号的准确分类,加快网络训练时的收敛速度,提高雷达有源干扰信号识别的效率,有利于及时选取有效的抗干扰措施,提升雷达的生
一种基于知识图谱的相同实体识别方法和系统.pdf
本说明书实施例公开了一种基于知识图谱的相同实体识别方法和系统。其中,该方法包括:分别获取待识别的两个或更多个对象的多个特征;多个特征包括图表征特征以及图结构特征,其中,图表征特征反映对象在图谱中对应节点的表征信息,图结构特征反映对象在图谱中对应节点的至少部分关联节点的信息;确定两个或更多个对象的多个特征的联合相似度;基于联合相似度,确定两个或更多个对象是否对应于相同实体。