专利汇可以提供船舶废气光谱图像分割与污染预测方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了 船舶 废气 光谱 图像分割 与污染预测方法,包括分割废气光谱图像,构建特征相似矩阵,求取投影矩阵,求取投影后的 特征向量 ,求取距离度量矩阵,求取距离度量变换后的特征向量,重新构建特征相似矩阵,求取综合相似矩阵的拉普拉斯矩阵,获取废气光谱图像的污染程度共9个步骤。本发明利用半 监督学习 的思路,只需要对废气光谱图像进行少量的标注,即可实现整个图像的分割与污染程度的预测。,下面是船舶废气光谱图像分割与污染预测方法专利的具体信息内容。
1.船舶废气光谱图像分割与污染预测方法,其特征在于:
步骤1:利用超像素分割算法SLIC对废气光谱图像进行分割,对每个超像素抽取颜色与纹理特征构建样本集合X={x1,x2,···,xi,···,xn},n为样本的总数,为正整数,表示实数域,d表示特征维度,为正整数;
步骤2:构建特征相似矩阵S1,具体如下:
其中,e为自然常数, 为S1中的元素,i、j取自{1,2,···,n},N1(xi)表示在特征向量的欧式距离度量下距离xi最近的k个样本点集合,k为正整数,N1(xj)表示在特征向量的欧式距离度量下距离xj最近的k个样本点集合,t1>0为高斯核宽度;
步骤3:求取投影矩阵W,具体通过优化以下方程获取:
其中, 为投影矩阵,m为一正整数,上标T表示转置;
步骤4:求取投影后的特征向量 得到
采用聚类算法将 聚为l个簇,并从每个簇中选择一个样本进行标注,则得到为有标注样本集合, 为无标注样本集合,其
中n=u+l为正整数,标注的内容为这个超像素的污染程度;
步骤5:求取距离度量矩阵A,具体通过优化minA J(A)获取,其中,
其中, 为异类下标对的集合,
为同类下标对的集合,Ni为距离 最近的k个样本的
集合,ξ为一个大于0的常数;
步骤6,求取距离度量变换后的特征向量 得到
步骤7:重新构建特征相似矩阵S1,具体如下:
其中, 为S1中的元素,i、j取自{1,2,···,n}, 表示在特征向量的欧式距离度量下距离 最近的k个样本点集合, 表示在特征向量的欧式距离度量下距离 最近的k个样本点集合,t1>0;
构建空间相似矩阵S2定义如下:
其中, 为S2中的元素,i、j取自{1,2,···,n}, 表示在空间坐标的欧式距离度量下距离 最近的k个样本点集合, 表示在空间坐标的欧式距离度量下距离 最近的k个样本点集合,t2>0为高斯核的宽度;
计算综合相似矩阵S=μS1+(1-μ)S2,μ∈(0,1);
步骤8,求取S的拉普拉斯矩阵LS,并求解如下方程得到最优拉普拉斯支持向量机:
其中,f为拉普拉斯支持向量机,yi为标注结果,即污染程度,V(·)为任一评价在有标注样本上分类性能的损失函数, 控制模型复杂度的正则化项,H表示再生核希尔伯特空间,γ1,γ2均为大于零实数,
步骤9,将 带入f*(·),即可实现废气光谱图像的分割,得到每一块
的污染程度。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
基于半监督学习的图片分类方法、装置和计算机设备 | 2020-05-08 | 521 |
一种基于半监督学习的多标签语料库文本分类方法 | 2020-05-13 | 481 |
一种室外场景三维彩色点云分类方法 | 2020-05-14 | 637 |
一种基于语音和表情的自适应权重双模态融合情感识别方法 | 2020-05-19 | 142 |
一种基于半监督学习深度对抗网络的故障诊断方法 | 2020-05-12 | 671 |
一种基于Triple-GAN的分类方法 | 2020-05-11 | 545 |
一种对蛋白质二级结构进行半监督学习预测方法 | 2020-05-12 | 58 |
一种基于对抗训练和对抗学习网络的半监督文本分类方法 | 2020-05-18 | 681 |
一种基于卷积神经网络的自动驾驶汽车前方物体检测方法 | 2020-05-17 | 945 |
基于半监督学习的渣土车偷倒判别方法、系统和装置 | 2020-05-08 | 737 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。