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！

龙图腾网获悉自然资源部第一海洋研究所申请的专利基于GA-XGBoost的多源数据海底底质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：CN119274007B 。

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：202411819724.9，技术领域涉及：G06V10/764；该发明授权基于GA-XGBoost的多源数据海底底质分类方法是由李杰;张玉洁;唐秋华;陈义兰;冯义楷;刘焱雄设计研发完成，并于2024-12-11向国家知识产权局提交的专利申请。

本基于GA-XGBoost的多源数据海底底质分类方法在说明书摘要公布了：基于GA‑XGBoost的多源数据海底底质分类方法，属于海底底质分类技术领域，包括对多光谱数据和多波束测深数据进行预处理并进行地理坐标系统和空间分辨率的配准，从处理后的数据中提取多维光谱特征和地形特征参数，利用XGBoost算法计算特征重要性分数并从高到低排序，向前逐步特征选择技术通过最重要的两个特征建立一个基线模型，依次增加1个特征变量到XGBoost模型训练和测试，计算总体分类精度，从中筛选最优特征子集。然后，构建基于遗传算法优化超参数的GA‑XGBoost，并使用筛选后的特征数据集对模型进行训练和测试。本发明提高了海底底质分类的准确性，提高了分类模型的性能和泛化能力。

本发明授权基于GA-XGBoost的多源数据海底底质分类方法在权利要求书中公布了：1.基于GA-XGBoost的多源数据海底底质分类方法，其特征是包含以下步骤：（0）获取研究区域内的多光谱影像、多波束实测水深数据和实测底质样本；（1）数据预处理：对多光谱影像做辐射校正，大气校正预处理；并根据归一化差分水体指数方法对影像进行水陆分离；对测深数据和光谱影像进行空间尺度配准；（2）多特征提取与选择：（2.1）光谱特征提取：保留6个波段的辐射亮度值作为特征，分别是CoastalBule、Blue、Green、Yellow、Red、RedEdge；再根据对应波段辐射亮度值计算归一化植被指数NDVI、比值植被指数SR、可见光大气阻抗指VARI、增强型植被指数，共计10维光谱特征；（2.2）地形特征提取：选用多波束实测水深数据depth作为基础地形数据，提取相关地形特征数据——坡度slope、坡向aspect、曲率curvature和粗糙度roughness；（2.3）特征向量提取并构建特征选择：将提取到的特征按层结构排列，以1×1像元为单位提取每层相同坐标位置的各个特征数据和底质类别，逐层归一化处理，组成特征向量，将特征向量分布画出箱型图；（2.4）选择最优特征子集，包括重要性排序和分类精度分析，以XGBoost评估特征的重要性，在评估过程中通过比较分裂前后的目标函数变化来计算特征平均信息增益；通过对每个特征的增益值累加求均值，得到该特征的最终重要性分数；将特征重要性分数从高到低进行排序；为确定最优特征向量子集组合，采用向前逐步特征选择方法，为提高计算效率，将最重要的两个特征作为XGBoost的初始输入，按特征重要性分数依次增加1个特征变量到XGBoost模型训练和测试；每增添一维特征，观察分类精度变化；当分类精度变化不再显著，认为当前维度特征集合是最优的，至此完成特征选择；将选择出的特征数量记为N；（3）GA-XGBoost分类模型构建：将特征向量子集划分多个子集，每个子集依次用作验证集，并将其他子集用作训练集；GA遗传算法将待优化的XGBoost超参数组合表示为“染色体”，输入随机生成超参数组合，用每个超参数组合训练XGBoost模型，并在验证集上计算模型准确率指标作为适应度值，通过选择、交叉、变异操作产生新一代超参数组合，重复以上操作直至达到预设的迭代次数，输出适应度值最高的染色体作为优化后的XGBoost算法的最优超参数组合，得到最佳参数GA-XGBoost模型；（4）海底底质分类：将其他研究区域的所有特征向量提取出来，输入训练好的GA-XGBoost模型，从而对各个研究区域的特征向量进行分类划分。

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自然资源部第一海洋研究所，其通讯地址为：266061 山东省青岛市崂山区仙霞岭路6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”。