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！
摘要：本发明公开了一种基于退火优化LSTM算法反演湖泊叶绿素的方法及系统，属于人工智能中的模式识别技术领域。所述方法包括获取湖泊的高光谱图像，从高光谱图像中提取每个像素点的光谱序列数据；将高光谱图像中每个像素点的光谱序列数据输入到预先训练好的基于退火优化算法优化的MHA‑LSTM模型中，预测每个像素点的叶绿素浓度；根据预测的每个像素点的叶绿素浓度，生成表示叶绿素分布的热力图。所述MHA‑LSTM模型包括依次连接的编码层、多头局部自注意力机制层、LSTM层、注意力门控机制层和输出层。本发明能够显著提高叶绿素浓度预测的准确性，在保证模型预测精度的同时，显著减少了训练时间和计算资源消耗。
主权项：1.基于退火优化LSTM算法反演湖泊叶绿素的方法，其特征在于，包括：获取湖泊的高光谱图像，从高光谱图像中提取每个像素点的光谱序列数据；将高光谱图像中每个像素点的光谱序列数据输入到预先训练好的基于退火优化算法优化的MHA-LSTM模型中，预测每个像素点的叶绿素浓度；根据预测的每个像素点的叶绿素浓度，生成表示叶绿素分布的热力图；所述MHA-LSTM模型包括依次连接的编码层、多头局部自注意力机制层、LSTM层、注意力门控机制层和输出层，所述编码层将输入数据映射到高维特征空间，所述多头局部自注意力机制层对编码层输出的数据进行局部自注意力计算，提取局部光谱特征；所述LSTM层对多头局部自注意力机制层输出的特征进行处理，捕捉时间序列数据中的长期依赖关系；所述注意力门控机制层对LSTM层输出的特征进行加权；所述输出层对经注意力门控机制层加权后的特征进行线性变换，输出每个像素点的叶绿素浓度预测值。
全文数据：
权利要求：
百度查询： 南京信息工程大学 基于退火优化LSTM算法反演湖泊叶绿素的方法及系统
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