公开(公告)号：CN109376780A

公开(公告)日：2019-02-22

申请号：CN201811224416.6

申请日：2018-10-19

Applicant: 北京师范大学

Inventor： 余先川 ,  武康 ,  姚旺

IPC: G06K9/62

Abstract: 发明了一种基于移动复相关系数的多模态数据融合方法：属于空间数据融合分析方法。在一定空间范围内的数据，一个事物往往由其他多种数据因素影响，并与特定范围内的空间位置相联系。传统的方法只是针对两两因素之间相关性的度量，忽略了一种因素同多种因素之间的相关关系，并且全局范围的分析容易使局部。因此，本方法提出了基于移动复相关系数的多模态数据局部相关性分析方法。定义计算窗口，计算窗口区域内一种因素同其它所有因素的复相关系数，遍历采样区域，形成复相关系数矩阵，以此分析一种因素和其他多种因素的相关性。该方法引入了数据的局部空间特征，通过局部复相关系数的计算显示多模态数据之间“一对多”的相关关系。

公开(公告)号：CN111695636A

公开(公告)日：2020-09-22

申请号：CN202010543653.X

申请日：2020-06-15

Applicant: 北京师范大学

Inventor： 余先川 ,  秦晋 ,  朱猛 ,  梁玉晨 ,  黄涛 ,  姚旺 ,  王昊

IPC: G06K9/62 ,  G06K9/34 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于图神经网络的高光谱图像分类方法，包括：S1：获取待处理区域的高光谱图像数据，对所述高光谱图像数据进行预处理；S2：对经过预处理的所述高光谱图像数据进行超像素分割，得到分割的超像素；S3：将所述超像素构建图数据，相邻超像素构建边；S4：利用图神经网络模型对所述图数据进行训练，得到分类结果；本发明提高最终分类结果的精度和效果。

公开(公告)号：CN111695636B

公开(公告)日：2023-07-14

申请号：CN202010543653.X

申请日：2020-06-15

Applicant: 北京师范大学

Inventor： 余先川 ,  秦晋 ,  朱猛 ,  梁玉晨 ,  黄涛 ,  姚旺 ,  王昊

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/58 ,  G06V10/26 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于图神经网络的高光谱图像分类方法，包括：S1：获取待处理区域的高光谱图像数据，对所述高光谱图像数据进行预处理；S2：对经过预处理的所述高光谱图像数据进行超像素分割，得到分割的超像素；S3：将所述超像素构建图数据，相邻超像素构建边；S4：利用图神经网络模型对所述图数据进行训练，得到分类结果；本发明提高最终分类结果的精度和效果。

公开(公告)号：CN111242201A

公开(公告)日：2020-06-05

申请号：CN202010014622.5

申请日：2020-01-07

Applicant: 北京师范大学

Inventor： 余先川 ,  刘伟 ,  闫瑞清 ,  朱猛 ,  代聪 ,  陈思莹 ,  姚旺 ,  詹英 ,  田海峰

IPC: G06K9/62

Abstract: 本发明公开了一种基于对抗生成网络的半监督恒星光谱分类方法：该方法是基于已知训练样本较少情况下的分类方法。由于已知特定天体的光谱数量非常少，想要对特定天体的光谱进行分类，然而使用传统的基于机器学习和统计的分类方法需要大量已知的数据来训练分类模型。因此，本方法与监督方法不同，所提出的方法可以充分利用大量未标记的样本，其包含两部分：捕获数据分布的生成器和确定样本是否由实际数据组成的判别器。然后利用少量带标签的数据对训练好的判别器再进行训练，即可得到较好的分类模型。利用真实世界光谱数据，并且是光谱数据数量有限的情况下，评估模型的性能，实验结果表明该模型在分类精度方面优于其他方法。