龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：江西师范大学
申请日：2024-05-23
公开（公告）日：2024-06-21
公开（公告）号：CN118230176A
主分类号：G06V20/10
分类号：G06V20/10;G06V10/764;G06V10/774;G06V10/82;G06N3/0455;G06N3/0442;G06N3/0464;G06N3/08;G06N20/20
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明公开了基于多源遥感与时空深度集成学习的湿地分类方法及系统，涉及遥感技术领域，该方法包括：获取多源遥感数据并进行预处理以建立湿地分类样本数据，再划分为训练集和测试集；构建包括特征集成编码模块和特征集成解码模块的时空深度集成分类模型，基于改进的2‑D卷积分支网络、改进的3‑D卷积分支网络与LSTM循环分支网络建立特征集成编码模块，根据多分支解码块和集成决策块建立特征集成解码模块；建立混合损失函数以优化该分类模型；将测试集输入优化后的分类模型以输出湿地覆被分类结果。该方法能够解决单一的遥感数据源或者深度模型难以有效挖掘湿地的多样化复杂特征，导致在整体分类精度上不能满足实际需求的问题。
主权项：1.一种基于多源遥感与时空深度集成学习的湿地分类方法，其特征在于，所述方法包括：获取多源遥感数据，对所述多源遥感数据进行预处理，以建立湿地分类样本数据，并将所述湿地分类样本数据划分为训练样本集和测试样本集；构建时空深度集成分类模型，所述时空深度集成分类模型包括特征集成编码模块和特征集成解码模块；基于改进的2-D卷积分支网络、改进的3-D卷积分支网络与LSTM循环分支网络建立所述特征集成编码模块，对所述多源遥感数据进行编码，以生成湿地的时间-空间-光谱特征；根据多分支解码块和集成决策块建立所述特征集成解码模块，通过所述特征集成解码模块对所述湿地的时间-空间-光谱特征进行解码，所述多分支解码块用于对三分支网络特征、一集成网络特征和一分类网络特征的处理，所述集成决策块用于Softmax运算和软决策机制；根据所述三分支网络特征、所述一集成网络特征和所述一分类网络特征建立混合损失函数；根据所述混合损失函数和所述训练样本集对所述时空深度集成分类模型进行优化训练，以得到优化后的分类模型；将所述测试样本集输入所述优化后的分类模型，以预测输出湿地覆被的分类结果。
全文数据：
权利要求：
百度查询： 江西师范大学 基于多源遥感与时空深度集成学习的湿地分类方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号