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！

龙图腾网获悉哈尔滨理工大学申请的专利结合空谱域自适应与集成学习的高光谱图像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：CN115393719B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202211047569.4，技术领域涉及：G06V20/10；该发明授权结合空谱域自适应与集成学习的高光谱图像分类方法是由王爱丽;丁姗姗;赵妍;刘和;刘城洋设计研发完成，并于2022-08-29向国家知识产权局提交的专利申请。

本结合空谱域自适应与集成学习的高光谱图像分类方法在说明书摘要公布了：本发明公开了一种结合空谱域自适应与集成学习的高光谱图像分类方法，属于图像分类技术领域。该方法依次执行输入源域中有标记数据、目标域中无标记数据和少量有标记数据，通过空谱注意力模型对源域和目标域进行特征提取，其中空谱注意力模型引入了大核注意力LKA，可以利用图像的局部结构信息、捕获长距离依赖并且具有空间维度和光谱维度的适应性；然后将特征提取后的数据输入鉴别器并对源域数据聚类以形成聚类中心，再将目标域数据向各类聚类中心迭代映射；最后通过XGBoost进行分类来缓解模型计算速度慢和单分类器可信度低的问题，有效地提升了高光谱图像地物分类的准确度，为跨场景高光谱图像分类的后续研究以及相关应用提供新的参考思路。

本发明授权结合空谱域自适应与集成学习的高光谱图像分类方法在权利要求书中公布了：1.结合空谱域自适应与集成学习的高光谱图像分类方法，其特征在于，包括以下步骤： 步骤a、输入待分类的高光谱数据集； 步骤b、对输入的高光谱数据集进行划分：源域数据集命名为SSource，目标域数据集命名为TTarget； 步骤c、在源域数据集中选取训练集，在目标域数据集中选取不相交的有标签训练集和无标签训练集； 步骤d、将源域训练集和目标域无标签训练集分别输入到源域特征提取器SourceExtractor，SE和目标域特征提取器TargetExtractor，TE中，进行特征提取，其中源域特征提取器和目标域特征提取器均采用空谱注意力模型结构，其中空谱注意力模型包括深度超参数模型和大核注意力模型，具体结构：4个深度超参数卷积-批量归一化-ReLU激活函数-Dropout结构-大核注意力模型串联而成，大核注意力模型包括：深度卷积-深度空洞卷积-点卷积串联而成； 步骤e、将特征提取后的数据送入鉴别器中，利用鉴别器区分源域与目标域数据，通过鉴别器与目标域特征提取器互相对抗，不断博弈来提高目标域特征提取器的特征迁移能力； 步骤f、将有少量标签的目标域样本输入到目标域特征提取器中，使目标域特征提取器学习目标域数据的真实分布； 步骤g、将源域和目标域数据映射到同一个公共域空间，利用源域数据的聚类中心对目标域数据进行聚类； 步骤h、利用XGBoost集成分类器对提取后的特征进行分类，获得最终的分类结果。

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哈尔滨理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52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”。