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！

龙图腾网获悉广东技术师范大学申请的专利基于LDA和SSA的张量ELM在HSI分类中的应用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：CN115187828B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202110730247.9，技术领域涉及：G06V10/774；该发明授权基于LDA和SSA的张量ELM在HSI分类中的应用是由王新鹏;刘少鹏;凌永权设计研发完成，并于2021-06-29向国家知识产权局提交的专利申请。

本基于LDA和SSA的张量ELM在HSI分类中的应用在说明书摘要公布了：本发明公开了一种基于LDA和SSA的张量ELM在HSI分类中的应用，包括以下步骤：步骤1:输入测试张量样本，训练张量样本，标签样本和参数；步骤2:数据处理部分；步骤4:得到隐藏层的张量样本输出；步骤5:初始化过程，对于每一个模式i；步骤8:得到Wi的初始值步骤16:得到最终的优化的预测测试样本的分类结果：测试张量样本Ai经过奇异谱分析去噪，极限学习机的隐藏层之后，得到隐藏层的输出张量Bi，然后根据而得到Γi∈RC×1，Γi中最大元素的序号就是测试张量样本Ai的分类结果。本发明能有效利用高光谱图像的空间序列信息，将空间和光谱信息融合成一个张量，将它们放在一起进行优化，提出一个张量ELM模型，在实际分类等应用中，分类精度更高，计算速度较快。

本发明授权基于LDA和SSA的张量ELM在HSI分类中的应用在权利要求书中公布了：1.一种基于LDA和SSA的张量ELM在HSI分类中的应用，其特征在于，具体包括以下步骤： 步骤1:输入测试张量样本A∈RH×L×ω×N-J，训练张量样本χ∈RH×L×ω×J，标签样本Γ∈Rc×1×1×J和参数λ,a,c,tol； 步骤2：一维奇异谱分析去除高光谱像素张量里面的噪声； 步骤3:对高光谱像素张量执行极限学习机的随机初始化权重和sigmoid激活函数处理，得到隐藏层的张量样本输出； 步骤4:对于每一个模式i，计算Γ的除了第ith个模式之外的其他两个模式的均值； 步骤5:对于每一个模式i，计算χ的除了第ith个模式之外的其他两个模式的均值； 步骤6:使用多分类岭回归的方法，得到Wi的初始值W0i； 步骤7:计算初始化的F范数 步骤9:根据公式联合LDA公式，获得联合散度矩阵Mi,i＝1,2,3； 步骤10:根据奇异值分解和下面公式1-6得到输出层的权重Wi,i＝1,2,3； 定义：那么有如下公式： 根据公式2，得到公式3； 让Bi＝Hi-1Ei，定义公式3所描述的优化公式： 解优化公式4，得到的解析解： 根据公式5，得到第t次迭代后隐藏层输出的解析解Wti,i＝1,2,3； 步骤11:根据公式得到归一化的第t次迭代后隐藏层输出的解析解Wti,i＝1,2,3； 步骤12:当迭代次数没有达到50次，或者前后两次优化的结果不满足继续执行步骤9-步骤10： 步骤13:在优化的主要部分结束后，得到最终的优化的Wti,i＝1,2,3，预测测试样本的分类结果：测试张量样本Ai经过奇异谱分析去噪，极限学习机的隐藏层之后，得到隐藏层的输出张量Bi，然后根据而得到Γi∈RC×1，Γi中最大元素的序号就是测试张量样本Ai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广东技术师范大学，其通讯地址为：510000 广东省广州市天河区中山大道西293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。