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！

龙图腾网获悉齐鲁工业大学(山东省科学院)申请的专利基于机器学习方法的跨域小样本学习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：CN116883856B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202310725712.9，技术领域涉及：G06V20/13；该发明授权基于机器学习方法的跨域小样本学习高光谱图像分类方法是由赵桂新;曹梦馨;董祥军设计研发完成，并于2023-06-19向国家知识产权局提交的专利申请。

本基于机器学习方法的跨域小样本学习高光谱图像分类方法在说明书摘要公布了：本发明公开了一种基于机器学习方法的跨域小样本学习高光谱图像分类方法，涉及高光谱遥感图像分类技术领域。本发明包括以下步骤：S1：获取源域标记样本数据集SL、目标域标记样本数据集TL和测试数据集Te；S2：构建深度神经网络；S3：利用源域标记样本数据集SL对深度神经网络进行训练得到深度神经网络初始模型，而后利用目标域标记样本数据集TL对深度神经网络初始模型再次进行训练，得到深度神经网络最终模型；S4：构建测试网络，利用测试网络对测试数据集Te进行分类，得到最终测试结果。本申请更好地实现跨域小样本学习，能够获得更为充分的具有光谱细节特征的语义信息和局部细节光谱特征，有效提高图像分类效果。

本发明授权基于机器学习方法的跨域小样本学习高光谱图像分类方法在权利要求书中公布了：1.一种基于机器学习方法的跨域小样本学习高光谱图像分类方法，其特征在于：包括以下步骤： S1：获取源域标记样本数据集SL、目标域标记样本数据集TL和测试数据集Te； S2：构建深度神经网络：所述深度神经网络由输入层、映射层、Transformer网络以及输出层构成；其中，所述映射层用于对源域标记样本数据集SL和目标域标记样本数据集TL进行映射操作，获取特征空间映射特征；所述Transformer网络用于获取映射后样本数据的语义信息和映射后样本数据的带有局部关注的光谱特征，并获取光谱细节特征的语义信息和局部细节光谱特征以及关系分数； S3：利用源域标记样本数据集SL对深度神经网络进行训练得到深度神经网络初始模型，而后利用目标域标记样本数据集TL对深度神经网络初始模型再次进行训练，得到深度神经网络最终模型； 步骤S3具体包括如下步骤： S3-1：将源域标记样本数据集SL和目标域标记样本数据集TL通过映射层进行映射操作； S3-2：将源域标记样本数据集SL的映射后的样本数据输入至Transformer网络的多头注意力机制模块利用多头注意力机制模块中堆叠的两个注意力机制模块学习，得到映射后样本数据的语义信息以及映射后样本数据的带有局部关注的光谱特征； S3-3：语义增强模块用于步骤S3-2得到的映射后样本数据的语义信息以及带有局部关注的光谱特征进行增强语义信息和局部光谱特征的提取，从而获得光谱细节特征的语义信息和局部细节光谱特征； S3-4：关系网络中的每一个卷积块对步骤S3-3输出的光谱细节特征的语义信息和局部细节光谱特征进行卷积处理，得到卷积后的类别关联特征，关系网络中的每二个卷积块对卷积后的类别关联特征进行卷积处理，得到最终的类别关联性特征，第一个全连接层对最终的类别关联性特征进行拉平，得到初步相关性概率特征，第二个全连接层对初步相关性概率特征再进行拉平，得到关系分数； S3-5：构建损失函数，然后利用损失函数计算深度神经网络的总损失，优化梯度，并反向传播，更新Transformer网络的模型参数，实现对深度神经网络的预训练，得到深度神经网络初始模型； S3-6：利用目标域标记样本数据集TL对深度神经网络初始模型再次进行训练，对深度神经网络初始模型参数进行微调，得到深度神经网络最终模型； S4：构建测试网络，利用测试网络对测试数据集Te进行分类，并与测试数据集Te的标记样本进行对比，得到最终测试结果。

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齐鲁工业大学(山东省科学院)，其通讯地址为：250000 山东省济南市长清区西部新城大学科技园；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。