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！

龙图腾网获悉北京邮电大学申请的专利一种基于图神经网络的潜在滑坡识别方法及系统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：CN119418112B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411520923.X，技术领域涉及：G06V10/764；该发明授权一种基于图神经网络的潜在滑坡识别方法及系统是由周一鸣;彭岳星;于峻川;葛大庆设计研发完成，并于2024-10-29向国家知识产权局提交的专利申请。

本一种基于图神经网络的潜在滑坡识别方法及系统在说明书摘要公布了：本发明公开了一种基于图神经网络的潜在滑坡识别方法及系统，方法包括：构建包括节点层、子网层和全局层的多层级特征融合的图注意力网络模型，其中，图注意力网络模型采用双支路编码器‑译码器结构；采用大样本的数据集1和小样本的数据集2的合并数据集，对双支路编码器‑译码器结构模型进行预训练至收敛，形成预训练模型；基于将数据集1和数据集2输入预训练模型得到的辅助集节点特征，对图注意力网络模型进行训练和验证，直至模型收敛训练完成；将数据集2中需要进行识别的图片输入训练完成的图注意力网络模型，得到潜在滑坡的预测结果。通过本发明的技术方案，实现了小数据集2中目标特征的有效提取，提升了模型的分类性能和泛化能力。

本发明授权一种基于图神经网络的潜在滑坡识别方法及系统在权利要求书中公布了：1.一种基于图神经网络的潜在滑坡识别方法，其特征在于，包括： 构建包括节点层、子网层和全局层的多层级特征融合的图注意力网络模型，其中，所述图注意力网络模型采用双支路编码器-译码器结构； 采用大样本的数据集1和小样本的数据集2的合并数据集，对双支路编码器-译码器结构模型进行预训练至收敛，形成预训练模型； 基于将所述数据集1和所述数据集2输入所述预训练模型得到的辅助集节点特征，对所述图注意力网络模型进行训练和验证，直至模型收敛训练完成； 将小样本数据集2中需要进行识别的图片输入训练完成的所述图注意力网络模型，得到潜在滑坡的预测结果； 其中，所述预训练模型根据所述数据集1与所述数据集2生成辅助集节点特征，所述图注意力网络模型的所述节点层中的所述编码器根据所述数据集1与所述数据集2生成样本节点特征； 所述子网层通过所述辅助集节点特征和所述样本节点特征构建InSAR图注意力子网和DEM图注意力子网，具体过程包括： 对所述辅助集节点特征与所述样本节点特征进行相似度计算； 从所述辅助集节点特征中选取困难样本，具体为，由辅助集的滑坡类样本和背景类样本中选取相同数量的与所述样本节点特征最不相似样本和最相似样本； 所述子网层的InSAR图注意力子网和DEM图注意力子网均包括三个多层感知器MLP，分别用于更新输入节点特征、源节点注意力和目标节点注意力； 输入子网的各个节点通过第一个多层感知器更新特征，通过第二个和第三个多层感知器计算得到源节点和目标节点间的注意力权重； 利用所述注意力权重对第一个多层感知器更新的各节点特征进行加权，得到汇聚各个节点自身和邻居节点的综合特征； 所述全局层对所述InSAR图注意力子网和所述DEM图注意力子网的输出特征进行拼接后，通过所述译码器进行样本分类。

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北京邮电大学，其通讯地址为：100088 北京市海淀区西土城路10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。