一种基于最小有向包围盒的神经网络开集识别方法

本发明公开了一种基于最小有向包围盒的神经网络开集识别方法，包括：S1、收集多类通信数据，并通过短时傅里叶变换将通信数据转化为多类图像数据；S2、将多类图像数据作为训练集，使用训练集训练神经网络，获得训练好的神经网络和训练集中每类图像数据对应的最小有向包围盒；S3、将待分类的通信图像数据输入训练好的神经网络，将训练好的神经网络的输出数据进行降维处理后与该类别对应的最小有向包围盒进行对比，完成神经网络开集识别，本发明能更好的表示神经网络输出特征量空间的密度分布，并在此基础上压缩特征量空间表示范围，提高分类未训练样本的准确率，在样本覆盖率100%的原始空间中的分类准确率达到了98%，优于传统算法。