【技术实现步骤摘要】
本专利技术涉及目标行为识别，具体是涉及一种基于特权信息和注意力机制的非合作目标行为识别方法及系统。
技术介绍
1、随着航天技术和人工智能的迅猛发展，非合作目标行为识别在空间目标监测、轨道维护和防御系统中具有重要的研究意义和实际价值。然而，非合作目标由于缺乏通信与协作能力，通常表现出不可预测性，其行为模式识别面临以下技术难题：航天器相对运动受轨道动力学影响显著，轨迹形态多样且受空间环境扰动，导致传统行为识别方法难以准确建模复杂运动模式；单模态图像数据(如rgb图像)在捕获目标全局特征时存在信息不足的问题，而多模态数据(如深度图像)虽能提供补充信息，但其采集和处理在实际应用中具有一定局限性。传统行为识别算法在面对动态、复杂场景时，常因模型表达能力不足或特征提取不全面，导致识别精度下降且泛化能力有限。
技术实现思路
1、专利技术目的：针对以上缺点，本专利技术提供一种准确性高的基于特权信息和注意力机制的非合作目标行为识别方法及系统。
2、技术方案：为解决上述问题，本专利技术采用一种基于...
【技术保护点】
1.一种基于特权信息和注意力机制的非合作目标行为识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的非合作目标行为识别方法，其特征在于，所述通过训练数据集对深度神经网络进行训练的具体过程包括：
3.根据权利要求2所述的非合作目标行为识别方法，其特征在于，所述基于特权信息和注意力机制的深度神经网络模型包括输入层、隐藏层和输出层；
4.根据权利要求3所述的非合作目标行为识别方法，其特征在于，所述双向循环神经网络BiLSTM捕捉输入序列的前向和后向的时间序列计算过程如下：
5.根据权利要求4所述的非合作目标行为识别方...
【技术特征摘要】
1.一种基于特权信息和注意力机制的非合作目标行为识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的非合作目标行为识别方法，其特征在于，所述通过训练数据集对深度神经网络进行训练的具体过程包括：
3.根据权利要求2所述的非合作目标行为识别方法，其特征在于，所述基于特权信息和注意力机制的深度神经网络模型包括输入层、隐藏层和输出层；
4.根据权利要求3所述的非合作目标行为识别方法，其特征在于，所述双向循环神经网络bilstm捕捉输入序列的前向和后向的时间序列计算过程如下：
5.根据权利要求4所述的非合作目标行为识别方法，其特征在于，所述自注意力机制捕捉双向循环神经网络输出序列的全局特征依赖关系并赋...
【专利技术属性】
技术研发人员：邵书义，许振阳，陈谋，韩增亮，万敏，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。