[发明专利]可学习隐式变量迭代展开网络的高光谱稀疏解混方法在审
| 申请号： | 202210769948.8 | 申请日： | 2022-07-01 |
| 公开（公告）号： | CN115170960A | 公开（公告）日： | 2022-10-11 |
| 发明（设计）人： | 邵远天;肖亮 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06V20/10 | 分类号： | G06V20/10;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 陈鹏 |
| 地址： | 210094 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种可学习隐式变量迭代展开网络的高光谱稀疏解混方法，包括：稀疏约束优化构造解混模型；变量分裂和增广拉格朗日法构建交替方向迭代；交替方向迭代步建模为隐式展开网络模块，包括丰度变量和乘子变量可学习层；构造可学习平滑卷积层，提升丰度分片光滑性；编解码结构实现光谱解混与重构；采取无监督损失函数实现模型训练。本发明利用经典稀疏解混模型的优化机制设计可学习网络，网络层基于算法迭代步设计，充分满足高光谱丰度的稀疏性与分片光滑性，增强了可解释性和透明性；引入无监督训练机制，增强了网络可用性；通过模型驱动和网络参数共享降低模型参数规模和过拟合现象，实现模型轻量化。 | ||
| 搜索关键词： | 学习 变量 展开 网络 光谱 稀疏 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京理工大学，未经南京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202210769948.8/，转载请声明来源钻瓜专利网。
