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！

龙图腾网获悉华东师范大学申请的专利基于多智能体深度强化学习的高光谱影像特征提取方法和应用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：CN119810471B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202411880215.7，技术领域涉及：G06V10/44；该发明授权基于多智能体深度强化学习的高光谱影像特征提取方法和应用是由谭琨;孙进;牛超;王雪设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本基于多智能体深度强化学习的高光谱影像特征提取方法和应用在说明书摘要公布了：本发明涉及一种基于多智能体深度强化学习的高光谱影像特征提取方法和应用，方法包括如下步骤：获取高光谱数据，构建训练样本；构建基于生成‑选择启发式策略的多智能体深度强化学习特征提取模型，基于所述训练样本，对所述多智能体深度强化学习特征提取模型进行训练；利用训练后的多智能体深度强化学习特征提取模型对输入的高光谱影像进行特征提取，得到对应的高光谱特征子集。与现有技术相比，本发明采用以累积奖励最大化为目标的特征提取机制，可结合特定场景需求自动设计具有物理意义的特征集，减少对专家经验的知识依赖。

本发明授权基于多智能体深度强化学习的高光谱影像特征提取方法和应用在权利要求书中公布了：1.一种基于多智能体深度强化学习的高光谱影像特征提取方法，其特征在于，包括如下步骤： 获取高光谱数据，构建训练样本； 构建基于生成-选择启发式策略的多智能体深度强化学习特征提取模型，基于所述训练样本，对所述多智能体深度强化学习特征提取模型进行训练； 利用训练后的多智能体深度强化学习特征提取模型对输入的高光谱影像进行特征提取，得到对应的高光谱特征子集； 其中，所述多智能体深度强化学习特征提取模型被配置为： 特征生成：基于输入的原始特征，以交叉验证的平均性能为优化目标，对智能体进行训练，利用智能体在预设的动作空间内通过算子变换生成候选特征； 特征选择：基于生成的多个候选特征，以减少预测值与实际回报间的均方误差为训练目标，对智能体决策顺序进行优化，从多个候选特征中选取最优高光谱特征子集， 所述的特征生成包括： 构建与输入的原始特征数量匹配的智能体，且各个智能体共享决策网络； 基于所述决策网络，得到当前时间步智能体采取的动作，所述动作包括一元算子和二元算子； 基于当前时间步各个智能体产生的特征，计算智能体在当前时间步的状态； 在所有智能体均采取行动后，根据采取的动作更新智能体的状态； 计算k-fold交叉验证的平均性能作为奖励； 通过近端策略优化训练所述智能体， 所述的特征生成阶段中，训练目标函数为： 其中，为目标函数，为t时刻k-fold交叉验证的平均结果，为t时间步第k折验证结果，为新策略与旧策略的概率比，为时间步t的估计优势，为超参数，表示智能体动作，表示智能体状态， 所述的特征选择包括： 基于决策网络，得到当前时间步智能体采取的动作，所述动作为从候选特征选择特征； 基于智能体采取的动作，更新智能体在当前时间步的状态； 响应于已选择的特征数量达到预设阈值，得到特征子集，利用k-fold交叉验证评估选择的特征子集，计算包含惩罚因子和奖励因子的奖励； 演员网络根据从评论家网络收到的反馈更新动作网络，评论家网络以减少预测值与实际回报间的均方误差为目标进行训练， 所述的特征选择阶段的奖励为： 其中，为特征选择阶段的奖励，为生成的特征子集，分别为惩罚因子和奖励因子，为原始的特征子集，为智能体是否选中的状态，表示在时间步长t的状态，表示k折交叉验证的平均性能。

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华东师范大学，其通讯地址为：200062 上海市普陀区中山北路3663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。