[发明专利]一种基于图网络学习的目标识别方法

权利要求书

1.一种基于图网络学习的目标识别方法，其特征在于：利用多源传感器捕捉目标的模拟数据，通过特征向量选择方法将模拟数据分为基础正常数据和剩余正常数据，其中基础正常数据通过预设的自回归模型进行迭代算法，之后对基础正常数据和剩余正常数据计算残差，并观测残差值是否有异常，若残差值过大则特征向量选择方法划分的基础正常数据和剩余正常数据异常，需要重新划分基础正常数据和剩余正常数据并将重新划分后的基础正常数据通过预设的自回归模型进行迭代算法，后对重新划分的基础正常数据和剩余正常数据进行残差计算，若残差值较低则输出模拟数据；

所述特征向量选择方法对模拟数据进行初选剔除部分干扰数据，同时对剔除部分干扰数据后的模拟数据进行抽样，抽样数据形成剩余正常数据，剩余的模拟数据则为基础正常数据；

所述自回归模型中集成有图神经网络，所述图神经网络中设有多个网络节点，每个网络节点对应一个传感器的状态信息，网络节点对基础正常数据进行类比学习；

所述图神经网络中设有学习集；

所述图神经网络采用梯度下降策略进行学习，所述梯度下降策略设有编码网络进行学习；

所述梯度下降策略包括首先计算每个网络节点状态，得到第T次的状态值x(T)≈x，然后计算下降的梯度；

所述编码网络将图神经网络从T到初始时间t0对应的时间片数据，形成整个网络节点的一个复制实体，对图神经网络进行反向传播梯度计算方法，计算每个时间片T的目标函数梯度，并计算梯度之和；

设有预设值Xi，在观测基础正常数据和剩余正常数据是否异常时将所述残差值与预设值Xi进行差值对比。

2.根据权利要求1所述的一种基于图网络学习的目标识别方法，其特征在于：所述多源传感器包括振动、声音、和光敏传感器。