专利交易市场

本发明公开了一种基于零次学习的信号开集识别方法，使用类别已知的信号样本集训练LSTM模型，得到用于信号开集识别的目标模型f；将类别已知的信号样本集输入至训练完成的目标模型f，计算类别已知的信号样本集每一类的特征均值向量以及相似度阈值，得到特征均值向量集合和相似度阈值集合；对待识别信号样本集进行识别。本发明通过零样本学习，通过对未知类信号的特征进行学习，达到了提升开集信号正确分类概率、信号分类精确率的目的。

本发明公开了一种面向树干图像的开集识别方法，包括以下步骤：(1)设计CNN模型，采用部分训练样本训练CNN模型后，并构造特征提取器；(2)对经特征提取器提取的特征图，计算特征图之间的相似度，并采用DBSCAN算法对特征图进行聚类；(3)根据特征图之间的相似度和特征图的聚类结果设计Loss函数，并根据该Loss函数优化特征提取器的参数和相似度函数的权重参数；(4)将待分类的树干图像输入至优化的特征提取器中，再利用优化的相似度函数计算输出的特征图之间的相似度，最后根据计算获得的相似度值获得对特征图的DBSCAN聚类结果。该开集识别方法能够很好地实现对未知类别的树干图像的开集识别。