申请/专利权人:天津大学
申请日:2020-07-24
公开(公告)日:2024-04-02
公开(公告)号:CN111967182B
主分类号:G06F30/27
分类号:G06F30/27;G01N21/25
优先权:
专利状态码:有效-授权
法律状态:2024.04.02#授权;2020.12.08#实质审查的生效;2020.11.20#公开
摘要:本发明公开了分别建立基于机器学习的初级高光谱模型和二级高光谱模型;分别建立原始光谱数据库和二次光谱数据库;利用原始光谱数据库训练初级高光谱模型,训练过程中保留所有分类情况的综合比例,而不是直接确定分类;利用初级高光谱模型对未标记的高光谱图像数据进行标记,并对初级高光谱模型标记后的高光谱图像数据进行筛选,根据初级高光谱模型保留的所有分类情况的综合比例选取30%‑70%的较可靠高光谱图像数据构建二次光谱数据库;以二次光谱数据库为训练集、原始光谱数据库为测试集,对二级高光谱模型进行训练。本发明不需要庞大的光谱储存空间,充分利用未标记的光谱,很大程度上减少了标记成本。
主权项:1.一种用于光谱分析的基于混合标记的高光谱建模方法,其特征在于,分别建立基于机器学习的初级高光谱模型和二级高光谱模型;分别建立原始光谱数据库和二次光谱数据库;利用原始光谱数据库训练初级高光谱模型,训练过程中保留所有分类情况的综合比例,而不是直接确定分类;利用初级高光谱模型对未标记的高光谱图像数据进行标记,并对初级高光谱模型标记后的高光谱图像数据进行筛选,根据初级高光谱模型保留的所有分类情况的综合比例选取30%-70%的高光谱图像数据构建二次光谱数据库;以二次光谱数据库为训练集、原始光谱数据库为测试集,对二级高光谱模型进行训练。
全文数据:
权利要求:
百度查询: 天津大学 一种用于光谱分析的基于混合标记的高光谱建模方法
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。