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！

龙图腾网获悉大连理工大学申请的专利一体化高光谱水质分析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：CN119337251B 。

龙图腾网通过国家知识产权局官网在2025-03-21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：202411873919.1，技术领域涉及：G06F18/243；该发明授权一体化高光谱水质分析方法是由曹暾;卢思璇;贾婧媛;李超远;王泰雷设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本一体化高光谱水质分析方法在说明书摘要公布了：一体化高光谱水质分析方法，属于分析高光谱水质领域。首先，前期水质数据采集及水质图像采集，对数据预处理；其次，采用三种降维方法进行降维处理，并通过参数权衡选择进行融合降维；再次，采用机器学习算法对降维后的光谱数据进行高光谱水质反演模型的训练和测试；最后，进行高光谱水质反演模型选择与优化。本发明在数据降维处理方面采用创新融合策略，能够实现更好的数据降维效果，有效去除噪声和冗余信息，提供更准确和可靠的数据基础；在模型训练与测试方面使用多种机器学习算法对降维后的光谱数据进行训练和测试，并根据各种指标选择最适合的方法进行模型的训练和预测，能够充分利用不同算法的优势，提高水质分析的准确性和可靠性。

本发明授权一体化高光谱水质分析方法在权利要求书中公布了：1.一体化高光谱水质分析方法，其特征在于，所述的一体化高光谱水质分析方法包括以下步骤：步骤一，前期水质数据采集及水质图像采集；在前期准备高光谱水质反演模型建立需要的水质数据，水质图像；根据需求，选取要采集区域的多个不同位置、不同深度的点，使用高光谱相机来采集不同点的光谱数据；同时使用传感器及化学方法获取采集区域的多个不同位置、不同深度的点的水质参数；步骤二，数据预处理；对采集到的不同点位的水质图像及光谱数据进行预处理，所述的预处理包括反射率校正、降噪、预处理操作；步骤三，数据降维方法与融合降维；采用三种降维方法：主成分分析法PCA，t-分布式随机邻域嵌入t-SNE，均匀流形近似和投影UMAP，并通过参数权衡选择进行融合降维，实现最佳的降维效果；具体如下：步骤3.1，对步骤二预处理后的数据，分别使用PCA、t-SNE和UMAP对数据进行独立降维：PCA降维：计算协方差矩阵的特征值和特征向量，选择前k个最大的特征值对应的特征向量，将数据投影到这些特征向量组成的子空间；t-SNE降维：使用t-SNE算法将高维数据映射到二维或三维空间，保持数据点之间的局部结构；UMAP降维：使用UMAP算法将高维数据映射到低维空间，同时保留全局和局部结构；步骤3.2，采用交叉验证方法，确定每种方法在融合中的权重；将数据集分成若干个子集，每次留出一个子集作为测试集，其余作为训练集，重复多次，计算每种降维方法在不同折中的性能指标；对于每种方法，计算其在交叉验证中的性能指标的平均值；根据性能指标的平均值，为每种方法分配权重；步骤3.3，进行融合降维：将三种方法的降维结果按照确定的权重进行加权平均，得到最终的融合降维结果；加权平均的公式为：Xfused＝wpcaXpca+wt-SNEXt-SNE+wUMAPXUMAP其中，Xfused是融合后的降维结果，Xpca、Xt-SNE和XUMAP分别是PCA、t-SNE和UMAP的降维结果，wPCA、wt-SNE和wUMAP是对应的权重；步骤四，高光谱水质反演模型训练；采用支持向量机SVM、随机森林RandomForest和决策树DecisionTree三种机器学习算法对降维后的光谱数据进行高光谱水质反演模型的训练和测试；步骤五，高光谱水质反演模型选择与优化；选取决定系数R2和均方根误差RMSE作为高光谱水质反演模型的拟合精度的检验指标；通过高光谱水质高光谱水质反演模型训练能够得到对采集区域内不同位置、不同深度点的水质参数浓度的预测结果，包括七种水质参数在各点的浓度值；获取水质各参数准确且直观的信息。

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大连理工大学，其通讯地址为：116000 辽宁省大连市甘井子区凌工路2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”。