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！

龙图腾网恭喜西安彬林电子科技有限公司申请的专利基于人工智能的卫星遥感目标数据识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119418224B 。

龙图腾网通过国家知识产权局官网在2025-04-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510019488.0，技术领域涉及：G06V20/13；该发明授权基于人工智能的卫星遥感目标数据识别方法是由张鹏设计研发完成，并于2025-01-07向国家知识产权局提交的专利申请。

本基于人工智能的卫星遥感目标数据识别方法在说明书摘要公布了：本发明公开了基于人工智能的卫星遥感目标数据识别方法，属于数据处理技术领域，通过对采集的光谱向量进行卫星遥感的目标识别，采用分布式联邦学习的模型训练架构，实现多节点联合模型的分布式模型训练与数据挖掘；对采集到的光谱向量数据进行人工标注；采用基于多尺度光谱分解的生成对抗网络进行样本生成，进而实现数据扩充；采用卫星遥感目标数据识别模型进行数据识别。本发明通过采用基于多尺度光谱分解的生成对抗网络进行样本生成，扩充数据集。使用自编码器算法进行特征降维，通过非线性转换层强化特征独立性，减少了特征间的冗余信息。采用基于共轭梯度补偿的核极限学习机算法，通过核函数映射到高维空间，提高了分类的准确性和效率。

本发明授权基于人工智能的卫星遥感目标数据识别方法在权利要求书中公布了：1.基于人工智能的卫星遥感目标数据识别方法，其特征在于，包括以下步骤：S1、通过对采集的光谱向量进行卫星遥感的目标识别，采用分布式联邦学习的模型训练架构，实现多节点联合模型的分布式模型训练与数据挖掘；分布式联邦学习的模型训练架构为：每一轮迭代中各节点分别进行本地模型训练，并将训练出的模型参数上传至中央服务器，中央服务器完成参数聚合与更新，并将更新后的参数下发至各节点开始新一轮的迭代，重复执行该迭代操作，即表示中央服务器的全局模型和各节点的模型训练完成；S2、对采集到的光谱向量数据进行人工标注，标注的类别包括：城市建筑目标区、水体目标区、植被目标区、裸地目标区；S3、采用基于多尺度光谱分解的生成对抗网络进行样本生成，进而实现数据扩充，基于多尺度光谱分解的生成对抗网络算法包含两个主要组件：生成器和判别器，所述的生成器用于生成真实光谱向量的数据，所述的判别器用于区分真实输入数据和由生成器生成的输入数据；所述的步骤S3中的基于多尺度光谱分解的生成对抗网络算法的训练流程为：S301、采用基于小波变换的权重初始化策略对生成对抗网络的生成器和判别器进行初始化，初始化的方式表示为： ，式中，为生成对抗网络的权重的初始化值，为小波变换基策略函数，为小波变换的尺度参数；小波变换基策略函数用于生成具有多尺度特性的初始权重，计算方式表示为： ，式中，为圆周率，为小波函数的波数，决定了小波函数的振荡频率，X为函数的自变量，为小波函数的相位偏移，用于调整小波的起始相位，为以自然常数为底的指数函数，为高斯窗的标准偏差，控制小波的局部性，设置为0.04；S302、进行生成对抗网络的粗调，生成器和判别器通过标准的对抗训练框架进行训练，粗调阶段的损失函数表示为： ，式中，为对抗损失函数，为生成器，为判别器，为真实数据集，为随机噪声分布，为期望，为从真实数据分布中采样的数据，为服从于特定分布，为真实数据的分布，为判别器函数，为噪声分布，为生成器函数，为从噪声分布中采样的向量；S303、进行生成对抗网络的细调，采用光谱向量的分段线性映射策略，对生成器进行细节上的调整，生成器的输出通过分段线性函数实现，表示为： ，式中，为分段线性映射函数，负责对输入噪声进行变换，是映射函数的参数集，md为分段数，md设置为5，为第i段的段内的线性系数，为ReLU激活函数，为非线性函数，为第i段的段内的斜率，为第i段的段内的偏置，为采用的二次项系数，用于增加模型处理光谱数据非线性特征的能力，设置为0.5； 为Sigmoid激活函数，为非线性函数，用于进一步处理映射后的数据以逼近真实数据分布，是控制角度调整幅度的调整系数，为光谱角的正弦函数，用于确保调整幅度与角度偏差成正比，为光谱角映射函数，为目标光谱向量，即从真实数据集中选取的参照向量；采用基于光谱角映射的动态特征校正策略提升数据扩充算法中生成数据的光谱真实性，定义光谱角映射函数用于计算并调整生成光谱数据的角度，计算方式表示为： ，式中，为对输入噪声进行变换的分段线性映射函数；S304、在生成器能够较好地复现单一尺度光谱数据后，采用多尺度优化策略，通过并行处理不同尺度的光谱数据，优化生成器在各个尺度上的生成性能，多尺度优化策略阶段的数据生成方式表示为： ，式中，为尺度特定的处理函数，为生成器的权重矩阵，为多尺度优化策略的尺度数量，为第j个尺度的非线性激活函数，为第j个尺度的权重矩阵； 为多尺度优化阶段的生成器函数，为不同尺度处理结果的串联，为第1个尺度的权重矩阵，为第个尺度的权重矩阵；为适应不同尺度的数据处理需求，第j个尺度的非线性激活函数的计算方式表示为： ，式中，x为函数的自变量，为激活函数的第一可调参数，为激活函数的第二可调参数；S305、在细调阶段与多尺度优化阶段，细调阶段与多尺度优化阶段的损失函数计算方式表示为： ，式中，为细调阶段与多尺度优化阶段的损失函数，为细调阶段与多尺度优化阶段的损失函数的第一损失权重，设置为0.3，为细调阶段与多尺度优化阶段的损失函数的第二损失权重，设置为0.7，为动态权重，为训练参数，允许模型根据数据的特定特性优化损失权重，增强对关键光谱特征的敏感性，为当前批次输入的光谱数据数量，为第k个真实光谱数据，为第k个真实光谱数据对应的噪声输入，为范数，同欧氏距离计算方式，用于测量生成数据和真实数据之间的光谱距离；S306、重复迭代上述步骤，直至满足预设的停止迭代条件，预设的停止迭代条件为达到预设的最大迭代次数，即表示模型训练完成；S4、采用卫星遥感目标数据识别模型进行数据识别，卫星遥感目标数据识别模型包括光谱向量特征降维模块和遥感目标数据分类模块。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安彬林电子科技有限公司，其通讯地址为：710000 陕西省西安市经济技术开发区草滩生态产业园草滩三路588号1幢10101室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。