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！

龙图腾网获悉西安电子科技大学申请的专利基于高光谱特征的高效无监督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：CN115346075B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202211086855.1，技术领域涉及：G06V10/764；该发明授权基于高光谱特征的高效无监督分类方法是由石磊;姚博;袁淑容;李芳燕;李小平;刘彦明设计研发完成，并于2022-09-07向国家知识产权局提交的专利申请。

本基于高光谱特征的高效无监督分类方法在说明书摘要公布了：本发明公开了基于高光谱特征的高效无监督分类方法，将待分类的样本随机分为N组；根据光谱特征的相似性定义超节点SN；定义超结点的光谱特征S；对每个超节点进行快速傅里叶变换，提取超结点光谱曲线的起伏趋势特征E；基于提取的超节点光谱曲线起伏特征计算每个超节点的密度ρ和距离δ；基于每个超节点密度ρ和距离δ参数，使用密度峰聚类方法对超节点进行无监督分类；根据超节点的类别确定组成超节点的原始样本类别。本发明应用于基于高光谱特征的目标无监督分类中，弥补了现有针对高光谱特征无监督分类方法检测精度低、复杂度高的不足，为基于高光谱特征进行目标检测、识别、分类、标注等应用鉴定了基础。

本发明授权基于高光谱特征的高效无监督分类方法在权利要求书中公布了：1.基于高光谱特征的高效无监督分类方法，其特征在于，包括以下步骤； S1：将待分类的样本随机分组为N组：输入的待分类样本表示为：Xtotal∈Rm×l，其中m表示待分类样本个数，l表示每个样本具有的光谱特征的波段数，将m个样本随机且均匀的分类M组，每组包含的样本数为Meach； S2：根据光谱特征的相似性定义超节结点SN：输入M组样本，对每组输入样本定义对应的图模型，每个样本均对应图模型中的结点V，每个样本之间的相似性对应图模型中结点之间的边关系a，将互相具有边关系的结点定义为同一个超结点，认为超结点内包含的原本属于同一类，计算得到M组样本的超结点总数为MSN，其中第i个超结点包含的结点数为MSNeach_i； S3：定义超结点的光谱特征S：输入第i个超结点SNi，其中包含着MSNeach_i个原始结点，则SNi的光谱特征表示为MSNeach_i个原始结点的光谱特征均值，第i个超结点的光谱特征表示为Si∈Rl； S4：对每个超结点进行快速傅里叶变换，提取超结点光谱曲线的起伏趋势特征E：输入第i个超结点的光谱辐射特征Si，Si的光谱特征为l维，对其作l点FFT变换，由于FFT变换后的后k个频点代表光谱曲线的快速起伏特征，前k个频点代表光谱曲线缓慢起伏特征，选取后FFT变换后的前k个频点和后k个频点作为提取的特征Ei∈R2k，整体超结点提取特征之后表示为E∈RMSN×2k； S5：基于提取的超结点光谱曲线起伏特征计算每个超结点的密度ρ和距离δ：输入整体提取特征后的超结点数据E，密度截止阈值dc，根据密度峰聚类方法的密度定义函数ρi和距离定义函数δi计算第i个超结点对应的密度ρi和距离δi； S6：基于每个超结点密度ρ和距离δ参数，使用密度峰聚类方法对超结点进行无监督分类C∈RMSN×1：设置阈值dρ和dδ，将ρ和δ中满足ρidρ且δidδ的样本定义为聚类中心，聚类中心的个数即为无监督分类后的类别数MC，计算剩余超结点距离聚类中心的距离，离哪个聚类中心距离最近则分为该类； S7：根据超结点的类别确定组成超结点的原始样本类别；输入每个超结点的分类结果C，其中共包含着MC个类别，若第i个超结点SNi属于[1,2,…MC]中第j类，则其中包含的MSNeach_i个结点也属于第j类。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路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”。