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
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 金陵科技学院刘娅获国家专利权

金陵科技学院刘娅获国家专利权

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!

龙图腾网获悉金陵科技学院申请的专利基于扩增高光谱数据集改善土壤氧化铁预测精度的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:CN117690507B

龙图腾网通过国家知识产权局官网在2025-09-26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:202311533015.X,技术领域涉及:G16C20/20;该发明授权基于扩增高光谱数据集改善土壤氧化铁预测精度的方法是由刘娅;卢慧中;惠放;杨乐婵;陈丹艳;张燕设计研发完成,并于2023-11-17向国家知识产权局提交的专利申请。

基于扩增高光谱数据集改善土壤氧化铁预测精度的方法在说明书摘要公布了:本发明公开了一种基于扩增高光谱数据集改善土壤氧化铁预测精度的方法,步骤如下:扩增高光谱数据集,采用分数阶微分算法将原始高光谱进行多分数阶微分变化;然后将分数阶微分光谱与原始光谱组合,形成不同的扩增高光谱数据库,以扩增原始光谱数据量;对最终形成的不同扩增高光谱数据库分别建立以为神经网络1D‑CNN模型,此时自变量为高光谱反射率值,因变量为土壤氧化铁含量;根据不同的扩增数据库所建立的模型,选择最优1D‑CNN模型。本发明有效解决了小样本条件下深度学习模型精度不高的问题,在一定程度上提高了深度学习模型的适用性和有效性,有效改善了基于高光谱数据的土壤氧化铁现有预测精度,为其他土壤属性的高光谱预测研究提供了新的方法和思路。

本发明授权基于扩增高光谱数据集改善土壤氧化铁预测精度的方法在权利要求书中公布了:1.一种基于扩增高光谱数据集改善土壤氧化铁预测精度的方法,其特征在于,包括以下步骤: 1扩增高光谱数据集,采用分数阶微分算法将原始高光谱进行多分数阶微分变化;然后将分数阶微分光谱与原始光谱组合,形成不同的扩增高光谱数据库,以扩增原始光谱数据量;步骤1所述的采用分数阶微分算法将原始高光谱进行多分数阶微分变化的公式为: 式中,fx为对应波段的光谱反射率;v为微分阶数;Γ·为伽玛函数;m为微分的上下限之差,即波段范围; 按照以上公式,v分别取0、0.1、0.2、0.3、……、2,v按照上述规律逐个取值分别对应原始光谱、0.1阶微分光谱、0.2阶微分光谱、0.3阶微分光谱、……、2阶微分光谱,构建扩增光谱数据库,其中0阶微分代表原始光谱数据; 2对最终形成的不同扩增高光谱数据库分别建立一维神经网络1D-CNN模型,此时自变量为高光谱反射率值,因变量为土壤氧化铁含量; 3根据不同的扩增数据库所建立的模型,选择最优1D-CNN模型; 其中,所述将分数阶微分光谱与原始光谱组合,具体包括:采用不同微分阶数的微分算法对原始高光谱进行计算,得到不同微分阶数的微分光谱矩阵,将微分光谱矩阵按照依次逐渐增加的方式组合成为扩增光谱矩阵,针对每一个扩增光谱矩阵,建立一个对应的1D-CNN模型。

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金陵科技学院,其通讯地址为:211169 江苏省南京市江宁区弘景大道99号;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。