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！

龙图腾网获悉安徽大学申请的专利基于子图自适应神经网络的高光谱图像分类方法及设备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：CN120388284B 。

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：202510456202.5，技术领域涉及：G06V20/10；该发明授权基于子图自适应神经网络的高光谱图像分类方法及设备是由丁云;杨德馨;李思源;李超;程序;操文彬;郑春厚设计研发完成，并于2025-04-11向国家知识产权局提交的专利申请。

本基于子图自适应神经网络的高光谱图像分类方法及设备在说明书摘要公布了：本发明公开了基于子图自适应神经网络的高光谱图像分类方法及设备，其中方法包括：S1、基于SSAPGCN方法构建成对概率图结构；S2、读取特征索引并生成特征矩阵，对输入数据执行PCA降维，进行数据预处理；S3、基于降维预处理得到全局图结构S，调用Metis图分割算法进行图分割，将全局概率图结构划分为多个子图；S4、计算类内距离intraC作为自适应反馈阈值，依据子图光谱差异确定最优图卷积层数k，避免过平滑或欠平滑；S5、利用最佳图卷积层数k对数据进行训练和测试，完成高光谱图像分类。本发明主要用于在处理大图分类时，能够降低计算成本、充分挖掘光谱与空间特征，提升分类的准确性与效率。

本发明授权基于子图自适应神经网络的高光谱图像分类方法及设备在权利要求书中公布了：1.基于子图自适应神经网络的高光谱图像分类方法，其特征在于，包括以下步骤： S1、基于SSAPGCN方法构建成对概率图结构，有效整合高光谱图像的空间信息与光谱信息； S2、读取原始光谱图像中各光谱波段的特征索引并生成含有光谱信息的特征矩阵，对输入的特征矩阵数据执行PCA降维，进行数据预处理，去除冗余信息； S3、基于降维预处理得到全局图结构S，调用Metis图分割算法进行图分割，将经所述S1得到的全局的概率图结构划分为多个局部的子图，以便挖掘局部特征； S4、计算类内距离intraC作为自适应反馈阈值，依据子图光谱差异确定最优图卷积层数k，避免过平滑或欠平滑； S5、利用最佳图卷积层数k对全局的概率图结构数据进行训练和测试，完成高光谱图像分类； 所述S1进一步包括： S11、输入高光谱图像的光谱特征矩阵和空间坐标矩阵： 其中，该公式中，X为光谱特征矩阵，L为空间坐标矩阵，N为像素数，d为光谱维度； S12、为建立兼顾光谱相似性与空间邻近性的图拓扑关系，通过最小化以下目标函数构建概率图结构： 其中，该公式中： aij为像素i与j的相似度，由光谱差异和空间距离共同决定； 为基于专家先验的引导矩阵； 为光谱信息与空间信息的平衡参数； 所述S4中，针对子图的异质性，对于每个子图i，利用以下动态机制来迭代确定最优图卷积层数k： S41、初始化特征矩阵 S42、从第0层的原始特征到第k+1层的节点特征更新规则为： 其中，该公式中： 为节点i在第l层的特征向量； aij为邻接矩阵Ai中节点i与j的连接权重； n为当前子图的节点总数； S43、引入度矩阵残差机制，将节点的度信息作为残差嵌入特征表示中，公式如下： 其中，该公式中： 为子图度矩阵，对角线元素为节点度数； β为平衡系数，用于控制原始特征与度信息的权重； S44、设计自适应调整反馈阈值ξ，以根据不同子图内变化的光谱差异来获取最优图卷积层数k； S45、为了确定最优图卷积层数k，将ξ=intraC作为自适应子图迭代的早停条件，计算类内距离intraC： 其中，该公式中，C为类别集合，|C|为类别总数，ci为第i类； 连接稀疏或紧密的子图所需的卷积层数不同，若卷积层数过少，则会使子图内的特征信息未能充分聚合，导致同一类别的样本特征仍存在较大差异，无法有效捕捉类内一致性，即为欠平滑现象，若卷积层数过多，则会使子图内的特征信息过度聚合，导致不同类别的样本特征趋于相似，失去判别性，即为过平滑现象； 利用类内距离intraC作为阈值来判断是否达到最佳的卷积层数，类内距离intraC在卷积过程中随着卷积层数的增加，自身的变化趋势表现为先减小再增加，根据变化趋势寻找最佳的卷积层数，即最优图卷积层数k； S46、在每个训练轮次中，计算当前轮次的类内距离intraC，并比较第t轮的类内距离intraCt和第t+1轮的类内距离intraCt+1，若intraCtintraCt+1，则继续迭代，若intraCtintraCt+1，则认为经过度信息残差嵌入的节点特征已达合理相似度，停止迭代并记录当前迭代层数； S47、在首次出现intraCtintraCt+1时，认为类内距离处于最小值，停止迭代，防止发生过平滑现象。

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安徽大学，其通讯地址为：230601 安徽省合肥市经开区九龙路111号安徽大学磬苑校区；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。