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！

龙图腾网获悉安徽大学申请的专利一种基于进化多任务优化的城市土地遥感影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：CN119649153B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411910651.4，技术领域涉及：G06V10/764；该发明授权一种基于进化多任务优化的城市土地遥感影像分类方法是由程凡;权斯翔;李凯旋设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本一种基于进化多任务优化的城市土地遥感影像分类方法在说明书摘要公布了：本发明公开了一种基于进化多任务优化的城市土地遥感影像分类方法，包括：1：获取城市土地覆盖遥感影像样本并进行预处理，从而构建样本数据集；2：将样本数据集分解成多个训练子集，并为每一个训练子集构建对应的子种群；3：对子种群评估状态在线调整执行知识迁移操作的概率；4：根据子种群状态选取不同的源种群为其提供知识；5：利用表征全局信息的模型进行交互获得更优分类器；6：选取一部分表现较差的分类器进行不平衡调整；7：最终从子种群中选取最优秀的个体组成多分类器，识别城市土地不同类型的土地使用和覆盖情况。本发明通过构建并训练最优多分类器，能快速分类出不同的城市土地类型，从而提升土地类型分类结果的准确度和精度。

本发明授权一种基于进化多任务优化的城市土地遥感影像分类方法在权利要求书中公布了：1.一种基于进化多任务优化的城市土地遥感影像分类方法，其特征在于，是按如下步骤进行： 步骤1：采集个不同城市土地类型的遥感影像，并提取所述遥感影像关于各个土地类型的属性特征并进行标准归一化处理，从而得到个不同城市土地类型的遥感影像样本集，其中，表示第个城市土地类型的遥感影像样本，表示第个城市土地类型的遥感影像的属性特征向量，并有：，表示第个城市土地类型的遥感影像的第个属性特征值，表示的土地类型标签，，d表示属性特征向量的维度，，为土地类型的数目； 步骤2：基于一对多分解策略划分原始样本集，得到个二分类遥感影像训练子集{,,…,,…,}，其中，表示第个二分类遥感影像训练子集，且，其中，代表中第个城市土地类型的遥感影像的属性特征向量，表示的土地类型标签；是将中土地类型标签为的遥感影像样本集，中将第类标签的样本视为正样本，其余土地类型标签的遥感影像样本集视为负样本； 步骤3：定义当前迭代次数为，并初始化； 构建个子分类器组，其中，第个子分类器组包含个子分类器，将每个子分类器编码为一个个体，从而得到第代第个子分类器种群={,,…,,…,}并随机初始化；其中，表示第代第个子分类器种群中第个个体，且每个个体的维度为，； 步骤4：初始化； 步骤5：基于在对应第个二分类遥感影像训练子集上的分类情况，判别处于收敛态或； 步骤6：利用式1计算的迁移概率； 1 式1中，表示的迁移概率，当时，令为所设定的初值；为放缩因子； 步骤7：随机初始化第代第j个随机数，若，则利用差分进化算法对进行交叉变异，获得第代第一子代集合，并执行步骤10；否则，执行步骤8； 步骤8：基于多状态的源种群选择策略从除外的m-1个分类器种群中选择一个分类器种群作为源种群； 步骤9：基于全局种群模型对与源种群进行知识迁移，得到的第一子代集合以及的第一子代集合； 步骤10：构建引导数据集，针对性能差的个体生成引导向量，用于得到的第二子代集合； 步骤11：将赋值给，若，则执行步骤12，否则，并返回步骤5顺序执行； 步骤12：将的和合并为第代第j个合并种群，计算中每个个体在在第个二类遥感影像训练子集上的曲线下面积，从而利用通过精英选择策略从中选取N个优秀个体作为第代第个子分类器种群； 步骤13：将赋值给，判断是否成立，若成立，则执行步骤14；否则，返回步骤4顺序执行； 步骤14：从第代每个子分类器种群中分别选取曲线下面积最大的1个个体组成用于城市土地遥感影像样本分类的最优多分类器={,,…,,…,}，用于实现对不同城市土地类型的分类，其中，表示第代第个子分类器种群中最优个体。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。

以上内容由龙图腾AI智能生成。