欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024109244842
申请人: 南京信息工程大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于图掩码自编码器的遥感图像自监督学习方法,其特征在于,包括:使用主成分分析法对遥感图像数据进行降维,获得降维后的遥感图像数据;

将降维后的遥感图像数据输入到预训练的图卷积编码器中,进行遥感图像节点样本的特征提取,获得遥感图像特征矩阵;

将遥感图像特征矩阵输入到监督学习分类器中,获得遥感图像数据分类结果;

其中,所述图卷积编码器的训练方法包括:使用主成分分析法对遥感图像数据进行降维,并基于降维后的遥感图像数据构建具备节点和边的全集图数据,设置自监督学习训练迭代轮次;

基于构建的全集图数据,使用图随机掩码创建被掩码边集和剩余边集,基于节点全集和剩余边集数据构建扰动图数据;

将被掩码边集作为正样本标签边集,对全集图数据进行负采样获得负样本标签边集,得到正负样本标签边集;

将扰动图数据输入到图卷积编码器中,获得各层始末节点隐藏向量表示;

基于各层始末节点隐藏向量表示,获得待预测边各层始末节点隐藏向量;

将待预测边各层始末节点隐藏向量输入到交叉关联解码器中,获得待预测边的向量表示;

将待预测边的向量表示输入到多层感知机,获得边的预测结果,并将边的预测结果与正负样本标签边集进行比对计算正负样本损失之和;

按照设置的自监督学习训练迭代轮次对图卷积编码器与交叉关联解码器进行训练,基于得到的正负样本损失之和,通过反向传播与梯度下降算法对图卷积编码器与交叉关联解码器的网络参数进行训练更新;

获得各层始末节点隐藏向量表示的方法包括:将扰动图数据输入到图卷积编码器中,获得各层节点隐藏向量表示:式中,

获得边的预测结果并计算正负样本损失之和的方法包括:将待预测边的向量表示输入多层感知机,获得待预测边存在性的边的预测结果:式中,

将边的预测结果与标签正负样本进行比对计算正负样本损失之和:式中,

2.根据权利要求1所述的方法,其特征在于,构建具备节点和边的全集图数据的方法包括:使用主成分分析法将宽为

将每一个像素点作为图的节点,所有像素点构成节点全集逐节点连接欧式距离不大于设定的欧式距离的节点,构成邻接关联边全集构造具备节点和边的全集图数据为

3.根据权利要求1所述的方法,其特征在于,获得扰动图数据的方法包括:对边全集进行图随机掩码,得到被掩码的边集

4.根据权利要求1所述的方法,其特征在于,正负样本标签边集的构建方法包括:将被掩码的边集作为正样本标签边集对全集图数据进行负采样构造随机边,创建负样本标签集将

5.根据权利要求1所述的方法,其特征在于,获得待预测边的向量表示的方法包括:待预测边

将待预测边各层始末节点隐藏向量输入到交叉关联解码器中,得到待预测边的向量表示:式中,

6.根据权利要求1所述的方法,其特征在于,基于得到的正负样本损失之和,对图卷积编码器与交叉关联解码器的网络参数进行训练更新的方法包括:使用损失函数通过反向传播与梯度下降算法对图卷积编码器与交叉关联解码器的网络参数进行训练更新:式中,

7.一种计算机存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至6任一项所述的基于图掩码自编码器的遥感图像自监督学习方法。