[发明专利]一种知识迁移方法、无线网络设备个体识别方法及系统

权利要求书

1.一种无线帧数据归纳式知识迁移方法，其特征在于，包括以下步骤：

步骤1：获取目标域数据和源域数据作为训练数据；

步骤2：采用改进的TrAdaboost算法实现知识迁移；

其中改进的TrAdaboost算法中，以Adaboost算法为基础，采用VFKMM算法确定源域和目标域的初始权重分布；引入更新因子C_t＝2(1-ε_t)到源域权重更新，得到目标域权重更新；式中ε_t为目标误差率；

更新因子确定过程如下：

假设P为第t+1步迭代正确分类目标权重的总和，Q是第t+1步迭代错误分类目标权重的总和；设M为迭代次数，j＝1：n_target为目标数量，如下：

其中为目标源权重，目标域，为目标分类函数，为样本，n_source为源域样本数，为源域权重；

算法源域权重更新为：

由于

更新因子为：

将更新因子加入源域权重更新，可以得到目标域样本的权重更新

2.一种如权利要求1所述的无线帧数据归纳式知识迁移方法的无线网络设备个体识别方法，其特征在于，包括以下步骤：

采用改进的TrAdaboost算法实现知识迁移，得到对应的分类器函数；

利用分类器函数对待识别的无线网络设备进行个体识别；无线网络设备实例包括文本、图像中的一种或两种。

3.根据权利要求2所述的一种无线网络设备个体识别方法，其特征在于，包括以下步骤：

步骤1：构建个体识别网络，初始化网络参数；

步骤2：采用权利要求2 中的无线帧数据归纳式知识迁移方法得到的目标域数据集引入该网络，对网络进行训练；

步骤3：采用步骤2训练得到的网络，进行无线网络设备个体识别。

4.根据权利要求3所述的一种无线网络设备个体识别方法，其特征在于，所述个体识别网络为卷积神经网络、循环神经网络、深度信念网络、生成对抗网络、深度强化网络中的一种。

5.一种如权利要求3所述无线网络设备个体识别方法的个体识别系统，其特征在于，包括：

网络构造模块：构建个体识别网络，并初始化网络参数；

训练模块：将采用权利要求4中的无线帧数据归纳式知识迁移方法得到的目标域数据集引入该网络，对网络进行训练；

个体识别模块：对无线网络设备进行个体识别。