-
公开(公告)号：CN117710744A
公开(公告)日：2024-03-15
申请号：CN202311775353.4
申请日：2023-12-21
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/82 , G06V10/58 , G06V10/80 , G06V20/10 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开一种基于波段选择特征融合多注意力网络的高光谱图像分类方法，通过构建的波段选择网络，突出了信息量较大的波段，降低了高光谱图像的维度。在特征融合多注意力网络中分别构建了像素注意力模块，双分支多级光谱空间特征提取模块，光谱空间特征重利用模块，突出了与中心像素具有相同标签的像素或者对以像素为中心的领域分类有用的像素，实现了不同层次特征信息的互补，最大限度保证了融合特征在网络层间的流动。本发明解决现有技术大量冗余波段影响分类效果，干扰像素影响分类精度、光谱‑空间特征表示不足的问题，提升了高光谱图像分类的精度和效果。
-
公开(公告)号：CN108985360B
公开(公告)日：2022-04-08
申请号：CN201810698251.X
申请日：2018-06-29
Applicant: 西安电子科技大学
IPC: G06K9/62 , G06V10/774 , G06V10/764 , G06V10/762
Abstract: 本发明公开一种基于扩展形态学与主动学习的高光谱图像分类方法，解决现有技术不能充分挖掘高光谱图像空间信息，导致分类精度低的问题。其步骤为：1)输入高光谱图像数据；2)对数据降维，提取光谱特征，并通过形态学剖面变换，得到空间特征；3)融合空谱特征，划分训练与测试样本集；4)利用训练样本集进行SVM分类；5)主动学习循环，由MCLU准则和AP聚类选取样本标记，更新训练与测试样本集；6)利用新的训练样本集进行SVM分类，直到训练样本数量达到预设数量时停止，得到最终分类结果。本发明将多结构元素的形态学特征与主动学习相结合，充分利用空谱信息，在小样本前提下提高了分类精度。
-
公开(公告)号：CN109460788B
公开(公告)日：2020-12-08
申请号：CN201811269217.7
申请日：2018-10-29
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于低秩‑稀疏信息组合网络的高光谱图像分类方法，其实现步骤为：(1)输入高光谱图像；(2)获取高光谱图像的低秩信息和稀疏信息；(3)对低秩信息和稀疏信息进行预处理；(4)生成训练集与测试集；(5)构建低秩‑稀疏信息组合网络；(6)训练低秩‑稀疏信息组合网络；(7)对测试样本进行分类。本发明能有效解决传统低秩恢复分类算法由于低秩子空间估计不准确导致的分类精度下降问题，避免了复杂的低秩恢复操作，在实现较高分类精度的同时，能保持对小样本数量类别的识别能力，分类性能稳定。
-
公开(公告)号：CN109949099A
公开(公告)日：2019-06-28
申请号：CN201910224593.2
申请日：2019-03-23
Applicant: 西安电子科技大学
IPC: G06Q30/02
Abstract: 本发明公开一种基于聚类及多臂赌博机的信息核构建方法，主要解决现有技术推荐精度偏低和信息核提取时间过长的问题，其实现方案为：1)构建用户物品评分矩阵；2)对用户物品评分矩阵进行降维，得到低维矩阵；3)对低维矩阵中的用户进行重复聚类；4)根据聚类结果，构建虚拟用户物品评分矩阵；5)利用多臂赌博机从虚拟用户物品评分矩阵中提取信息核；6)利用提取出的信息核为用户物品评分矩阵中的每一个用户推荐所需要的物品。本发明具有推荐精度高、提取信息核的速度快的优点，可用于为用户推荐所需要的物品。
-
公开(公告)号：CN108985360A
公开(公告)日：2018-12-11
申请号：CN201810698251.X
申请日：2018-06-29
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开一种基于扩展形态学与主动学习的高光谱图像分类方法，解决现有技术不能充分挖掘高光谱图像空间信息，导致分类精度低的问题。其步骤为：1)输入高光谱图像数据；2)对数据降维，提取光谱特征，并通过形态学剖面变换，得到空间特征；3)融合空谱特征，划分训练与测试样本集；4)利用训练样本集进行SVM分类；5)主动学习循环，由MCLU准则和AP聚类选取样本标记，更新训练与测试样本集；6)利用新的训练样本集进行SVM分类，直到训练样本数量达到预设数量时停止，得到最终分类结果。本发明将多结构元素的形态学特征与主动学习相结合，充分利用空谱信息，在小样本前提下提高了分类精度。
-
Patent Agency Ranking
公开(公告)号：CN108460147A
公开(公告)日：2018-08-28
申请号：CN201810228833.1
申请日：2018-03-20
Applicant: 西安电子科技大学
CPC classification number: G06F16/9535 , G06N3/006
Abstract: 本发明公开一种基于多子种群协同进化构建信息核的推荐方法，其步骤为：(1)构建用户物品评分矩阵；(2)设定参数；(3)设置子种群的个体数；(4)初始化大于度阈值子种群；(5)初始化小于度阈值子种群；(6)初始化无度阈值子种群；(7)生成临时种群；(8)生成过渡种群中大于度阈值子种群；(9)生成过渡种群中小于度阈值子种群；(10)生成过渡种群中无度阈值子种群；(11)计算信息核个体的推荐精度；(12)生成子代种群。(13)更新父代种群；(14)判断迭代次数是否为100次；(15)完成信息核构建；(16)进行协同过滤推荐。本发明具有推荐精度高的优点。
-
公开(公告)号：CN109492593B
公开(公告)日：2021-09-10
申请号：CN201811366518.1
申请日：2018-11-16
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于主成分分析网络与空间坐标的高光谱图像分类方法，主要解决了现有技术空间与光谱信息融合复杂或不充分以及利用主成分分析网络进行高光谱分类时计算复杂度大等问题。其实现的方案为：先读取高光谱图像的数据集；再将数据集按空间分块随机选取训练集与测试集；然后对光谱信息进行降维、归一化及边缘保留滤波处理；接着将空间坐标扩充并与光谱特征融合；然后训练主成分分析网络，得训练好的主成分分析网络；将测试集数据输入训练好的主成分分析网络，得到测试集中每个像素点的特征向量；最后利用支持向量机SVM得到分类结果。本发明降低了计算复杂度，提高了分类效果，可应用于资源勘探、森林覆盖、灾害监测中的目标识别。
-
公开(公告)号：CN103020978B
公开(公告)日：2015-07-15
申请号：CN201210596406.1
申请日：2012-12-14
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种结合多阈值分割与模糊聚类的SAR图像变化检测方法，主要针对已有模糊聚类算法的不足，把多阈值分割与模糊聚类结合起来，用于SAR图像变化检测。其实现步骤是：(1)对两幅SAR图像进行中值滤波；(2)计算得到归一化后的对数比差异图像；(3)采用基于标准粒子群优化的大津法对归一化后的对数比差异图像进行多阈值分割；(4)初始化隶属度矩阵U0和U1；(5)采用FLICM算法对多阈值分割后属于不能确定是否发生了变化的像素进行模糊聚类；(6)去模糊；(7)输出变化检测结果。本发明把多阀值分割和模糊聚类结合起来用于SAR图像变化检测，降低了变化检测时间，并提高了变化检测的精度。
-
公开(公告)号：CN103020978A
公开(公告)日：2013-04-03
申请号：CN201210596406.1
申请日：2012-12-14
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种结合多阈值分割与模糊聚类的SAR图像变化检测方法，主要针对已有模糊聚类算法的不足，把多阈值分割与模糊聚类结合起来，用于SAR图像变化检测。其实现步骤是：(1)对两幅SAR图像进行中值滤波；(2)计算得到归一化后的对数比差异图像；(3)采用基于标准粒子群优化的大津法对归一化后的对数比差异图像进行多阈值分割；(4)初始化隶属度矩阵U0和U1；(5)采用FLICM算法对多阈值分割后属于不能确定是否发生了变化的像素进行模糊聚类；(6)去模糊；(7)输出变化检测结果。本发明把多阀值分割和模糊聚类结合起来用于SAR图像变化检测，降低了变化检测时间，并提高了变化检测的精度。
-
公开(公告)号：CN109949099B
公开(公告)日：2022-04-08
申请号：CN201910224593.2
申请日：2019-03-23
Applicant: 西安电子科技大学
IPC: G06Q30/02
Abstract: 本发明公开一种基于聚类及多臂赌博机的信息核构建方法，主要解决现有技术推荐精度偏低和信息核提取时间过长的问题，其实现方案为：1)构建用户物品评分矩阵；2)对用户物品评分矩阵进行降维，得到低维矩阵；3)对低维矩阵中的用户进行重复聚类；4)根据聚类结果，构建虚拟用户物品评分矩阵；5)利用多臂赌博机从虚拟用户物品评分矩阵中提取信息核；6)利用提取出的信息核为用户物品评分矩阵中的每一个用户推荐所需要的物品。本发明具有推荐精度高、提取信息核的速度快的优点，可用于为用户推荐所需要的物品。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.03 seconds)
