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！

龙图腾网获悉中国科学院空间应用工程与技术中心申请的专利一种火星表面矿物特征波段筛选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：CN119249123B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202411347320.4，技术领域涉及：G06F18/2113；该发明授权一种火星表面矿物特征波段筛选方法是由裘贺顺;周可法;王金林;毕建涛;张清;汪玮;李超;王彬彬;王瑞;孙慧中;马秀梅;白泳;廖涛;李冬;屈广俊;卢应鹏设计研发完成，并于2024-09-26向国家知识产权局提交的专利申请。

本一种火星表面矿物特征波段筛选方法在说明书摘要公布了：本发明提供一种火星表面矿物特征波段筛选方法，包括：获取火星矿物标准高光谱数据集，根据预设划分比例划分为训练高光谱数据集和测试高光谱数据集，分别进行数据预处理。构建波段筛选监督学习网络模型，根据预处理后的训练高光谱数据集进行迭代训练得到优化的波段筛选监督学习网络模型，并确定波段筛选结果。根据波段筛选结果对预处理后的测试高光谱数据集进行波段筛选，并确定测试分类准确率。在测试准确率满足预设准确率条件的情况下，根据优化的波段筛选监督学习网络模型对火星矿物待筛选高光谱数据集进行波段筛选，得到目标筛选数据集。这样，可以准确地对火星表面矿物特征波段进行筛选，从而提高对火星表面矿物识别与分类的准确性。

本发明授权一种火星表面矿物特征波段筛选方法在权利要求书中公布了：1.一种火星表面矿物特征波段筛选方法，其特征在于，包括： 获取火星矿物标准高光谱数据集，并根据预设划分比例将所述火星矿物标准高光谱数据集划分为训练高光谱数据集和测试高光谱数据集； 对所述训练高光谱数据集和所述测试高光谱数据集分别进行数据预处理，得到预处理后的训练高光谱数据集和预处理后的测试高光谱数据集； 构建波段筛选监督学习网络模型； 根据所述预处理后的训练高光谱数据集对所述波段筛选监督学习网络模型进行迭代训练，得到优化的波段筛选监督学习网络模型； 根据所述优化的波段筛选监督学习网络模型，确定波段筛选结果； 根据所述波段筛选结果对所述预处理后的测试高光谱数据集进行波段筛选，得到测试筛选数据集； 根据所述测试筛选数据集进行矿物分类，并确定测试分类准确率； 在所述测试准确率满足预设准确率条件的情况下，获取火星矿物待筛选高光谱数据集； 根据所述优化的波段筛选监督学习网络模型对所述火星矿物待筛选高光谱数据集进行波段筛选，得到目标筛选数据集； 所述波段筛选监督学习网络模型包括：权重学习单元、波段筛选单元和类别学习单元；所述权重学习单元与所述波段筛选单元连接，所述波段筛选单元与所述类别学习单元连接； 其中，所述权重学习单元由归一化层LN、全连接层FCN和Relu激活函数依次排列组成；所述类别学习单元由卷积层CONV、池化层Pooling、全连接层FCN和Relu激活函数依次排列组成； 所述根据所述预处理后的训练高光谱数据集对所述波段筛选监督学习网络模型进行迭代训练，得到优化的波段筛选监督学习网络模型，包括： 将所述预处理后的训练高光谱数据集输入所述权重学习单元，得到波段权重组合； 将所述波段权重组合输入所述波段筛选单元，以对所述波段权重组合按照权重由大到小的顺序进行排序，并确定训练波段子数据集，所述训练波段子数据集中的数据波段为：权重排序前预设数量个权重对应的波段； 将所述训练波段子数据集输入所述类别学习单元进行矿物分类，确定训练矿物分类结果； 根据所述训练矿物分类结果构造损失函数，迭代优化参数，以使所述损失函数收敛，得到所述优化的波段筛选监督学习网络模型。

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中国科学院空间应用工程与技术中心，其通讯地址为：100094 北京市海淀区邓庄南路9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。