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！

龙图腾网获悉杭州市滨江区浙工大人工智能创新研究院申请的专利一种基于遗忘质量评分的自动调制识别核心集选择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：CN121367633B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202511936836.7，技术领域涉及：H04L27/00；该发明授权一种基于遗忘质量评分的自动调制识别核心集选择方法是由陆耀;孙春凤;陈壮志;徐东伟;宣琦;尹鹏;潘磊设计研发完成，并于2025-12-22向国家知识产权局提交的专利申请。

本一种基于遗忘质量评分的自动调制识别核心集选择方法在说明书摘要公布了：本发明公开了一种基于遗忘质量评分的自动调制识别核心集选择方法，属于无线通信信号处理与深度学习交叉技术领域。本发明针对现有方法在自动调制识别任务中忽略信号时频结构与信噪比分布、评估指标单一等问题，提出通过记录样本在多轮训练中的预测轨迹，计算融合正确性变化次数、持续错误轮次及准确性与损失值的遗忘质量评分FoQuS，并基于该评分动态分层选择核心集。使用核心集重新训练模型，能在显著降低训练数据规模的同时保持识别性能，具有强泛化能力与高实用价值。

本发明授权一种基于遗忘质量评分的自动调制识别核心集选择方法在权利要求书中公布了：1.一种基于遗忘质量评分的自动调制识别核心集选择方法，其特征在于，包括以下步骤： S1、对原始数据集进行预处理，包括信号幅度归一化和分层随机划分，得到训练集和测试集； S2、使用深度学习模型在所述训练集上进行多轮训练，并记录每个样本在各训练轮次的预测标签、正确性指示和交叉熵损失； S3、基于所记录的训练轨迹，计算每个样本的遗忘质量评分FoQuS，所述FoQuS是基于三个互补的统计量融合得到，包括样本预测正确性变化次数、样本持续预测错误轮次和样本预测准确性与损失值的组合； 在S3中，计算FoQuS的过程包括： 计算第一统计量，第一统计量为样本预测正确性变化次数，统计样本从正确预测转为错误预测的次数； 计算第二统计量，第二统计量为样本持续预测错误轮次，统计样本连续被错误预测的最大轮次； 计算第三统计量，第三统计量为样本预测准确性与损失值的组合，基于样本的累计正确预测次数和平均损失计算； 对第一统计量、第二统计量和第三统计量分别进行归一化处理； 将归一化后的三个统计量相加得到FoQuS值； 所述S3中的FoQuS综合量化值的计算，包括三个中间统计量： 1基于样本预测正确性变化次数的第一统计量，统计样本从正确预测转为错误预测的次数： ； 2基于样本持续预测错误轮次的第二统计量，统计样本连续错误预测的次数： ； 3基于样本预测准确性和损失值的第三统计量，综合考虑正确分类稳定性和损失大小： ； 其中，为样的累计正确预测次数，为第t轮的交叉熵损失，为平衡因子默认为0.1； 最终FoQuS通过综合量化值得到： ； 其中表示归一化操作； S4、根据所述FoQuS对所有样本进行降序排序，并动态划分为多个选择区间，根据目标采样率自适应确定各选择区间的样本选取数量，从各选择区间选取样本构成核心集； 在S4中，动态选择核心集的过程包括： 根据FoQuS值对所有样本进行降序排序； 将排序后的样本序列划分为三个选择区间，包括第一选择区间、第二选择区间和第三选择区间； 根据目标采样率自适应确定各选择区间的样本选取数量，其中目标采样率不同时各选择区间的采样比例不同； 从各选择区间中按照确定的样本选取数量选取样本，构成核心集； 所述S4中的综合量化值的动态核心集选择策略可根据目标采样率k动态调整： 当k≤1%时，第一选择区间占比10%，第二选择区间占比40%，第三选择区间占比50%； 当1%k≤5%时，第一选择区间占比15%，第二选择区间占比45%，第三选择区间占比40%； 当5%k≤20%时，第一选择区间占比25%，第二选择区间占比50%，第三选择区间占比25%； 当k20%时，第一选择区间占比35%，第二选择区间占比50%，第三选择区间占比15%； S5、使用核心集重新训练模型，并在测试集上评估模型性能。

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杭州市滨江区浙工大人工智能创新研究院，其通讯地址为：311000 浙江省杭州市滨江区长河街道湖西路575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。