Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于多分类器决策融合机制的多波束海底底质分类方法 

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多分类器决策融合机制的多波束海底底质分类方法,包括如下步骤:对输入的多波束反向散射强度图像和深度图像分别进行多尺度纹理特征提取和地形特征提取,利用K‑均值聚类进行精度分析筛选最优尺度的声学特征,结合地理加权回归分析方法获取高贡献度的声学特征;超像素分割多波束反向散射强度图像,获取样本‑超像素块,实现海底样本点的有效扩充;将扩充后的样本集一半作为训练集与多分类器构建海底底质分类模型;另一半作为验证集,利用各模型分类结果和生产者精度创建一种多分类器决策融合机制模型预测海底底质类型,获取海底底质预测结果图。该方法具有较高的预测精度,可应用于海洋工程建设、资源管理开发和测绘等领域。

主权项:1.一种基于多分类器决策融合机制的多波束海底底质分类方法,其特征在于,该方法包括:步骤1,多尺度声学特征优选评估,通过不同尺度的滑动窗口对输入的多波束反向散射强度图像和深度图像分别进行纹理特征提取和地形特征提取,对各尺度的相应特征利用K-均值聚类的方法进行精度分析筛选最优尺度的声学特征,结合地理加权回归分析方法获取高贡献度的声学特征;步骤2,有效样本点扩充,利用简单线性聚类分析的超像素分割多波束反向散射强度图像,结合原位采样点获取样本-超像素块,并通过样本-超像素块中各像元对应的高贡献度声学特征结合自适应阈值法实现海底样本点的有效扩充,获得样本集;步骤3,多分类模型构建,将扩充后的样本集一半作为训练集分别与随机森林、K最邻近、决策树、朴素贝叶斯、BP神经网络、支持向量机分类器构建海底底质分类模型;步骤4,决策融合机制构建,另一半作为验证集结合混淆矩阵评估模型的精度表现,利用各模型分类结果和生产者精度创建一种多分类器决策融合机制模型预测海底底质类型,获取海底底质预测结果图。

权利要求:

百度查询: 自然资源部第二海洋研究所 基于多分类器决策融合机制的多波束海底底质分类方法

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。