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！

龙图腾网获悉北京数慧时空信息技术有限公司申请的专利基于组合迁移学习的遥感样本标注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：CN115439710B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202211015537.6，技术领域涉及：G06V10/774；该发明授权基于组合迁移学习的遥感样本标注方法是由陈婷;刘仕琪;李洁;邹圣兵设计研发完成，并于2022-08-23向国家知识产权局提交的专利申请。

本基于组合迁移学习的遥感样本标注方法在说明书摘要公布了：本发明提供一种基于组合迁移学习的遥感样本标注方法，该方法包括：获取源域样本集和目标域样本集；采用包括第一迁移方法和第二迁移方法的组合迁移方法构建迁移学习模型；将源域样本集和目标域样本集输入迁移学习模型，利用第一迁移方法使源域样本集和目标域样本集达到类平衡，并保存源域样本集中的特征和标签之间的内在关系；利用第二迁移方法对源域样本集的特征和目标域样本集的特征进行适配，得到源域样本集和目标域样本集的新特征表示；根据目标域样本集的新特征表示和源域样本集中的特征和标签之间的内在关系得到目标域样本集的标签。本发明能减小源域和目标域的分布差异，并缓解在迁移时导致的数据扭曲过大的问题，能得到较好的标注结果。

本发明授权基于组合迁移学习的遥感样本标注方法在权利要求书中公布了：1.一种基于组合迁移学习的遥感样本标注方法，其特征在于，包括： S1获取源域样本集和目标域样本集； S2构建迁移学习模型，迁移学习模型采用组合迁移方法构建，组合迁移方法包括第一迁移方法和第二迁移方法； S3将源域样本集和目标域样本集输入迁移学习模型，以利用第一迁移方法使源域样本集和目标域样本集达到类平衡，并保存源域样本集中的特征和标签之间的内在关系； S4利用第二迁移方法对源域样本集的特征和目标域样本集的特征进行适配，得到源域样本集的新特征表示和目标域样本集的新特征表示； S5根据目标域样本集的新特征表示和源域样本集中的特征和标签之间的内在关系得到目标域样本集的标签； 步骤S3包括：将源域样本集和目标域样本集输入迁移学习模型；通过迁移学习模型采用随机过采样算法，随机迭代抽取源域样本集和目标域样本集，使源域样本集和目标域样本集达到类平衡；基于希尔伯特-施密特独立性准则度量源域样本集中特征和标签之间的相关性；根据度量结果获取并保存类平衡下的源域样本集的特征和标签之间的内在关系；其中，随机过采样算法包括：将源域样本集和目标域样本集组成数据集；将数据集的特征映射在重构核希尔伯特空间中，将数据集的标签映射为核格拉姆矩阵；根据随机过采样方法随机迭代的过采样源域样本和目标域样本，保持源域和目标域不同类别的样本数比例均衡； 步骤S4包括：S41根据源域样本集的特征和目标域样本集的特征分别得到源域样本集的特征张量和目标域样本集的特征张量，通过源域样本集的特征张量和目标域样本集的特征张量进行学习得到共享特征空间；S42将源域样本集和目标域样本集对齐到共享特征空间；S43根据迁移学习模型的目标函数得到共享特征空间中源域样本集的新特征表示和目标域样本集的新特征表示； 迁移学习模型包括目标函数，目标函数包括第一优化项、第二优化项和第三优化项： 其中，X为特征空间，Y为标签空间，s指源域样本集，t指目标域样本集，s→t指源域按类别分布进行均衡，P是样本集的数据分布，H为源域样本集和目标域样本集的共享特征空间，f为源域样本集的特征映射到共享特征空间中的映射函数，f-1为f的近似逆函数，k为目标域样本集的特征映射到共享特征空间中的映射函数，k-1为k的近似逆函数； 其中，第一优化项为优化源域样本集和目标域样本集的类平衡以及源域样本集中特征和标签的内在关系；第二优化项为优化共享特征空间中源域样本集的新特征表示；第三优化项为优化共享特征空间中目标域样本集的新特征表示。

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北京数慧时空信息技术有限公司，其通讯地址为：100070 北京市丰台区海鹰路1号院1号楼二层201；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。