-
公开(公告)号：CN113988139A
公开(公告)日：2022-01-28
申请号：CN202111306631.2
申请日：2021-11-05
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于多数据集协同分析的高光谱波段选择方法及存储介质。该方法包括：获取K个高光谱数据集；计算每个所述初始种群中的每个个体的适应度值；对当前种群内的父代个体执行交叉或变异操作，得到第一子代个体；对当前种群之间的父代个体依跨数据迁移概率执行交叉操作，得到第二子代个体；根据适应度值更新当前种群并根据迁移概率函数更新所述跨数据集迁移概率；选择适应度值最高的个体作为当前种群的最优波段进行输出。本发明构建了一个高光谱多数据集波段选择协同分析框架，利用数据集相同的光谱范围及相似的光谱‑空间结构，从而提高每个数据集的波段选择性能。
-
公开(公告)号：CN113723450B
公开(公告)日：2024-03-19
申请号：CN202110814268.9
申请日：2021-07-19
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于进化多任务优化的高光谱图像波段选择方法，包括：获取高光谱图像，基于无标签样本和带标签样本分别建立第一任务优化模型和第二任务优化模型；根据高光谱图像的维数和谱带数确定编码个体，并根据编码个体初始化种群参数；计算初始种群中每个编码个体在第一任务优化模型和第二任务优化模型上的适应度值，通过适应度值得到技能因子；根据适应度值和技能因子对初始种群进行迭代优化，在每次迭代后计算综合评估结果；从若干综合评估结果中选择适应度值最高的结果进行输出。本发明利用标记样本和未标记样本的不同数值特征，设计了针对样本的目标准则，从不同角度搜索有希望的波段，解决了样本针对性不足且计算量大的问题。
-
公开(公告)号：CN112509017A
公开(公告)日：2021-03-16
申请号：CN202011300324.9
申请日：2020-11-18
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于可学习差分算法的遥感影像变化检测方法。首先，在差分进化算法的每次迭代过程中执行变异和交叉操作；然后，从原种群和交叉后种群中随机选择部分个体进入新种群，再从新种群中选择个体并进行标记，得到训练样本；接着，对神经网络进行训练，再利用训练好的神经网络选择进入下一代种群的个体；如此迭代，得到逼近真实最优值的种群，再计算最优的模糊关系矩阵，将差异图中的每个像素分配到最大模糊值的类别，最终完成变化检测。本发明方法具有良好的优化能力和收敛速度，且检测精度高。
-
Patent Agency Ranking
公开(公告)号：CN113988139B
公开(公告)日：2024-09-13
申请号：CN202111306631.2
申请日：2021-11-05
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于多数据集协同分析的高光谱波段选择方法及存储介质。该方法包括：获取K个高光谱数据集；计算每个所述初始种群中的每个个体的适应度值；对当前种群内的父代个体执行交叉或变异操作，得到第一子代个体；对当前种群之间的父代个体依跨数据迁移概率执行交叉操作，得到第二子代个体；根据适应度值更新当前种群并根据迁移概率函数更新所述跨数据集迁移概率；选择适应度值最高的个体作为当前种群的最优波段进行输出。本发明构建了一个高光谱多数据集波段选择协同分析框架，利用数据集相同的光谱范围及相似的光谱‑空间结构，从而提高每个数据集的波段选择性能。
-
公开(公告)号：CN112465884B
公开(公告)日：2024-01-16
申请号：CN202011336233.0
申请日：2020-11-25
Applicant: 西北工业大学
IPC: G06T7/33 , G06N3/0475 , G06N3/094 , G06N3/045
Abstract: 本发明提供了一种基于生成式特征表示网络的多元遥感影像变化检测方法。设计了由特征提取网络和生成对抗网络构成的生成式特征网络，特征提取网络学习有利于多元变化检测的数据特征，生成对抗网络学习具有可扩展性的数据分布信息，采用自适应循环学习策略进行网络更新，更新过程中同时进行分类数目自适应调整，并利用变化向量分析算法进行标签数据更新，直至网络稳定，得到最终的变化检测结果。本发明可应用于复杂遥感影像的多元变化检测，且检测精度高、鲁棒性强。
-
公开(公告)号：CN112465884A
公开(公告)日：2021-03-09
申请号：CN202011336233.0
申请日：2020-11-25
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于生成式特征表示网络的多元遥感影像变化检测方法。设计了由特征提取网络和生成对抗网络构成的生成式特征网络，特征提取网络学习有利于多元变化检测的数据特征，生成对抗网络学习具有可扩展性的数据分布信息，采用自适应循环学习策略进行网络更新，更新过程中同时进行分类数目自适应调整，并利用变化向量分析算法进行标签数据更新，直至网络稳定，得到最终的变化检测结果。本发明可应用于复杂遥感影像的多元变化检测，且检测精度高、鲁棒性强。
-
公开(公告)号：CN112509017B
公开(公告)日：2024-06-28
申请号：CN202011300324.9
申请日：2020-11-18
Applicant: 西北工业大学
Abstract: 本发明提供了一种基于可学习差分算法的遥感影像变化检测方法。首先，在差分进化算法的每次迭代过程中执行变异和交叉操作；然后，从原种群和交叉后种群中随机选择部分个体进入新种群，再从新种群中选择个体并进行标记，得到训练样本；接着，对神经网络进行训练，再利用训练好的神经网络选择进入下一代种群的个体；如此迭代，得到逼近真实最优值的种群，再计算最优的模糊关系矩阵，将差异图中的每个像素分配到最大模糊值的类别，最终完成变化检测。本发明方法具有良好的优化能力和收敛速度，且检测精度高。
-
公开(公告)号：CN113723450A
公开(公告)日：2021-11-30
申请号：CN202110814268.9
申请日：2021-07-19
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于进化多任务优化的高光谱图像波段选择方法，包括：获取高光谱图像，基于无标签样本和带标签样本分别建立第一任务优化模型和第二任务优化模型；根据高光谱图像的维数和谱带数确定编码个体，并根据编码个体初始化种群参数；计算初始种群中每个编码个体在第一任务优化模型和第二任务优化模型上的适应度值，通过适应度值得到技能因子；根据适应度值和技能因子对初始种群进行迭代优化，在每次迭代后计算综合评估结果；从若干综合评估结果中选择适应度值最高的结果进行输出。本发明利用标记样本和未标记样本的不同数值特征，设计了针对样本的目标准则，从不同角度搜索有希望的波段，解决了样本针对性不足且计算量大的问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.035 seconds)
