Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 莱斯科技(湖北)有限公司赵金奇获国家专利权

莱斯科技(湖北)有限公司赵金奇获国家专利权

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!

龙图腾网获悉莱斯科技(湖北)有限公司申请的专利一种融合改进过滤式与封装式策略的湿地特征集优选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:CN116704275B

龙图腾网通过国家知识产权局官网在2026-03-31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:202310675270.1,技术领域涉及:G06V10/771;该发明授权一种融合改进过滤式与封装式策略的湿地特征集优选方法是由赵金奇;张庆洁;霍雯浩;商浩淼;舒菲娅;曹婧淼;谢诗雯;李宇轩;陈志盛;刘瑶;王猛设计研发完成,并于2023-06-08向国家知识产权局提交的专利申请。

一种融合改进过滤式与封装式策略的湿地特征集优选方法在说明书摘要公布了:本发明公开了一种融合改进过滤式与封装式策略的湿地特征集优选方法,其步骤包括:根据研究区的实际情况,完成样本选取及建立分类体系;选取多源遥感数据,并对各数据进行相应的预处理;对预处理后的数据进行特征提取并构建原始特征集;将LS、DC以及JM距离三种单准则过滤式算法进行融合得到MCF‑LDJ算法,基于MCF‑LDJ对原始特征集进行初步选择,得到初选特征集;将步骤4中得到的初选特征集利用封装式算法进一步优选,得到最终的优选特征子集;其提出了多准则融合的过滤式算法,使计算的特征重要性更加合理。利用过滤式算法与封装式算法的互补性提高特征选择算法的运行速度和评估准确性。

本发明授权一种融合改进过滤式与封装式策略的湿地特征集优选方法在权利要求书中公布了:1.一种融合改进过滤式与封装式策略的湿地特征集优选方法,其特征在于,包括以下步骤: 步骤1:根据研究区的实际情况,完成样本选取及建立分类体系; 步骤2:选取多源遥感数据,并对各数据进行相应的预处理; 步骤3:对预处理后的数据进行特征提取并构建原始特征集; 步骤4:将LS、DC以及JM距离三种单准则过滤式算法进行融合得到MCF-LDJ算法,基于MCF-LDJ对原始特征集进行初步选择,得到初选特征集; 步骤5:将步骤4中得到的初选特征集利用封装式算法进一步优选,得到最终的优选特征子集; 步骤4的MCF-LDJ算法是将LS、DC以及JM距离三种单准则过滤式算法进行融合;具体为: 1LS算法 LS算法更加注重特征的局部保持能力,假设样本集共有T种类型,M个样本,每个样本有N个特征;fri为第i个样本的第r个特征,ti为第i个样本所属的类型;利用给定的样本可构造最近邻图Gx=V,E,图G的M×M阶权重矩阵S定义如下: 式中,t为常量; 第r个特征量的拉普拉斯分值为: 式中,D=diagSI; 2DC算法 DC算法是由两变量间联合特征函数与各自边际特征函数积的差所构造,能够描述两变量间的线性和非线性关系,向量X和向量Y间的距离协方差定义如下: 式中,fX、fY分别为X、Y对应的特征函数;fX,Y是X,Y的联合特征函数; 同理,距离方差VX定义为: V2X=V2X,X=||fX,Yt,s-fXtfXs||2 因此,距离相关系数RX,Y定义为: RX,Y的取值范围是[0,1],当RX,Y=0时X,Y相互独立,随着RX,Y取值增大表明X,Y相关性越强;对于多特征分类情况,先计算各特征与其他特征间的距离相关系数,最后求和取平均,以此值作为各特征的相关值; 3JM距离 JM距离属于类间可分性的特征选择评价准则,此类方法是以定量分析所用特征的分类性能,目的是选取使分类器错误概率最小的特征集;JM距离综合考虑了类别间交叠对类别区分的影响和各类别的概率分布情况,因此,JM距离具有更可靠的类别可分性判别能力; 两类别间的JM距离计算公式如下: 式中,Bi,j为巴氏距离,Mi和Mj分别为类别i和j的样本均值向量,Vi和Vj分别为类别i和j的协方差矩阵;当类别数为2时,JM距离的取值范围是[0,2];当JMi,j=0时,表示在该特征下完全无法区分两种类别;当JMi,j=2时,表示该特征下可以完全区分两种类别;JM距离的值越大代表类别间的可分离性越高; 在遥感影像分类中地物种类是超过两种的,对于多类别的JM距离计算公式是对两类别间的JM距离取平均值,计算公式如下: 式中,c为类别数;Pωi、Pωj分别为类别i和j的概率密度; 4MCF-LDJ 为从类间可分性、特征相关性、特征的局部保持能力三个方面综合评价各特征的重要性,依据下式对上述三种算法进行融合: 式中,α为权重因子,取值为[0,1],当取值0.6时,Snew能够获得最佳精度,Snew值越大代表该特征为最优表达特征;Lr为特征的LS值;为特征的JM距离;RX,Y为特征的DC值; 根据上式对所有特征的权重值进行降序排序,并将各特征依次加入随机森林进行分类试验,直到加入新的特征分类精度不再提高,这些加入的特征即为初选特征子集。

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莱斯科技(湖北)有限公司,其通讯地址为:430000 湖北省武汉市武汉东湖新技术开发区东信路11号武汉留学生创业园D2256-11;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。