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！

龙图腾网获悉广东省科学院智能制造研究所申请的专利一种基于神经网络模型剪枝的特征波段选择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：CN116342969B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202310237510.X，技术领域涉及：G06V10/771；该发明授权一种基于神经网络模型剪枝的特征波段选择方法是由庞锟锟;刘忆森;周松斌;廖奕校;赵路路;殷泽轩设计研发完成，并于2023-03-10向国家知识产权局提交的专利申请。

本一种基于神经网络模型剪枝的特征波段选择方法在说明书摘要公布了：本发明提供一种基于神经网络模型剪枝的特征波段选择方法，该方法包括如下步骤：获取高光谱数据集；将所述数据集分为训练集、验证集和预测集；根据所述数据集构建分类网络模型；构建用于训练所述分类网络模型的损失函数；将所述训练集和验证集输入分类网络模型进行训练，针对特征波段进行修剪，筛选出具有判别性的高光谱数据波段；利用训练好的分类网络模型和筛选得到的波段对所述预测集进行分类，得到分类结果。本发明在保证分析技术精度的同时减少所需波段，可保留对分类具有更强判别性的波段，从而使得分类准确率有着明显提升，提高了分类模型的泛化性，降低了工业现场的高光谱数据获取成本。

本发明授权一种基于神经网络模型剪枝的特征波段选择方法在权利要求书中公布了：1.一种基于神经网络模型剪枝的特征波段选择方法，其特征在于，包括如下步骤： S1、获取高光谱数据集； S2、将所述数据集分为训练集、验证集和预测集； S3、根据所述数据集构建分类网络模型； S4、构建用于训练所述分类网络模型的损失函数； S5、将所述训练集和验证集输入分类网络模型进行训练，针对特征波段进行修剪，筛选出具有判别性的高光谱数据波段； S6、利用训练好的分类网络模型和筛选得到的特征波段对所述预测集进行分类，得到分类结果； 所述步骤S5包括： S51、初始化所述分类网络模型，并保存初始化权重； S52、采用小批量随机梯度下降法训练判别器与生成器，优化器采用Adam优化器，学习率为0.0001； S53、从所述训练集随机采集样本子集优化损失函数，直到训练步数达到第一设定阈值时停止； S54、从所述验证集随机采集样本子集优化损失函数，直到训练步数达到第二设定阈值时停止； S55、将所述分类网络模型输入层关于每个波段对应的训练集学习权重方向与验证集上的梯度方向求和，度量各候选波段的信息量，并删除信息量最匮乏的高光谱波段； S56、判断筛选出的波段是否达到设定波段数量，若达到所述设定波段数量则进行所述步骤S6，否则重置分类网络模型到初始化状态并移除未被选择波段，再次进行步骤S52-S56。

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省科学院智能制造研究所，其通讯地址为：510000 广东省广州市越秀区先烈中路100号大院13号楼；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。