买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜江西师范大学申请的专利一种高光谱小样本分类方法、系统、设备及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119399557B 。

龙图腾网通过国家知识产权局官网在2025-03-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510000248.6，技术领域涉及：G06V10/764；该发明授权一种高光谱小样本分类方法、系统、设备及介质是由王渊;曹登峰;陈宇;孙佩;李雨昊;程若曦;林珲;胡启武设计研发完成，并于2025-01-02向国家知识产权局提交的专利申请。

本一种高光谱小样本分类方法、系统、设备及介质在说明书摘要公布了：本申请涉及高光谱遥感图像分类技术领域，公开了一种高光谱小样本分类方法、系统、设备及介质，该方法包括：获取高光谱的源域数据集及目标域数据集；构建多层次空间光谱特征融合网络（包括多层次空间光谱特征编码模块、自适应分层特征融合模块和特征集匹配模块），在多层次空间光谱特征编码模块提取空间光谱局部融合特征，在自适应分层特征融合模块中获得全局特征，并构建域分布特征损失函数；利用特征集匹配模块计算特征距离，并构建多层次特征匹配损失函数；结合这两类损失函数构建总损失函数，以训练多层次空间光谱特征融合网络，得到初始分类模型；将目标域数据集输入该模型进行自适应调整，以实现精确预测高光谱小样本分类。

本发明授权一种高光谱小样本分类方法、系统、设备及介质在权利要求书中公布了：1.一种高光谱小样本分类方法，其特征在于，所述方法包括：获取高光谱的源域数据集和目标域数据集，所述源域数据集包括支持集和查询集，所述目标域数据集包括目标域支持集、已标注查询集和未标注查询集，其中，所述目标域支持集和所述已标注查询集构成目标域训练数据集，所述未标注查询集作为测试数据集；构建多层次空间光谱特征融合网络，所述多层次空间光谱特征融合网络包括多层次空间光谱特征编码模块、自适应分层特征融合模块和特征集匹配模块，其中：将所述支持集和所述查询集输入所述多层次空间光谱特征编码模块，以提取支持集的空间光谱局部融合特征和查询集的空间光谱局部融合特征，所述多层次空间光谱特征编码模块中包括空间局部特征提取单元、光谱局部特征提取单元和空间光谱局部特征融合网络，空间局部特征提取单元为四层空间残差模块，光谱局部特征提取单元为四层光谱残差模块，四层空间残差模块包括两个分支、相加层、最大池化层和ReLU激活函数层，分支一包括三个2D卷积层、三个批量归一化BN层和三个ReLU激活函数层，分支二包括一个2D卷积层，四层光谱残差模块包括两个分支、相加层和ReLU激活函数层，分支一包括两个1D卷积层、两个批量归一化BN层和两个ReLU激活函数层，分支二包括一个1D卷积层，空间光谱局部特征融合网络包括串接层、NetVLAD网络层、两个1D卷积层和一个MLP层；将所述支持集的空间光谱局部融合特征和所述查询集的空间光谱局部融合特征输入所述自适应分层特征融合模块，以获得全局特征，根据所述全局特征构建域分布特征损失函数，所述自适应分层特征融合模块包括三个MLP层、一个Softmax函数层、一个相加层和一个相乘层；将所述支持集的空间光谱局部融合特征和所述查询集的空间光谱局部融合特征输入所述特征集匹配模块，所述特征集匹配模块用于得到特征距离，根据所述特征距离构建多层次特征匹配损失函数，特征距离的计算公式为：，式中表示选择最大的m个特征距离求和；表示查询集中的样本的局部特征集中的第i个特征；表示支持集中的样本的局部特征集中的第j个特征；表示样本和样本的单个特征之间的欧几里得距离；根据所述域分布特征损失函数和所述多层次特征匹配损失函数构建总损失函数；基于所述总损失函数，使用所述支持集和所述查询集对所述多层次空间光谱特征融合网络进行训练，得到初始高光谱小样本分类模型；将所述目标域训练数据集输入所述初始高光谱小样本分类模型进行自适应调整，得到目标高光谱小样本分类模型；将所述测试数据集输入所述目标高光谱小样本分类模型，得到高光谱小样本预测分类结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江西师范大学，其通讯地址为：330000 江西省南昌市高新技术开发区紫阳大道99号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。