基于自动神经网络的具有终身学习能力的高光谱分类方法

发明专利有效专利

申请号：
CN202110187864.9
IPC分类号：G06K9/62;G06N3/08;G06N3/04
申请日期：
2021-02-09
申请人：
中国人民解放军国防科技大学

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	基于自动神经网络的具有终身学习能力的高光谱分类方法
申请号	CN202110187864.9	申请日期	2021-02-09
法律状态	实质审查	申报国家	中国
公开/公告日	2021-05-14	公开/公告号	CN112801204A
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;8;;;G;0;6;N;3;/;0;4查看分类表>
申请人	中国人民解放军国防科技大学	申请人地址	湖南省长沙市开福区德雅路109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	中国人民解放军国防科技大学	当前权利人	中国人民解放军国防科技大学
发明人	彭元喜;胡祥;杨文婧;周侗;刘煜;杨绍武;黄达;蓝龙;徐利洋;李雪琼;任静;徐炜遐
代理机构	国防科技大学专利服务中心	代理人	王文惠

摘要

本发明公开了一种基于自动神经网络的具有终身学习能力的高光谱分类方法。本发明步骤为，S1：对原始数据进行传统的主成分分析；S2：将数据随机划分为训练集、验证集和测试集；S3：将训练集样本输入到卷积神经网络中进行处理，当运行于第一个任务时，基于数据样本和给定的自动神经网络设定参数空间，分析不同网络结构性能，完成搜索后，记录模型验证集准确率，根据验证集准确率采用最高性能模型；S4：根据结果计算损失，再通过反向传播修改网络参数，不断重复上述训练过程；S5：将测试集样本放入分类模型中，对提取的特征进行处理，进行分类预测。通过Softmax作为输出层，实现分类计算。本发明能够明显提升在多种高光谱图像连续进行分类的效果。

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