-
公开(公告)号：CN103940767A
公开(公告)日：2014-07-23
申请号：CN201410190563.1
申请日：2014-05-07
Applicant: 重庆大学
Abstract: 本发明公开了一种基于多流形学习的气体浓度反演方法，1)采集光源发出的光通过不同已知浓度气体时的光谱数据；2)将采集的吸收光谱数据减去暗光谱并进行归一化处理；3)利用NPE算法对不同浓度的预处理后的数据分别进行特征提取；4)将得到的特征数据作为训练样本，并送入SVR分类器进行训练，构建反演模型；5)测试样本光谱数据采集；6)将测试样本光谱数据预处理后再进行特征提取，并将得到的特征数据送入构建好的反演模型中，反演得到待测气体浓度。本发明可以提高气体浓度反演精度，改善浓度反演算法的重复性和可移植性，尤其能够提高短光程条件下低浓度气体的反演精度，满足在线检测的精度要求。
-
公开(公告)号：CN102128794B
公开(公告)日：2012-10-03
申请号：CN201110034278.7
申请日：2011-01-31
Applicant: 重庆大学
CPC classification number: G06K9/0063
Abstract: 本发明公开了一种基于流形学习的遥感水质监测方法，涉及一种基于流形学习的多光谱遥感水质监测方法，通过流形学习方法对样本点进行训练得到将水质遥感数据投影到低维嵌入空间的投影矩阵，然后对样本点低维嵌入空间的特征矩阵和对应的水质参数实地监测数据利用支持向量回归算法得到非线性模型，再利用非线性模型反演整个水体，得到整个水体水质参数的浓度值，并根据其处于不同的区间赋予不同的颜色，以直观显示整个水体水质参数的浓度情况，从而实现水体的水质评价和监测，它有效地揭示了隐藏在多光谱遥感图像数据中的本质规律，解决了水质评价的非线性问题。
-
公开(公告)号：CN102128794A
公开(公告)日：2011-07-20
申请号：CN201110034278.7
申请日：2011-01-31
Applicant: 重庆大学
CPC classification number: G06K9/0063
Abstract: 本发明公开了一种基于流形学习的遥感水质监测方法，涉及一种基于流形学习的多光谱遥感水质监测方法，通过流形学习方法对样本点进行训练得到将水质遥感数据投影到低维嵌入空间的投影矩阵，然后对样本点低维嵌入空间的特征矩阵和对应的水质参数实地监测数据利用支持向量回归算法得到非线性模型，再利用非线性模型反演整个水体，得到整个水体水质参数的浓度值，并根据其处于不同的区间赋予不同的颜色，以直观显示整个水体水质参数的浓度情况，从而实现水体的水质评价和监测，它有效地揭示了隐藏在多光谱遥感图像数据中的本质规律，解决了水质评价的非线性问题。
-
公开(公告)号：CN101770584B
公开(公告)日：2011-11-09
申请号：CN200910250850.6
申请日：2009-12-30
Applicant: 重庆大学
Abstract: 本发明提供一种高光谱遥感数据鉴别特征提取方法，包括如下步骤：高光谱遥感图像数据读入计算机；将读入的高光谱遥感图像中每一个数据点根据其波段生成一个向量，从而整幅高光谱遥感图像构成一个矩阵，作为训练样本集；从训练样本集中选取部分数据点进行已知地物类别的标注，生成样本类别标签；在部分数据点的地物类别已知的前提下，通过训练样本集构建相似图和相异图来度量数据点的相似性与相异性；根据构建的相似图和相异图分别计算权重矩阵；计算局部相似结构矩阵和相异结构矩阵；通过目标优化函数计算投影矩阵；通过投影矩阵将高光谱遥感数据投影到低维嵌入空间，实现高光谱数据鉴别特征的提取。它有效解决高光谱数据中的本征流形结构和鉴别特征提取问题。
-
公开(公告)号：CN102129571A
公开(公告)日：2011-07-20
申请号：CN201110034276.8
申请日：2011-01-31
Applicant: 重庆大学
IPC: G06K9/66
Abstract: 本发明公开了一种基于半监督流形学习的多光谱遥感数据土地利用分类方法，涉及土地利用分类的方法；将多光谱遥感数据根据其波段生成矩阵作为样本数据集；从样本数据集中选取部分样本数据，并根据先验知识标注样本类别标签，同时从样本数据集中随机选取部分样本数据作为无标记数据；构建相似图和相异图来度量数据点的相似性与相异性，并计算权重矩阵；通过优化目标函数计算得到投影矩阵；对整幅多光谱遥感数据进行投影；用K-近邻分类算法进行土地利用分类；本发明利用半监督流形学习方法，加入随机选取的无标注样本数据，通过优化目标函数计算投影矩阵，来实现提高土地利用分类的精度，同时有效节约了标注训练样本类别的成本。
-
Patent Agency Ranking
公开(公告)号：CN103940767B
公开(公告)日：2016-01-13
申请号：CN201410190563.1
申请日：2014-05-07
Applicant: 重庆大学
Abstract: 本发明公开了一种基于多流形学习的气体浓度反演方法，1)采集光源发出的光通过不同已知浓度气体时的光谱数据；2)将采集的吸收光谱数据减去暗光谱并进行归一化处理；3)利用NPE算法对不同浓度的预处理后的数据分别进行特征提取；4)将得到的特征数据作为训练样本，并送入SVR分类器进行训练，构建反演模型；5)测试样本光谱数据采集；6)将测试样本光谱数据预处理后再进行特征提取，并将得到的特征数据送入构建好的反演模型中，反演得到待测气体浓度。本发明可以提高气体浓度反演精度，改善浓度反演算法的重复性和可移植性，尤其能够提高短光程条件下低浓度气体的反演精度，满足在线检测的精度要求。
-
公开(公告)号：CN102129571B
公开(公告)日：2013-03-27
申请号：CN201110034276.8
申请日：2011-01-31
Applicant: 重庆大学
IPC: G06K9/66
Abstract: 本发明公开了一种基于半监督流形学习的多光谱遥感数据土地利用分类方法，涉及土地利用分类的方法；将多光谱遥感数据根据其波段生成矩阵作为样本数据集；从样本数据集中选取部分样本数据，并根据先验知识标注样本类别标签，同时从样本数据集中随机选取部分样本数据作为无标记数据；构建相似图和相异图来度量数据点的相似性与相异性，并计算权重矩阵；通过优化目标函数计算得到投影矩阵；对整幅多光谱遥感数据进行投影；用K-近邻分类算法进行土地利用分类；本发明利用半监督流形学习方法，加入随机选取的无标注样本数据，通过优化目标函数计算投影矩阵，来实现提高土地利用分类的精度，同时有效节约了标注训练样本类别的成本。
-
公开(公告)号：CN101785672A
公开(公告)日：2010-07-28
申请号：CN201010103529.8
申请日：2010-01-29
Applicant: 重庆大学
IPC: A61B5/055
Abstract: 本发明提供一种基于磁共振波谱成像的乳腺肿瘤诊断系统，包括超导MR扫描仪和计算机系统，通过计算机辅助检测手段，实现乳腺肿瘤的早期鉴别诊断，进一步实现乳腺癌的诊断。其采用鉴别性流形学习方法对乳腺磁共振波谱数据进行学习，将其投影到低维嵌入空间，不仅可以揭示隐藏在高维磁共振波谱空间中的低维流形结构，而且有效保持乳腺磁共振波谱数据中的鉴别信息；然后利用聚类方法对低维鉴别特征进行优化聚类，使不具备同类鉴别特征的数据点得到了最大程度的分离；进一步，还引入代价敏感机制，以达到错分的总体代价最小化，实现乳腺癌的优化诊断。
-
公开(公告)号：CN101770584A
公开(公告)日：2010-07-07
申请号：CN200910250850.6
申请日：2009-12-30
Applicant: 重庆大学
Abstract: 本发明提供一种高光谱遥感数据鉴别特征提取方法，包括如下步骤：高光谱遥感图像数据读入计算机；将读入的高光谱遥感图像中每一个数据点根据其波段生成一个向量，从而整幅高光谱遥感图像构成一个矩阵，作为训练样本集；从训练样本集中选取部分数据点进行已知地物类别的标注，生成样本类别标签；在部分数据点的地物类别已知的前提下，通过训练样本集构建相似图和相异图来度量数据点的相似性与相异性；根据构建的相似图和相异图分别计算权重矩阵；计算局部相似结构矩阵和相异结构矩阵；通过目标优化函数计算投影矩阵；通过投影矩阵将高光谱遥感数据投影到低维嵌入空间，实现高光谱数据鉴别特征的提取。它有效解决高光谱数据中的本征流形结构和鉴别特征提取问题。
-
公开(公告)号：CN101785672B
公开(公告)日：2011-08-31
申请号：CN201010103529.8
申请日：2010-01-29
Applicant: 重庆大学
IPC: A61B5/055
Abstract: 本发明提供一种基于磁共振波谱成像的乳腺肿瘤诊断系统，包括超导MR扫描仪和计算机系统，通过计算机辅助检测手段，实现乳腺肿瘤的早期鉴别诊断，进一步实现乳腺癌的诊断。其采用鉴别性流形学习方法对乳腺磁共振波谱数据进行学习，将其投影到低维嵌入空间，不仅可以揭示隐藏在高维磁共振波谱空间中的低维流形结构，而且有效保持乳腺磁共振波谱数据中的鉴别信息；然后利用聚类方法对低维鉴别特征进行优化聚类，使不具备同类鉴别特征的数据点得到了最大程度的分离；进一步，还引入代价敏感机制，以达到错分的总体代价最小化，实现乳腺癌的优化诊断。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.019 seconds)
