基于超像素样本扩充的空谱全卷积高光谱图像分类方法

本成果提出的基于超像素样本扩充的空谱全卷积高光谱图像分类方法有效的利用高光谱图像的超像素分割结果指导伪样本扩充增加了训练集样本数量，解决了高光谱图像有标记样本的稀缺问题，同时空谱的全卷积分类网络也充分利用了多尺度的空间特征和光谱特征实现了较高的分类精度。 成果非涉密，专利申请已经提交。 实验采用反射光学系统成像光谱仪（ROSIS）传感器获取意大利北部帕维亚大学（Pavia  University）的高光谱图像数据。该数据集由 103 个光谱带组成，共 610×340 像素，光谱覆盖范围从 430nm 到 860nm，空间分辨率为 1.3m。该数据集一共含有 9 个类别的 42776个有标记样本，选取每类 30 个有标记样本作为训练集，其余作为测试集。 由下表可以看出，在每类选取 30 个样本的情况下，本 模 型 的 OA，AA，Kappa系 数 比 DFFN 模 型 高 出20.8%，17.4% 和 26.5%；比CNN 高 出 23.1%，18.8% 和29.2%。并且下表证明了使用了伪标签样本扩充的空谱全卷积网络的本方法在小样本情况下每个类的分类准确性均优于 DFFN 和 CNN，达到了较好的分类效果。 表 1 PaviaU 数据集上对比实验结果

西安电子科技大学 2023-03-03

基于空谱差分辅助核联合稀疏表示的高光谱图像分类

该成果提出了一种基于空谱差分辅助核联合稀疏表示分类的高光谱图像分类方法。本章方法的主要创新性在于：1）能够将光谱的差分辅助信息和原光谱特征信息有效结合。2）能够考虑不同光谱属性间的高阶空间相关信息。3）原空谱和差分空谱核特征字典的信息通过具有混合正则的核联合稀疏表示分类方法得到充分利用。通过在真实高光谱图像数据上的实验表明，该成果提出的方法能够有效地提高高光谱遥感图像的分类效果。 主要技术指标 不同数据集下的训练样本与测试样本数参阅表 1. 在该训练样本集数量下的分类结果表现参见表 2. 相比于传统分类器 SVM，OA 提高了约 20%；相比于 SOMP，OA 提高了约20%。 该成果无需使用 GPU 资源在保证精度的同时有效提升了分类的精度和效果，同时在较少训练样本条件下仍能得到较好的分类精度和分类效果。 表 1. 不同数据集下的训练样本选取数量 表 2. PaviaU 大学数据下不同方法的正确率比较

西安电子科技大学 2023-03-22

基于非监督特征学习的高分辨率遥感影像场景分类方法

一种基于非监督特征学习的高分辨率遥感影像场景分类方法，包括对输入的原始高分辨率遥感图像 进行划分得到场景，从每个场景中随机地提取若干个训练图像块，将训练图像块聚集起来做预处理操作; 计算所有训练图像块的低维流形表示，聚类得到一组聚类中心;对每一幅场景密集采样得到局部图像块， 对每个局部图像块做预处理操作后映射到相同的低维流形空间中，然后进行编码获得场景的所有局部特 征;将所有场景的局部特征集合起来进行特征量化，统计每一幅场景的局部特征直方图，得到场景的全 局特征表达;随机挑选若干幅场景作为训练样本，由分类器得到每一幅场景的预测类别标号，完成原始 高分辨率遥感场景的标注任务。

武汉大学 2021-04-13

一种基于大风气象分类的风功率爬坡预测模型切换方法

本发明属于风功率爬坡预测领域，涉及一种基于大风气象分类的风功率爬坡预测模型切换方法，按 以下步骤进行：首先根据指定地理范围内的历史大风波动天气提取出可以明显表征大风天气的特征量和 特征指数，并形成判别表达式。进而采用 Fisher 判别法中的判别准则计算出判定范围以及特征量和特征 指数的加权系数，得出判别结果，并通过统计检验进行验证分析。通过判别法进一步得出大风天气分类 结果，依据不同大风天气的时空尺度的特征，最后形成对不同统计预测模型之间的切换机制。本发明将 数值天气预报的结果进行爬坡天气判别研究，在风功率爬坡的综合预测方法上为不同的统计预测方法提 供了更准确的切换机制。 

武汉大学 2021-04-13

基于有机笼状与环状化合物的自分类组分动态网络

基于亚胺类动态共价反应以及课题组对于组分动态网络方面的前期研究基础，对有机笼状与环状化合物自分类组分动态网络的设计和动态适应性进行了深入研究。该研究首先以两种多胺（T、NON）和二醛（Py）构成的三元混合体系为原料，考察其自分类性能。理论上，各组分基元可以在体系中进行随机的结合，产生由单一或混合组分基元所构成的多元复杂体系。因此，在最简单三元组分基元体系中（Py、T、NON），可能产生三种平衡态：1）Py与T或NON选择性结合，产生Py3T2和Py2(NON)2的同质自分类（homo-self-sorting）结构；2）Py与T和NON同时结合，产生一种特定的异质自分类（hetero-self-sorting）结构；3）Py与T，NON的反应不具备选择性，进而产生具有统计学分布的超复杂混合状态。而实验结果表明，该混合体系首先产生一系列的复杂中间体，随后这些中间体有序的转化为热力学稳定状态，生成有机笼状化合物和大环的同质自分类产物，即平衡态1进一步将三元混合体系扩展到更为复杂的四元体系，构建出基于有机笼状与环状化合物的自分类组分动态网络。通过对组分基元的合理设计和选择，该网络能够实现对于环境变化由动力学控制的亚稳态到热力学稳定态的动态自适应过程：通过核磁共振对于各个组分分布的实时监控，该混合体系在有机笼状化合物（动力学优势产物）的驱动下首先经历具有失衡组分分布的亚稳态；随着时间的延长，亚稳态产物的含量会逐渐减少，进而最终达到处于相反的失衡组分分布的热力学稳定状态。这项工作首次将自分类的概念扩展到两种不同维度（有机笼状和环状化合物）的有机拓扑学结构，为自分类设计摆脱金属模板化的常规体系，从而实现纯有机自分类体系的构建。为开发物种多样性和环境适应性并存的复杂化学系统提供了新的设计思路。

中山大学 2021-04-13

一种利用多光谱图像分类的典型地物参考图的制备方法

本发明公开了一种利用多光谱图像分类进行典型地物参考图制备的方法，从多光谱图像提取出感兴趣类作为地标，并制备出包含所述地标的参考图，以用于目标的间接定位识别，该方法具体包括：从多光谱图像中选择感兴趣类，提取其光谱-空间纹理特征，根据提取的光谱-空间纹理特征对多光谱图像进行分类；在分类基础上，提取完整的感兴趣类，并依据地标选取准则选择用作地标的感兴趣类；根据地标材质类型，利用红外辐射公式计算出地标在大气参数条件下的红外

华中科技大学 2021-04-14

基于快速二值编码的高分辨率遥感影像场景分类方法

本发明提供了一种基于快速二值编码的高分辨率遥感影像场景分类方法，包括步骤:步骤 1，划分 待分类遥感影像获得场景单元;步骤 2，从场景单元中提取尺寸相同的图像块作为局部图像块训练样本; 步骤 3，采用非监督学习法学习局部图像块训练样本获得滤波器组;步骤 4，将场景单元与滤波器组中 各滤波器分别做卷积获得各场景单元的幅滤波器响应图，采用二值编码法分别融合各场景单元的幅滤波 器响应图获得各场景单元的全局特征描述;步骤 5，基于场景单元的全局特征描述进行场景单元分类。 本发明在保证场景分类精度的前提下，大大降低了非监学习法的计算代价。

武汉大学 2021-04-13

一种垃圾箱和基于网络平台的垃圾分类收集系统及方法

其他成果/n一种垃圾箱,包括箱体和盖体，所述箱体内设有垃圾投放仓和位于所述垃圾投放仓下端的与其连通的多个垃圾分类存储箱，所述垃圾投放仓内设有红外线扫描纠错器，所述垃圾投放仓的上端设有自动开合门，所述盖体上设有与垃圾投放仓位置相对应的自动开合门，所述垃圾投放仓下端通过自动投放门与所述多个垃圾分类存储箱相连通,所述盖体上设有云计算反馈激励模块和位于所述自动开合门上方的垃圾分类扫描器。本发明一种垃圾箱是基于网络平台的并具有自动扫描智能分类的功能，云计算反馈模块与物业系统和市政中心系统连接，为物业和市政中心

武汉轻工大学 2021-01-12

城市公用事业特许经营权竞标机制分类设计与管制政策研究

浙江财经大学王岭副研究员编著的《城市公用事业特许经营权竞标机制分类设计与管制政策研究》2017年12月由中国社会科学出版社出版，获2019年“浙江省第二十届哲学社会科学优秀成果奖”三等奖（基础理论研究类）。 该书是国家自然科学基金青年项目“城市公用事业特许经营权竞标机制分类设计与管制政策研究”（批准号：71303208）的最终研究成果。中国城市公用事业长期游历于市场经济体制之外，这不仅直接影响着城市公用事业产品供给的可持续性，而且也直接或间接地影响了整个城市功能的有效发挥，乃至影响了政府职能的转变和市场化进程的有序推进。在增加供给与提升效率的双重目标下，中国政府顺势而为，提出了深化城市公用事业市场化改革的重要举措，这需要创新政府管制体制，发挥市场竞争机制，实现特许经营权竞标的有效性。为此，构建可竞争的市场机制已然成为城市公用事业市场化改革的核心内容，特许经营是市场化改革的重要制度，目前已经遍地开花，但在城市公用事业特许经营权竞标过程中依然存在着低价中标、固定回报、变相固定回报等一些“伪PPP”问题，这在一定程度上背离了通过特许经营模式提高运营企业效率的初衷。同时，现有城市公用事业特许经营项目的竞标机制往往参照工程项目，忽视了城市公用事业的同质性与异质性特征，从而限制了特许经营权竞标机制的适用范围。因此，在深化城市公用事业市场化改革的背景下，如何分类设计城市公用事业特许经营权项目竞标机制，制定与之相适应的管制政策，实现城市公用事业特许经营权的有效分配，促进城市公用事业运行效率和服务水平的提升，已然成为中国理论研究和实际应用过程中最为关注的重要议题之一。

浙江财经大学 2021-04-30

一种基于关联分析与关联分类的蛋白质二级结构预测技术

发明公开了一种基于关联分析与关联分类的蛋白质二级结构预测技术，以双库协同机制为基础，将KDD*过程模型引入蛋白质二级结构预测问题中，KAAPRO方法以数据挖掘(知识发现)为主体，采用基于KDD*过程模型Maradbcm算法以及关联规则分类D-CBA方法。KAAPRO方法所取得关联规则在一定程度上揭示了氨基酸物化属性对蛋白质二级结构的影响关系，从而提高了预测的精度。其中Maradbcm算法挖掘意外规则的特性对纯度较高的α蛋白质库与β蛋白质库进行关联规则的挖掘，由此获得的挖掘结果是精化的规则。D-CBA关联分类方法使用可信度与支持度的测度作为一个复合型度量来进行蛋白质关联分类。在保证预测精度的同时，为生物学家对二级结构进一步分析提供了依据。

北京科技大学 2021-04-11