基于深度学习的无监督高光谱图像分类方法

发明专利有效专利

申请号：
CN202010622917.0
IPC分类号：G06K9/62;G06N3/04;G06N3/08
申请日期：
2020-06-30
申请人：
山东女子学院

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于深度学习的无监督高光谱图像分类方法
申请号	CN202010622917.0	申请日期	2020-06-30
法律状态	实质审查	申报国家	中国
公开/公告日	2020-10-16	公开/公告号	CN111783884A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	山东女子学院	申请人地址	山东省济南市长清大学科技园大学路2399号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	山东女子学院	当前权利人	山东女子学院
发明人	郭延辉;智绪威;曲富丽;于谦
代理机构	北京慕达星云知识产权代理事务所（特殊普通合伙）	代理人	符继超

摘要

本发明公开的一种基于深度学习的无监督高光谱图像分类方法，包括引入高光谱图像的负样本，结合原始高光谱图像构成高光谱图像样本，将高光谱图像样本划分为训练数据和待预测数据，并进行维度压缩，得到压缩后的训练数据和待预测数据；对压缩后的训练数据进行自回归，生成上下文信息；根据上下文信息和压缩后待预测数据之间的互信息进行高光谱图像样本的自身预测，得到对比预测编码器；将预测编码器应用在待分类高光谱图像上，得到特征数据，使用K‑Means聚类算法，对特征数据进行无监督分类。本发明避免了繁重的数据标注工作，提高了高光谱图像无监督分类的精确性。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供