公开(公告)号：CN111414819A

公开(公告)日：2020-07-14

申请号：CN202010162640.8

申请日：2020-03-10

Applicant: 北京空间飞行器总体设计部

Inventor： 黄宇飞 ,  徐嘉 ,  李智慧 ,  高冀 ,  白绍竣 ,  任放 ,  姜笛 ,  赵阳 ,  高洪涛 ,  张新伟 ,  刘希刚 ,  曹海翊

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N20/00

Abstract: 本发明基于非平衡数据分类框架的火点智能检测和分类方法，具体包括以下步骤：1)选用LandSat 8卫星火点数据进行检测，提取火点图像波段数据，计算特征向量；2)感知机组合学习，主要训练正例优先感知器模型，完成反例排除，以此解决数据不平衡问题；3)提取特征向量，采用火点图像波段数据进行线性判别分析变换，提取特征向量；4)训练精确分类模型，训练加权支持向量机模型，对步骤4中的特征向量进行精确分类；5)对火点初步检测，用训练得到的模型判别待检测样本；6)火点的最终检测，经过步骤3、步骤4的分类之后，得到最终检测到的火点。

公开(公告)号：CN111414819B

公开(公告)日：2023-06-06

申请号：CN202010162640.8

申请日：2020-03-10

Applicant: 北京空间飞行器总体设计部

Inventor： 黄宇飞 ,  徐嘉 ,  李智慧 ,  高冀 ,  白绍竣 ,  任放 ,  姜笛 ,  赵阳 ,  高洪涛 ,  张新伟 ,  刘希刚 ,  曹海翊

IPC: G06V20/13 ,  G06V10/77 ,  G06V10/764 ,  G06V10/774 ,  G06V10/40 ,  G06N20/00

Abstract: 本发明基于非平衡数据分类框架的火点智能检测和分类方法，具体包括以下步骤：1)选用LandSat 8卫星火点数据进行检测，提取火点图像波段数据，计算特征向量；2)感知机组合学习，主要训练正例优先感知器模型，完成反例排除，以此解决数据不平衡问题；3)提取特征向量，采用火点图像波段数据进行线性判别分析变换，提取特征向量；4)训练精确分类模型，训练加权支持向量机模型，对步骤4中的特征向量进行精确分类；5)对火点初步检测，用训练得到的模型判别待检测样本；6)火点的最终检测，经过步骤3、步骤4的分类之后，得到最终检测到的火点。

公开(公告)号：CN111400885B

公开(公告)日：2023-06-06

申请号：CN202010163440.4

申请日：2020-03-10

Applicant: 北京空间飞行器总体设计部

Inventor： 徐嘉 ,  黄宇飞 ,  李智慧 ,  白绍竣 ,  丁建钊 ,  王帅 ,  刘佳欣 ,  胡震岳 ,  王垒

IPC: G06F30/20

Abstract: 基于分段线性拟合的遥感影像多目标快速预测建模方法，具体步骤为：1)建立直线拟合模型，采用最远距离点划分的方法实现分段线性拟合算法，建立直线拟合模型；2)计算所有分段节点序列，遍历所有输入变量和输出变量，得到节点序列；3)计算最小误差分段节点序列参数，计算每一维输入变量对应输出变量的最小误差分段节点序列；4)计算线性模型系数，并将其存储为线性模型系数矩阵；5)对预测样本自变量分段，根据分段节点序列将预测输入变量转换成分段后的预测输入变量；6)计算样本预测值，通过分段后的预测输入变量和线性模型系数计算输入变量的预测值。

公开(公告)号：CN111400885A

公开(公告)日：2020-07-10

申请号：CN202010163440.4

申请日：2020-03-10

Applicant: 北京空间飞行器总体设计部

Inventor： 徐嘉 ,  黄宇飞 ,  李智慧 ,  白绍竣 ,  丁建钊 ,  王帅 ,  刘佳欣 ,  胡震岳 ,  王垒

IPC: G06F30/20

Abstract: 基于分段线性拟合的遥感影像多目标快速预测建模方法，具体步骤为：1)建立直线拟合模型，采用最远距离点划分的方法实现分段线性拟合算法，建立直线拟合模型；2)计算所有分段节点序列，遍历所有输入变量和输出变量，得到节点序列；3)计算最小误差分段节点序列参数，计算每一维输入变量对应输出变量的最小误差分段节点序列；4)计算线性模型系数，并将其存储为线性模型系数矩阵；5)对预测样本自变量分段，根据分段节点序列将预测输入变量转换成分段后的预测输入变量；6)计算样本预测值，通过分段后的预测输入变量和线性模型系数计算输入变量的预测值。