基于超像素轮廓和改进PSO-ELM的空谱主动学习高光谱分类方法

    公开(公告)号:CN113139513A

    公开(公告)日:2021-07-20

    申请号:CN202110526284.8

    申请日:2021-05-14

    Abstract: 本发明公开一种基于超像素轮廓和改进PSO‑ELM的空谱主动学习高光谱分类方法,属于高光谱图像处理与分类技术领域,该方法利用主成分分析法提取高光谱影像的光谱信息,并通过构造扩展超像素轮廓ESPP来整合主成分图像的光谱和空间信息,再通过构建的ESPP得到的主成分图像空谱特征获取超像素数据,使其适用于主动学习;接着提出了一种改进的极限学习机模型;最后将主成分图像空谱特征的超像素数据输入模型中训练得到最佳模型,将高光谱图像输入训练完的最佳模型中得到分类结果。本发明充分提取了高光谱图像的空谱信息,同时结合改进的粒子群‑极限学习机对输入权值和隐藏偏差进行优化,提高了泛化能力,最终提高了图像的分类精度。

    一种高光谱遥感影像分类方法
    2.
    发明公开

    公开(公告)号:CN116612317A

    公开(公告)日:2023-08-18

    申请号:CN202310459548.1

    申请日:2023-04-26

    Abstract: 本发明涉及遥感分类领域,且公开了一种高光谱遥感影像分类方法,其包括构建初始化SDAE模型、根据迭代次数和学习率推导出目标函数、根据学习率比例判断学习率取值和根据权值矩阵和偏置量判断学习能否结束。本发明提供的方法应用到遥感影像分类中能够避免陷入局部最优陷阱,缓解手动操作效率低的状况,提高分类精度,缩减实验时长;本发明所提供的自适应学习率计算方法能有助于更深层的学习影像特征,提高分类精度,学习效率也较高,能有效解决以往算法中的陷入局部最优和需要手动调参等问题。

    基于注意力机制和生成对抗网络的高光谱影像分类方法

    公开(公告)号:CN113128471A

    公开(公告)日:2021-07-16

    申请号:CN202110533010.1

    申请日:2021-05-17

    Abstract: 本发明提供一种基于注意力机制和生成对抗网络的高光谱影像分类方法,涉及高光谱图像处理与应用技术领域。本发明对高光谱影像数据集进行归一化、主成分分析,得到真实样本;将特征矩阵进行转置卷积运算后,生成的特征输入到联合的空间‑光谱联合注意力机制模块,得到生成样本;将真实样本和生成样本进行四次卷积,得到输入样本的层次特征;真实样本特征与生成器中相应的等尺寸特征相加,生成新的融合特征输入到联合的空间‑光谱联合注意力机制模块;将层次特征沿着光谱通道依次输入到ConvLSTM中,通过识别器中的softmax函数实现分类。本发明能有效提高生成样本的质量,通过使用生成的高质量样本,提高鉴别器的分类能力。

    基于超像素轮廓和改进PSO-ELM的空谱主动学习高光谱分类方法

    公开(公告)号:CN113139513B

    公开(公告)日:2023-11-10

    申请号:CN202110526284.8

    申请日:2021-05-14

    Abstract: 本发明公开一种基于超像素轮廓和改进PSO‑ELM的空谱主动学习高光谱分类方法,属于高光谱图像处理与分类技术领域,该方法利用主成分分析法提取高光谱影像的光谱信息,并通过构造扩展超像素轮廓ESPP来整合主成分图像的光谱和空间信息,再通过构建的ESPP得到的主成分图像空谱特征获取超像素数据,使其适用于主动学习;接着提出了一种改进的极限学习机模型;最后将主成分图像空谱特征的超像素数据输入模型中训练得到最佳模型,将高光谱图像输入训练完的最佳模型中得到分类结果。本发明充分提取了高光谱图像的空谱信息,同时结合改进的粒子群‑极限学习机对输入权值和隐藏偏差进行优化,提高了泛化能力,最终提高了图像的分类精度。

    基于条件随机场和深度特征学习的高光谱图像分类方法

    公开(公告)号:CN113139515A

    公开(公告)日:2021-07-20

    申请号:CN202110528225.4

    申请日:2021-05-14

    Abstract: 本发明公开一种基于条件随机场和深度特征学习的高光谱图像分类方法,该方法首先对输入的高光谱数据集进行归一化处理,接着采用3D‑CNN神经网络获取高光谱影像光谱‑空间特征,然后应用3D‑CNN生成特征图,利用3D‑CNN的输出特征在框架中引入基于3D‑CNN的深度CRF,扩展基于3D‑CNN的深层CRF架构来计算CRF的一元势函数和二元势函数;再根据后验概率对特征图进行粗分类,采用平均场近似算法来计算最大后验边界推理的CRF分布;最后对粗分类的分类图基于反卷积神经网络进行改进分类。本发明可以处理整个光谱通道的光谱信息和空间信息,有效获取基于三维数据立方体区域之间的语义相关性,并利用反卷积神经网络来提高模型最终的分类性能。

    一种图书馆多分体机器人协同系统

    公开(公告)号:CN206614536U

    公开(公告)日:2017-11-07

    申请号:CN201720369503.5

    申请日:2017-04-10

    Abstract: 本实用新型公开了一种图书馆多分体机器人协同系统,包括存取机器人、输送机器人、定位机器人、滑轨、夹取机构、红外传感器、定位板、一号电动推杆、二号电动推杆、扫描器、图书架、红外限位块和二维码,通过设置存取机器人、输送机器人和定位机器人,存取机器人存入图书信息,并将图书信息通过云端传送给输送机器人和定位机器人,输送机器人传送图书,定位机器人将图书放进图书存放的位置或定位出图书的位置,然后将图书夹取出来,使各个机器人相互配合,能够达到自动存放、外借图书的功能,不仅减少了人力、物力和财力的消耗,同时,能够提高效率,节省了时间,且不易出错。

    一种节约用水的厨房垃圾处理器的供水装置

    公开(公告)号:CN209941813U

    公开(公告)日:2020-01-14

    申请号:CN201920624509.1

    申请日:2019-04-30

    Abstract: 本实用新型公开了一种节约用水的厨房垃圾处理器的供水装置,包括:电磁阀、分水器、供水管、螺旋扁管、上连接架、下连接架等部件;使用时,在电磁阀后方连接上自来水管口,厨房垃圾处理器通过螺栓安装在处理器连接架上,在打开厨房垃圾处理器时,同时会接通电磁阀,电磁阀会打开,并由分水器将水流分螺旋扁管,螺旋扁管因为其独特的双螺旋结构,螺旋扁管喷出的水流会呈螺旋向下的旋转水流,使厨房垃圾处理器内的水流形成高压电的涡流形态,增加了厨房垃圾处理器内击碎的垃圾残渣的冲刷力度和排放吸引力;本实用新型的有益效果是:节约了厨房垃圾处理器的处理时间,进而节约了厨房垃圾处理器的用水量。

Patent Agency Ranking