[发明专利]基于深度子空间切换集成学习的多源异构数据融合方法有效
| 申请号： | 201810732829.9 | 申请日： | 2018-07-05 |
| 公开（公告）号： | CN108985365B | 公开（公告）日： | 2021-10-01 |
| 发明（设计）人： | 李勇明;张馨月;王品;曾孝平;谭晓衡;刘书君;张新征;李东;谢廷杰 | 申请（专利权）人： | 重庆大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/46 |
| 代理公司： | 重庆敏创专利代理事务所(普通合伙) 50253 | 代理人： | 陈千 |
| 地址： | 400044 *** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度子空间切换集成学习的多源异构数据融合方法，按照以下步骤进行：S1：分别对每个源数据集进行特征提取，并组成空谱特征；S2：重组构成空谱特征数据集；S3：基于深度样本学习算法对空谱特征数据集中的样本数据进行处理，形成原始样本、一阶样本和二阶样本；S4：针对三组样本集，分别构建分类器模型；S5：对三组模型分别采用各自合适的分类方式进行分类，得到三组分类结果，然后通过分类投票得到最终的分类结果。其效果是：本发明联合光谱空间信息并融入分层子空间切换集成学习算法，利用了多尺度的空谱样本，增加了有用样本，提高了训练的质量，既保留了边缘信息，又提高了样本的多样性和可分性。 | ||
| 搜索关键词： | 基于 深度 空间 切换 集成 学习 多源异构 数据 融合 方法 | ||
【主权项】：
1.一种基于深度子空间切换集成学习的多源异构数据融合方法，其特征在于按照以下步骤进行：S1：分别对每个源数据集进行特征提取，并将提取的光谱特征和空间特征组成空谱特征；S2：将每个源数据集的空谱特征重组构成空谱特征数据集；S3：基于深度样本学习算法对空谱特征数据集中的样本数据进行处理，形成原始样本、一阶样本和二阶样本；S4：针对三组样本集，分别构建分类器模型；S5：对三组模型分别采用各自合适的分类方式进行分类，得到三组分类结果，然后通过分类投票得到最终的分类结果。
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重庆大学，未经重庆大学许可，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/201810732829.9/，转载请声明来源钻瓜专利网。
