基于累积变异比的集成超限学习机高光谱图像分类方法

    公开(公告)号:CN110852371B

    公开(公告)日:2023-04-18

    申请号:CN201911077574.8

    申请日:2019-11-06

    Inventor: 尹玉萍 魏林

    Abstract: 本发明公开了一种基于累积变异比的集成超限学习机高光谱图像分类方法,首先定义了波段的累积变异比函数来确定各波段在分类算法的贡献程度;然后基于累积变异比函数剔除低效波段,并结合空谱特征进行平均分组加权随机选择降维;最后,为了进一步提高算法的泛化能力,对降维后提取的空谱特征进行多次样本重采样,训练得到多个超限学习机弱分类器,再将多个弱分类器的结果通过投票表决,得到最后的分类结果。采用典型的高光谱数据集进行测试,实验结果表明,本发明提出的方法具有确定参数少,总体分类精度较高的优点,本发明能够有效地提高高光谱图像分类的精度,能够快速地完成高光谱图像分类,能够满足高光谱图像分类精度的需求。

    一种基于瓦斯涌出异常敏感指标的煤与瓦斯突出预测方法

    公开(公告)号:CN109711632A

    公开(公告)日:2019-05-03

    申请号:CN201811639455.2

    申请日:2018-12-29

    Abstract: 本发明公开了一种基于瓦斯涌出异常敏感指标的煤与瓦斯突出预测方法,步骤为:获得煤层地质结构特征、煤层赋存特征和瓦斯赋存特征;通过对上述特征进行分析,总结出工作面瓦斯涌出浓度异常规律;基于上述瓦斯涌出浓度异常规律分析,选取能够有效反应瓦斯异常涌出的三个敏感性指标;对煤与瓦斯突出危险性进行连续的实时预测;确定当前工作面的煤与瓦斯突出的危险性程度。本发明分别从瓦斯涌出平均波动幅度变化异常、瓦斯涌出平均变化趋势异常和瓦斯涌出大幅度变化频率异常三个角度分别提出了相应的敏感性指标,降低了监测设备成本,且可连续监测获得,实现连续实时预测突出危险性,避免局部动态预测实时性不够强和人为操作失误而导致的安全隐患。

    一种融合首尾注意力和GUR网络的遥感图像场景分类方法

    公开(公告)号:CN116580224A

    公开(公告)日:2023-08-11

    申请号:CN202310414768.2

    申请日:2023-04-18

    Abstract: 本发明公开了一种融合首尾注意力和GUR网络的遥感图像场景分类方法,步骤为:在通道维对输入的遥感图像进行通道维度的权重修正;对CNNs提取的高阶特征之后进行空间维度再权重化;将经过首部通道注意力模块和尾部空间注意力模块的全局联合修正后的特征以全局平均池化的方式得到维度为2048维的特征向量,并与1个节点为512的全连接层连接后,通过softmax函数预测输出图像的类别概率。本发明的融合首尾注意力和GUR网络的遥感图像场景分类方法,通过两个联合全局结构的注意力模块和模块内部的GRU门控单元算法,使整个网络能够更有效的鉴别遥感图像特征,从而生成不同通道和不同空间区域的重要性权重,在提高特征表示的鉴别性能力方面具有很高的实用性和应用潜力。

    矿用智能瓦斯灾害预警检测装置及方法

    公开(公告)号:CN103018281A

    公开(公告)日:2013-04-03

    申请号:CN201210525208.6

    申请日:2012-12-07

    Abstract: 一种矿用智能瓦斯灾害预警检测装置及方法,本发明属于矿井检测技术领域,该装置包括瓦斯检测单元和预警处理单元;其中,瓦斯单元包括瓦斯传感器和信号滤波处理电路;预警处理单元包括电源模块和主处理器;其中:主处理器是用于根据瓦斯浓度与电压信号的线性关系计算当前环境下瓦斯浓度,并根据计算出的瓦斯浓度所属等级输出预警信号的装置;该装置体积小巧,对抗外界干扰能力强,反应速度快,灵活性强,且对预警进行明确等级划分,使得操作人员使用更加方便;并借助智能检测技术、嵌入式技术、微处理器技术等手段,突破了传统瓦斯预警检测装置预警效果差、检测精度低等问题。

    基于累积变异比的集成超限学习机高光谱图像分类方法

    公开(公告)号:CN110852371A

    公开(公告)日:2020-02-28

    申请号:CN201911077574.8

    申请日:2019-11-06

    Inventor: 尹玉萍 魏林

    Abstract: 本发明公开了一种基于累积变异比的集成超限学习机高光谱图像分类方法,首先定义了波段的累积变异比函数来确定各波段在分类算法的贡献程度;然后基于累积变异比函数剔除低效波段,并结合空谱特征进行平均分组加权随机选择降维;最后,为了进一步提高算法的泛化能力,对降维后提取的空谱特征进行多次样本重采样,训练得到多个超限学习机弱分类器,再将多个弱分类器的结果通过投票表决,得到最后的分类结果。采用典型的高光谱数据集进行测试,实验结果表明,本发明提出的方法具有确定参数少,总体分类精度较高的优点,本发明能够有效地提高高光谱图像分类的精度,能够快速地完成高光谱图像分类,能够满足高光谱图像分类精度的需求。

    一种基于瓦斯涌出异常敏感指标的煤与瓦斯突出预测方法

    公开(公告)号:CN109711632B

    公开(公告)日:2023-04-18

    申请号:CN201811639455.2

    申请日:2018-12-29

    Abstract: 本发明公开了一种基于瓦斯涌出异常敏感指标的煤与瓦斯突出预测方法,步骤为:获得煤层地质结构特征、煤层赋存特征和瓦斯赋存特征;通过对上述特征进行分析,总结出工作面瓦斯涌出浓度异常规律;基于上述瓦斯涌出浓度异常规律分析,选取能够有效反应瓦斯异常涌出的三个敏感性指标;对煤与瓦斯突出危险性进行连续的实时预测;确定当前工作面的煤与瓦斯突出的危险性程度。本发明分别从瓦斯涌出平均波动幅度变化异常、瓦斯涌出平均变化趋势异常和瓦斯涌出大幅度变化频率异常三个角度分别提出了相应的敏感性指标,降低了监测设备成本,且可连续监测获得,实现连续实时预测突出危险性,避免局部动态预测实时性不够强和人为操作失误而导致的安全隐患。

Patent Agency Ranking