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：电子科技大学

摘要：本发明公开了一种基于水样全吸收光谱数据的地表水分类方法，属于深度学习领域中的时序数据分类领域。本发明从时序数据处理角度通过使用格拉姆角场GramianAngularField等数据升维方式将光谱数据升维转换为矩阵图像后，基于ResNet等深度学习网络提取图像的卷积特征，通过下游模式识别任务再训练这些特征与水体水质各项指标与其它多种相关因素的复杂关系，使得它们在数学表达上形成了一个高维空间的复杂函数，实现全光谱特征与水质各参数之间的自适应建模。从算法性能角度分析，相比于传统的污染分类方式，该方法能更为有效地拟合高维函数从而完成水质监测过程中污染物类别的预测和分析。

主权项：1.一种基于水样全吸收光谱数据的地表水分类方法，该方法具体包括以下步骤：步骤1：数据采集与预处理；采集各种水质条件下的样本，收集地表水吸收光谱数据，并进行预处理，预处理包括去噪、归一化；步骤2：数据升维；步骤2.1：原始光谱数据可以视作时间序列X＝xt,t＝1,2,…,N，其中xt表示在特定波长下的吸收度数据，t是光谱数据点的索引，用于标识不同波长下的吸收度测量值，N是光谱数据的总维度，代表了测量得到吸收度数据的总数量；通过以下步骤得到格拉姆角场图；首先对数据进行缩放，采用下式将原始数据集中的数据值缩放到[-1,1]区间： 其中，表示缩放后的数据，xi是第i个原始数据点，maxX和minX分别是数据集的最大值和最小值；对得到的缩放后的数据进行极坐标变换，将笛卡尔坐标系时间序列转化为极坐标时间序列，将数值编码为映射到的角度值，时间戳编码r为半径，公式如下： 其中，代表了xi处的时间戳，指自然数集，表示第i个原始数据点经1式规范化后的值，N同步骤2.1，代表光谱数据的总维度，通常是一个常数，用于规范极坐标系的跨度；将重新标定的时间序列转换到极坐标系后，基于极坐标系下的时间序列数据，定义格拉姆角场为： 式中,表示第i个原始数据点经2式极坐标变化得到的角度值，I＝[1,1,…,1]为单位向量，表示经过分段近似聚合方法缩放处理后的时间序列，表示的转置，GS与GD分别表示格拉姆角和场与格拉姆角差场,GS和GD的差异在内积的定义上： 对所得格拉姆角和场和格拉姆差场分别进行图像编码，获得最终所需要的完整反映原光谱数据信息的两种二维编码图像；步骤2.2：对于给定的原始光谱数据X＝xt,t＝1,2,…,N，根据不同的吸收度确定Q个量化区间，并将每个xi分配到相应的量化区间qj，j∈[1,Q]；以一阶马尔科夫链的方式沿时间轴计算量化区间之间的转换，构建一个Q×Q加权邻接矩阵W如下： wij由量化区间qj中的点被量化区间qi中的点跟随的概率给出，计算公式如下： 其中M表示量化区间qi中的数据点数量，P{xk+1∈qj|xk∈qi}表示数据点跟随概率；基于以上，构造马尔科夫转移场如下： 对所得马尔科夫转移场进行图像编码获得最终反映原光谱数据完整信息的二维编码图像；步骤3：数据标注；对于每一份光谱数据样本，根据其水质状况进行分标注；同时，在标注过程中，将不同类型的水质污染样本分别归类，用于后续的模型训练；步骤4：搭建深度学习分类网络并训练；深度学习分类网络的输入为步骤2所得到的三种不同二维编码图像数据，输出为水质类别；步骤5：根据训练好的深度学习分类网络进行后续的水质监测。

全文数据：

权利要求：

百度查询： 电子科技大学 一种基于水样全吸收光谱数据的地表水分类方法