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！

龙图腾网获悉南京信息工程大学;湖南理工学院申请的专利一种基于类级图嵌入表示的遥感图像主动学习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：CN116721318B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202310569581.X，技术领域涉及：G06V10/778；该发明授权一种基于类级图嵌入表示的遥感图像主动学习方法是由涂兵;廖晓龙;周佳栋;陈思源;彭怡书设计研发完成，并于2023-05-19向国家知识产权局提交的专利申请。

本一种基于类级图嵌入表示的遥感图像主动学习方法在说明书摘要公布了：本申请涉及一种基于类级图嵌入表示的遥感图像主动学习方法。该方法包括：通过从高光谱遥感图像的标记数据中，随机取出标记集和未标记集，余下的样本作为测试集，设置主动学习的迭代次数与样本预算，使用标记集训练分类模型，通过网络参数得到样本的空谱特征表示，根据真实标签将标记集分为K类，逐类别构造图节点与邻接矩阵，训练类级图卷积网络模型，得到未标记样本的类间最小不确定性，挑选B个不确定样本作为查询集，赋予查询集真实标签并加入标记集，使用新的标记集更新分类模型与类级图卷积网络模型的参数，当迭代次数为I次时，利用更新后的标记集训练分类模型并对测试集进行分类得到分类结果。从而提高深度学习模型分类的准确率。

本发明授权一种基于类级图嵌入表示的遥感图像主动学习方法在权利要求书中公布了：1.一种基于类级图嵌入表示的遥感图像主动学习方法，其特征在于，所述方法包括： 步骤S1，从高光谱遥感图像的标记数据中，每类随机取出10个样本作为标记集Dl，再随机取出4000个样本作为未标记集Du，余下的样本作为测试集Dt，设置主动学习的迭代次数I与样本预算B； 步骤S2，使用标记集Dl训练分类模型fc，通过网络参数得到样本的空谱特征表示； 步骤S3，根据真实标签将标记集Dl分为K类，逐类别构造图节点v与邻接矩阵A； 步骤S4，训练类级图卷积网络模型fg，得到未标记样本的类间最小不确定性； 步骤S5，挑选B个不确定样本作为查询集Q，赋予查询集Q真实标签并加入标记集Dl； 步骤S6，重复步骤S2-S5，使用新的标记集更新分类模型fc与类级图卷积网络模型fg的参数； 步骤S7，当迭代次数为I次时，利用更新后的标记集Dl训练分类模型fc并对测试集Dt进行分类得到分类结果； 所述步骤S4包括： 步骤4.1：根据所有类别的图节点与邻接矩阵构建K个类级图卷积网络模型fg，其中，每个类级图卷积网络模型fg包括：输入层、ReLU层、隐藏层、Dropout层、输出层和sigmoid层； 步骤4.2：设置输入层的节点数为32，输出层的节点数为1； 步骤4.3：设定单类标记样本与未标记样本标签分别为1、0； 步骤4.4：根据人工标签，定义类级图卷积网络模型fg的损失函数损失函数为: 其中，为在当前参数θ1、θ2下网络的总损失，v为图节点，A为邻接矩阵，为网络输出的节点分数，λ表示权衡参数，权衡参数用于调节标记样本与未标记样本的占比，θ1为输入层的参数，θ2为输出层的参数； 步骤4.5：分别训练K个类级图卷积网络模型； 步骤4.6：训练完成后，整个类级图卷积网络模型对每个样本输出K个可信分数，由于分数的区间范围为0,1，用1减去可信分数得到不确定分数，选取其中的最小值作为样本的不确定性，第i个未标记样本的类最小不确定分数ui表示为： ui＝min1-ui1,1-ui2,...,1-uiK 其中，ui1为第i个样本对第一类标记样本的可信分数，ui2为第i个样本对于第二类标记样本的可信分数，uiK为第i个样本对于第K类标记样本的可信分数。

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南京信息工程大学;湖南理工学院，其通讯地址为：210032 江苏省南京市江北新区宁六路219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。