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！

龙图腾网获悉郑州轻工业大学申请的专利使用粒子群优化多核支持向量机的高光谱图像空谱联合分类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：CN114626459B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202210253842.2，技术领域涉及：G06V10/764；该发明授权使用粒子群优化多核支持向量机的高光谱图像空谱联合分类方法及系统是由王华;陈梦奇;黄伟;殷君茹设计研发完成，并于2022-03-15向国家知识产权局提交的专利申请。

本使用粒子群优化多核支持向量机的高光谱图像空谱联合分类方法及系统在说明书摘要公布了：本发明公开一种使用粒子群优化多核支持向量机的高光谱图像空谱联合分类方法及系统，该方法包括：提取训练集的N个特征核矩阵；将N个核矩阵传入到粒子群算法中，设计粒子群的编码结构，得到权重编码Xmm、速度向量Vii、粒子种群Q、适应度值Fitnessitness、个体极值Pbestbest以及种群极值Gbestbest；通过加约束的随机初始化对粒子群进行初始化；设定粒子群的更新策略，并在粒子的飞行中添加约束条件，最终得到分类精度最高的各个核矩阵的权重大小；将权重大小与各自对应的核矩阵进行融合，得到融合多特征的核矩阵；将融合后的核矩阵输入SVM进行训练；使用训练好的SVM分类器模型对测试集进行分类，输出得到对应的地物分类图像。本发明提高了HSI的分类精度。

本发明授权使用粒子群优化多核支持向量机的高光谱图像空谱联合分类方法及系统在权利要求书中公布了：1.一种使用粒子群优化多核支持向量机的高光谱图像空谱联合分类方法，其特征在于，包括： 步骤1：将高光谱遥感图像数据集分为训练集和测试集，使用不同的特征提取方法提取训练集中高光谱图像的N个特征核矩阵，包括原始光谱特征、空间特征及空间纹理特征； 步骤2：将N个核矩阵传入到粒子群算法中，设计粒子群的编码结构，得到权重编码Xm、速度向量Vi、粒子种群Q、适应度值Fitness、个体极值Pbest以及种群极值Gbest；通过加约束的随机初始化对粒子群进行初始化； 步骤3：设定粒子群的更新策略，并在粒子的飞行中添加约束条件，最终得到分类精度最高的各个核矩阵的权重大小；将权重大小与各自对应的核矩阵进行融合，得到融合多特征的核矩阵；在粒子更新过程中，仅优化前N-1个权重，第N个权重值为xi表示Xm中的第i个权重； 步骤4：将融合后的核矩阵输入SVM进行训练；使用训练好的SVM分类器模型对测试集进行分类，输出得到对应的地物分类图像； 所述步骤2包括： 步骤2.1：将得到的N个特征核矩阵进行粒子的编码，得到 其中Xm代表权重编码，xi表示Xm中的第i个权重，Vi代表粒子的飞行速度，也就是权重参数下一次更新的方向和大小，vim表示第i个权重在种群Q的Xm组权重中的飞行速度；Q表示粒子种群，M表示种群数量，该种群共包含M*N种权重参数的组合；Fitness为粒子的适应度值，表示粒子中的权重参数组合在适应度函数上表现的好坏程度，Fm表示种群Q中Xm组权重所得到的适应度值；Pbest为个体极值，是当前粒子所得到的最佳权重参数组合，Pbestm是种群Q中Xm变化过程中得到适应度最高的值；Gbest是种群极值，表示种群中所有粒子得到的最佳权重参数组合； 步骤2.2：通过下式对粒子进行初始化，同时设置粒子的约束条件，完成带有约束条件的初始化 xi＝xmax-xmin*randlocation+xmin,i＝1,2,…,N-1 其中randlocation表示粒子位置的初始化函数，randvelocity表示粒子速度的初始化函数； 由于粒子为支持向量机中基核函数线性组合的值，所以粒子的数值应为0-1之间的小数，且所有权重组合相加值为1，即

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郑州轻工业大学，其通讯地址为：450000 河南省郑州市金水区东风路5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。