公开(公告)号：CN118861851A

公开(公告)日：2024-10-29

申请号：CN202410876727.X

申请日：2024-07-02

Applicant: 电子科技大学

Inventor： 蔡世民 ,  王宏洋 ,  姚池 ,  刘思颖 ,  张青松

IPC: G06F18/2415 ,  G06F18/20 ,  G06F18/213 ,  G06F18/15 ,  G06N3/0464

Abstract: 本发明公开了一种基于水样全吸收光谱数据的地表水分类方法，属于深度学习领域中的时序数据分类领域。本发明从时序数据处理角度通过使用格拉姆角场(Gramian Angular Field)等数据升维方式将光谱数据升维转换为矩阵图像后，基于ResNet等深度学习网络提取图像的卷积特征，通过下游模式识别任务再训练这些特征与水体水质各项指标与其它多种相关因素的复杂关系，使得它们在数学表达上形成了一个高维空间的复杂函数，实现全光谱特征与水质各参数之间的自适应建模。从算法性能角度分析，相比于传统的污染分类方式，该方法能更为有效地拟合高维函数从而完成水质监测过程中污染物类别的预测和分析。