公开(公告)号：CN111157698A

公开(公告)日：2020-05-15

申请号：CN201911349471.2

申请日：2019-12-24

Applicant: 核工业北京地质研究院

Inventor： 李明 ,  秦凯 ,  张东辉 ,  赵英俊 ,  张玉燕

IPC: G01N33/24 ,  G01N21/3563 ,  G06F17/18

Abstract: 本发明属于信息提取技术领域，具体涉及一种利用发射率数据获取黑土土壤全钾含量的反演方法，该方法具体包括以下步骤：步骤(1)钾元素含量与发射率各波段皮尔森相关性分析；步骤(2)建立多元全二次逐步回归模型；步骤(3)对模型进行精度验证；步骤(4)通过回归诊断的学生化残差对步骤(3)进行精度验证的模型进行优化；步骤(5)步骤(4)优化的模型与其他模型结果做对比。本发明使用的全二次多元逐步回归方法引入了更多的参数进行模型建立，能够有效提高反演精度，同时解决了传统土壤元素含量填图过于依赖控制点问题，减少野外工作量，为发射率数据的应用提出了新的思路。

公开(公告)号：CN111564188B

公开(公告)日：2023-09-12

申请号：CN202010356591.1

申请日：2020-04-29

Applicant: 核工业北京地质研究院

Inventor： 秦凯 ,  朱玲 ,  赵宁博 ,  杨越超 ,  崔鑫 ,  李明

IPC: G16C20/70 ,  G16C20/20 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/08 ,  G01N21/25

Abstract: 本发明属于地质勘查技术领域，具体涉及一种基于变分自编码矿物信息定量分析方法，包括以下步骤：步骤一：采集研究区高光谱数据，读取多种矿物混合的光谱作为训练样本光谱；步骤二：根据光谱波段数、矿物种类、构建五层全连接神经网络；步骤三：将每一条样本光谱转化为一个列向量，并进行光谱归一化处理；输入到全连接神经网络进行训练，获得矿物端元光谱的初始值；步骤四：构建变分自编码神经网络；步骤五：训练变分自编码神经网络，将变分自编码神经网络第二隐含层映射到变分自编码神经网络重构样本输出层的权重系数矩阵参数设置为步骤三中矿物端元光谱的初始值。

公开(公告)号：CN112580771A

公开(公告)日：2021-03-30

申请号：CN202011557308.8

申请日：2020-12-25

Applicant: 核工业北京地质研究院

Inventor： 李明 ,  朱玲 ,  张东辉 ,  秦凯 ,  张玉燕 ,  赵英俊

IPC: G06N3/00 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明属于信息提取技术领域，具体涉及一种利用发射率数据获取黑土土壤全磷含量的反演方法。粒子速度及种群初始化，DNN网络架构设置，选择网络训练算法、选择网络激活函数进行网格训练，确定测试集误差范数得到粒子适应度值和个体和群体极值，更新粒子位置与速度并重新计算适应度值、更新个体极值与群体极值，并记录。有效提高发射率对黑土土壤全磷含量的反演精度，解决传统土壤元素含量填图过于依赖控制点问题，减少野外工作量，为发射率数据的应用提出了新的思路。

公开(公告)号：CN112529837A

公开(公告)日：2021-03-19

申请号：CN202011216694.4

申请日：2020-11-04

Applicant: 核工业北京地质研究院

Inventor： 秦凯 ,  陈璞花 ,  朱玲 ,  孙杰 ,  杨越超 ,  崔鑫 ,  李明

IPC: G06T7/00 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于耦合判别特征自学习网络的遥感图像变化检测算法。该算法主要设计了耦合判别特征自学习网络，该网络通过两个子网络分别对待检测图像进行特征提取，所建立的耦合训练模型可得到耦合特征空间，该空间中特征的判别能力将增强，有助于生成更加分明的差异图，得到准确的变化检测结果。该方法不需要标签数据，并且不受数据类型的限制，具有广阔应用空间。该算法的有效性在公开数据集上进行了验证。

公开(公告)号：CN111157698B

公开(公告)日：2022-10-21

申请号：CN201911349471.2

申请日：2019-12-24

Applicant: 核工业北京地质研究院

Inventor： 李明 ,  秦凯 ,  张东辉 ,  赵英俊 ,  张玉燕

IPC: G01N33/24 ,  G01N21/3563 ,  G06F17/18

Abstract: 本发明属于信息提取技术领域，具体涉及一种利用发射率数据获取黑土土壤全钾含量的反演方法，该方法具体包括以下步骤：步骤(1)钾元素含量与发射率各波段皮尔森相关性分析；步骤(2)建立多元全二次逐步回归模型；步骤(3)对模型进行精度验证；步骤(4)通过回归诊断的学生化残差对步骤(3)进行精度验证的模型进行优化；步骤(5)步骤(4)优化的模型与其他模型结果做对比。本发明使用的全二次多元逐步回归方法引入了更多的参数进行模型建立，能够有效提高反演精度，同时解决了传统土壤元素含量填图过于依赖控制点问题，减少野外工作量，为发射率数据的应用提出了新的思路。

公开(公告)号：CN111564188A

公开(公告)日：2020-08-21

申请号：CN202010356591.1

申请日：2020-04-29

Applicant: 核工业北京地质研究院

Inventor： 秦凯 ,  朱玲 ,  赵宁博 ,  杨越超 ,  崔鑫 ,  李明

IPC: G16C20/70 ,  G16C20/20 ,  G06N3/04 ,  G06N3/08 ,  G01N21/25

Abstract: 本发明属于地质勘查技术领域，具体涉及一种基于变分自编码矿物信息定量分析方法，包括以下步骤：步骤一：采集研究区高光谱数据，读取多种矿物混合的光谱作为训练样本光谱；步骤二：根据光谱波段数、矿物种类、构建五层全连接神经网络；步骤三：将每一条样本光谱转化为一个列向量，并进行光谱归一化处理；输入到全连接神经网络进行训练，获得矿物端元光谱的初始值；步骤四：构建变分自编码神经网络；步骤五：训练变分自编码神经网络，将变分自编码神经网络第二隐含层映射到变分自编码神经网络重构样本输出层的权重系数矩阵参数设置为步骤三中矿物端元光谱的初始值。