-
公开(公告)号：CN108985360B
公开(公告)日：2022-04-08
申请号：CN201810698251.X
申请日：2018-06-29
Applicant: 西安电子科技大学
IPC: G06K9/62 , G06V10/774 , G06V10/764 , G06V10/762
Abstract: 本发明公开一种基于扩展形态学与主动学习的高光谱图像分类方法，解决现有技术不能充分挖掘高光谱图像空间信息，导致分类精度低的问题。其步骤为：1)输入高光谱图像数据；2)对数据降维，提取光谱特征，并通过形态学剖面变换，得到空间特征；3)融合空谱特征，划分训练与测试样本集；4)利用训练样本集进行SVM分类；5)主动学习循环，由MCLU准则和AP聚类选取样本标记，更新训练与测试样本集；6)利用新的训练样本集进行SVM分类，直到训练样本数量达到预设数量时停止，得到最终分类结果。本发明将多结构元素的形态学特征与主动学习相结合，充分利用空谱信息，在小样本前提下提高了分类精度。
-
公开(公告)号：CN112733769A
公开(公告)日：2021-04-30
申请号：CN202110060277.3
申请日：2021-01-18
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于多波段熵率超像素分割的高光谱图像分类方法，用于解决现有技术存在的分类精度较低和分类效率较低的技术问题，实现步骤为：(1)对高光谱图像进行多波段熵率超像素分割；(2)获取训练集和测试集；(3)对多分类支持向量机分类器进行训练；(4)获取高光谱图像的分类结果。本发明采用的基于多波段熵率超像素分割的高光谱图像分类方法，充分利用了高光谱图像地物目标的光谱信息和多波段上的空间分布信息，从而有效提高了高光谱图像的分类精度，且分类效率较高，可应用于灾害监测、地质勘探、城市规划、农业和考古等领域。
-
公开(公告)号：CN109460788B
公开(公告)日：2020-12-08
申请号：CN201811269217.7
申请日：2018-10-29
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于低秩‑稀疏信息组合网络的高光谱图像分类方法，其实现步骤为：(1)输入高光谱图像；(2)获取高光谱图像的低秩信息和稀疏信息；(3)对低秩信息和稀疏信息进行预处理；(4)生成训练集与测试集；(5)构建低秩‑稀疏信息组合网络；(6)训练低秩‑稀疏信息组合网络；(7)对测试样本进行分类。本发明能有效解决传统低秩恢复分类算法由于低秩子空间估计不准确导致的分类精度下降问题，避免了复杂的低秩恢复操作，在实现较高分类精度的同时，能保持对小样本数量类别的识别能力，分类性能稳定。
-
公开(公告)号：CN107451614B
公开(公告)日：2019-12-24
申请号：CN201710644479.6
申请日：2017-08-01
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于空间坐标与空谱特征融合的高光谱分类方法，克服了现有技术空间信息引入方式复杂和信息利用不充分的问题。本发明具体实现的步骤为：(1)输入数据；(2)获取训练样本集和测试样本集；(3)确定空间特征；(4)获取光谱特征；(5)融合分析光谱特征与空间特征；(6)输出最终分类图。本发明利用了空间坐标引入了空间信息，同时采用空谱特征融合的方式，充分地利用信息，以很少的时间获得了很高的分类精度。
-
公开(公告)号：CN110321963A
公开(公告)日：2019-10-11
申请号：CN201910616371.5
申请日：2019-07-09
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于融合多尺度多维空谱特征的高光谱图像分类方法，其实现步骤为：(1)输入高光谱图像；(2)对待分类的高光谱图像进行预处理；(3)邻域取块；(4)生成训练集与测试集；(5)构建多尺度空谱特征和多维特征融合网络；(6)训练多尺度空谱特征和多维特征融合网络；(7)对测试样本进行分类。本发明提出的方法能有效解决卷积神经网络在训练时特征太过单一和尺度太过单一的问题，并且能够解决进行高光谱分类时平均分类精度AA低的问题，在实现较高分类精度的同时，能保持对小样本数量类别的识别能力，分类性能良好。
-
Patent Agency Ranking
公开(公告)号：CN108776919A
公开(公告)日：2018-11-09
申请号：CN201810550780.5
申请日：2018-05-31
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于聚类及进化算法构建信息核的物品推荐方法，其步骤为：(1)构建用户物品评分矩阵；(2)将用户物品评分矩阵降维；(3)利用聚类算法构建虚拟用户物品评分矩阵；(4)构建并更新用户物品训练矩阵和用户物品优化矩阵；(5)初始化父代种群；(6)交叉变异生成过渡种群；(7)计算信息核个体的推荐精度；(8)生成子代种群；(9)更新父代种群；(10)判断迭代次数是否为100次；(11)完成信息核构建；(12)利用信息核为用户推荐物品。本发明具有构建信息核快，为用户推荐物品更精确的优点。
-
公开(公告)号：CN106296655A
公开(公告)日：2017-01-04
申请号：CN201610601199.2
申请日：2016-07-27
Applicant: 西安电子科技大学
CPC classification number: G06T7/0002 , G06K9/6223 , G06T2207/10044 , G06T2207/20004 , G06T2207/20032 , G06T2207/20221
Abstract: 本发明公开了一种基于自适应权值和高频阈值的SAR图像变化检测方法，主要解决现有技术检测效果不理想，单一类型差异图检测精度低的问题。其实现步骤为：1.读入不同时刻从同一地区获取的两幅SAR图像I1和I2；2.分别计算两幅图像I1和I2对应像素的均值比差异图Dm和邻域对数比差异图Dl；3.对均值比差异图Dm和邻域对数比差异图Dl进行小波融合，得到融合后的差异图像Xd；4.将融合差异图Xd聚成不同的两类，得到变化检测结果。本发明操作简单、抗噪性好、检测精度高，对不同类型的SAR图像均能获得较好的效果，可应用于环境监测、海洋观测、灾害评估、资源勘察、城区规划和地理测绘。
-
公开(公告)号：CN106021329A
公开(公告)日：2016-10-12
申请号：CN201610297877.0
申请日：2016-05-06
Applicant: 西安电子科技大学
IPC: G06F17/30
CPC classification number: G06F16/9535
Abstract: 本发明公开一种基于用户相似度的稀疏数据协同过滤推荐方法，主要解决现有技术中面临稀疏数据时，计算用户之间相似度值不准确，进而影响推荐质量的问题。其实现步骤为：(1)构建稀疏用户对项目的评分矩阵；(2)计算任意两个项目之间的全局相似性；(3)计算任意两个用户评分之间的局部相似性；(4)计算任意两个用户之间的相似度；(5)预测评分；(6)产生推荐列表；(7)完成了对所有用户的协同过滤项目推荐。通过实验仿真结果表明，在稀疏数据集上，本发明与传统协同过滤推荐方法相比计算用户之间相似度更准确，进而提高推荐质量，更好的满足用户需求。
-
公开(公告)号：CN117171435A
公开(公告)日：2023-12-05
申请号：CN202311124094.9
申请日：2023-09-01
Applicant: 西安电子科技大学
IPC: G06F16/9535 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于共识偏好及个性化偏好的物品推荐方法，实现步骤为：构建表征构造模型CF的训练样本集、推荐模型UPN的训练样本集和测试样本集；构建表征构造模型CF；初始化参数；对表征构造模型CF进行训练；获取训练好的表征构造模型；构建共识偏好及个性化偏好拟合推荐模型UPN；初始化参数；对共识偏好及个性化偏好拟合推荐模型UPN进行训练；获取训练好的共识偏好及个性化偏好拟合推荐模型UPN；获取物品推荐结果。本发明共识偏好及个性化偏好拟合推荐模型中的全连接网络具有较强的拟合能力，可同时拟合用户的共识偏好与个性化偏好，在更细微的层面更精准地捕获用户的个性化偏好，有效提高了物品推荐的准确性。
-
公开(公告)号：CN112733769B
公开(公告)日：2023-04-07
申请号：CN202110060277.3
申请日：2021-01-18
Applicant: 西安电子科技大学
IPC: G06V20/13 , G06V10/26 , G06V10/764
Abstract: 本发明提出了一种基于多波段熵率超像素分割的高光谱图像分类方法，用于解决现有技术存在的分类精度较低和分类效率较低的技术问题，实现步骤为：(1)对高光谱图像进行多波段熵率超像素分割；(2)获取训练集和测试集；(3)对多分类支持向量机分类器进行训练；(4)获取高光谱图像的分类结果。本发明采用的基于多波段熵率超像素分割的高光谱图像分类方法，充分利用了高光谱图像地物目标的光谱信息和多波段上的空间分布信息，从而有效提高了高光谱图像的分类精度，且分类效率较高，可应用于灾害监测、地质勘探、城市规划、农业和考古等领域。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.038 seconds)
