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！

龙图腾网获悉天津工业大学申请的专利一种用于ECG身份识别的类增量学习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：CN121724101B 。

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：202610222283.7，技术领域涉及：G06N3/096；该发明授权一种用于ECG身份识别的类增量学习方法是由王迪;付一涵;吴艳伟设计研发完成，并于2026-02-25向国家知识产权局提交的专利申请。

本一种用于ECG身份识别的类增量学习方法在说明书摘要公布了：本发明属于机器学习领域，公开了一种用于ECG身份识别的类增量学习方法；包括：对心电信号进行预处理；构建记忆库，在基于类中心逼近的样本筛选中引入相似度惩罚项，以保障有限记忆样本涵盖心电波形的多样性；继承旧模型参数构建新模型，利用记忆库与新数据进行联合训练；训练过程中引入双重约束机制：一是子空间蒸馏约束，通过SVD分解、格拉斯曼距离及KL散度严格对齐新旧模型特征子空间的几何结构；二是新旧类别分离约束，利用自注意力增强原型特征并最大化新类到旧类原型集合的最小距离。本发明有效解决了ECG特征漂移导致的灾难性遗忘与类别混淆问题，显著提升了持续学习场景下的识别准确率。

本发明授权一种用于ECG身份识别的类增量学习方法在权利要求书中公布了：1.一种用于ECG身份识别的类增量学习方法，其特征在于，步骤包括： S1：获取待识别的ECG一维信号数据并进行预处理，得到统一长度的一维心拍序列，所述一维心拍序列包括新类别样本和旧类别样本； S2：构建旧类模型，所述旧类模型包括用于特征提取的主干网络以及分类层； S3：基于所述旧类模型，采用带有相似度惩罚的Herding算法从旧类别样本中筛选记忆样本，构建记忆库； S4：以最小化分类预测误差、最小化新旧模型特征子空间几何结构差异以及最大化新旧类别原型之间的分布间距为优化目标构建新类模型，所述新类模型继承所述旧类模型的主干网络参数，并扩充所述分类层的输出维度，使所述分类层的输出维度等于旧类别的数量与新增的新类别的数量之和； S5：构建联合优化目标函数，所述目标函数包括子空间蒸馏约束、新旧类别分离约束以及交叉熵分类损失； S6：利用所述记忆库中的旧类别样本和当前阶段的新类别样本，根据所述联合优化目标函数对所述新类模型进行迭代优化，获得更新后的身份识别模型，所述更新后的身份识别模型通过分析一维心拍序列进行身份识别。

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天津工业大学，其通讯地址为：300387 天津市西青区宾水西道399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。