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！

龙图腾网恭喜陕西师范大学申请的专利基于多图卷积网络的开集域适应遥感图像小样本分类方法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：CN113673629B 。

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：202111054659.1，技术领域涉及：G06V10/764；该发明授权基于多图卷积网络的开集域适应遥感图像小样本分类方法是由汪西莉;陈杰虎;洪灵;马君亮设计研发完成，并于2021-09-09向国家知识产权局提交的专利申请。

本基于多图卷积网络的开集域适应遥感图像小样本分类方法在说明书摘要公布了：基于多图卷积网络开集域适应遥感图像小样本分类方法，包括：S100：从任务数据集和辅助数据集中分别读取M个样本；S200：利用特征提取网络Conv4提取所有样本的特征；S300：根据提取的特征计算得到邻接矩阵A；S400：利用得到的邻接矩阵A和多图卷积运算更新样本特征；S500：利用更新后的特征，预测出任务数据集未标记样本的标签；S600：根据预测的样本标签，反向传播对网络进行训练；S700：利用训练好的网络对任务数据集的未标记样本进行分类，得到分类结果。通过减小共有类部分的域间差异，提升分类精度，利用图建模样本在特征空间中的相似性，通过图卷积运算增强同类别样本的聚集程度，进一步提升分类精度。

本发明授权基于多图卷积网络的开集域适应遥感图像小样本分类方法在权利要求书中公布了：1.一种基于多图卷积网络的开集域适应遥感图像小样本分类方法，其包括如下步骤：S100：从任务数据集和辅助数据集中分别读取M个样本，来自任务数据集的M个样本中，有N个类别，每个类别有K个标记样本，其余为未标记样本，来自辅助数据集的样本均为标记样本；其中，任务数据集和辅助数据集均为遥感图像的数据集；S200：利用特征提取网络Conv4提取所有样本的特征；S300：根据提取的特征，利用K近邻和径向基函数的方法建模图像之间的相似关系，计算得到邻接矩阵A；S400：利用得到的邻接矩阵A和多图卷积运算更新样本特征；S500：利用更新后的特征，得到每一类的原型中心，并计算未标记样本到每一类原型中心的距离，预测出任务数据集未标记样本的标签；S600：根据预测的样本标签，选出任务数据集与辅助数据集类别相同的样本特征，计算得到基于方差加权的域损失函数，反向传播对网络进行训练；S700：利用训练好的网络对任务数据集的未标记样本进行分类，得到分类结果；所述步骤S400中进一步包括如下步骤：使用若干个不同阶次的邻接矩阵进行线性组合来获得最终图卷积使用的邻接矩阵，且，P表示邻接矩阵的最高次方，是需要学习的加权系数，指S的j次方；然后在图上进行卷积运算更新样本特征，更新样本特征的运算表达式为：，其中H0是样本原始的特征，H是更新后的样本特征，是ReLU激活函数；其中，所述特征提取网络Conv4是四层卷积神经网络，每一层卷积神经网络之后接归一化层，ReLU激活层以及最大池化层；所述基于方差加权的域损失函数是利用样本的类内方差与最近邻类间距平方之间的比值来进行修正而最终得到的域损失函数，所述域损失函数的计算公式为： ；其中：μ是一个常数，、分别指辅助数据集和任务数据集中的样本，上标c表示该样本属于第c类，指特征提取网络，表示求数学期望，指再生核希尔伯特空间，是一个加权系数，是第c类样本类内方差与最近邻类间距平方之间的比值，C指类别个数。

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陕西师范大学，其通讯地址为：710000 陕西省西安市雁塔区长延堡办长安南路东侧；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”。