龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：中国地质大学(武汉)
摘要：本发明提供了一种非监督空‑谱双支深度学习模型的地球化学异常识别方法，该模型基于生成对抗网络，主要由空间分支和谱分支组成。空间分支通过基于图卷积和反图卷积操作的生成对抗网络来有效地捕捉地球化学空间模式并提取相邻像素之间的空间关系。其中，反图卷积通过线性层和图卷积层的差值来还原数据的原始特征；谱分支由长短期记忆网络组成，刻画地球化学元素组合。本发明可同时考虑地球化学异常的空间特征和谱特征，通过对抗学习的方式来优化空间生成器、空间判别器、谱生成器、谱判别器，以此训练模型并圈定地球化学异常，提升地球化学异常识别深度学习模型的精度和成效。
主权项：1.一种非监督空-谱双支深度学习模型的地球化学异常识别方法，其特征在于，包括以下步骤：S1、将原始地球化学数据分解为空间数据X和谱数据R，构建与原始地球化学数据具有相同结构的正态分布的随机噪声数据作为生成对抗网络的输入数据；S2、将随机噪声数据输入构建的空间生成器和谱生成器，生成空间数据和谱数据S3、将生成的空间数据生成的谱数据原始空间数据X以及原始谱数据R输入到构建的空间判别器和谱判别器，得到空间高级特征和谱高级特征；S4、构建融合网络H对空间判别器和谱判别器输出的空间高级特征和谱高级特征进行融合；S5、设计损失函数对构建的生成器、判别器、融合网络进行训练，生成器包括空间生成器和谱生成器，判别器包括空间判别器和谱判别器，直到达到纳什平衡，即生成器和判别器的损失函数趋于稳定，训练完成后得到最终的非监督空-谱双支深度学习模型，利用该模型进行地球化学异常识别。
全文数据：
权利要求：
百度查询： 中国地质大学(武汉) 非监督空-谱双支深度学习模型的地球化学异常识别方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号