申请/专利权人：西北工业大学

申请日：2021-07-19

公开（公告）日：2024-03-19

公开（公告）号：CN113723450B

主分类号：G06V10/58

分类号：G06V10/58;G06V10/70;G06N3/126

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2021.12.17#实质审查的生效;2021.11.30#公开

摘要：本发明公开了一种基于进化多任务优化的高光谱图像波段选择方法，包括：获取高光谱图像，基于无标签样本和带标签样本分别建立第一任务优化模型和第二任务优化模型；根据高光谱图像的维数和谱带数确定编码个体，并根据编码个体初始化种群参数；计算初始种群中每个编码个体在第一任务优化模型和第二任务优化模型上的适应度值，通过适应度值得到技能因子；根据适应度值和技能因子对初始种群进行迭代优化，在每次迭代后计算综合评估结果；从若干综合评估结果中选择适应度值最高的结果进行输出。本发明利用标记样本和未标记样本的不同数值特征，设计了针对样本的目标准则，从不同角度搜索有希望的波段，解决了样本针对性不足且计算量大的问题。

主权项：1.一种基于进化多任务优化的高光谱图像波段选择方法，其特征在于，包括：S1、获取高光谱图像，其中，所述高光谱图像包括无标签样本和带标签样本，以基于所述无标签样本和带标签样本分别建立第一任务优化模型和第二任务优化模型；S2、根据所述高光谱图像的维数和谱带数确定编码个体，并根据所述编码个体初始化种群参数，其中，种群参数包括初始种群、当前父代种群、当前种群迭代代数、最大种群迭代代数；S3、计算所述初始种群中每个编码个体在第一任务优化模型和第二任务优化模型上的适应度值，以通过所述适应度值得到技能因子，其中所述技能因子用于确定个体所属任务；S4、根据所述适应度值和所述技能因子对所述初始种群进行迭代优化，并在每次迭代后计算综合评估结果；S5、从若干综合评估结果中选择适应度值最高的结果进行输出；其中，所述第一任务优化模型的目标函数为： 式中，X是包含光谱带的选定子集的解向量，MIxi,xj是度量选定波段i和j的相似性的相关准则，N是所选光谱波段子集的数目，Hxi是选定波段i时的熵值；所述第二任务优化模型的目标函数为：minT2＝1-accuracyX,C式中，X是包含光谱带的选定子集的解向量，C是所选分类器；综合评估的目标函数为： 其中，λ表示权重系数，用于控制每个任务的在综合评估的目标函数中所占权重。

全文数据：

权利要求：

百度查询： 西北工业大学 一种基于进化多任务优化的高光谱图像波段选择方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD