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！

龙图腾网获悉西安电子科技大学申请的专利基于自训练和域对抗的高光谱图像域自适应分类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：CN117253074B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202311017594.2，技术领域涉及：G06V10/764；该发明授权基于自训练和域对抗的高光谱图像域自适应分类方法是由冯婕;张天舒;尚荣华;张向荣;张骏鹏;焦李成设计研发完成，并于2023-08-14向国家知识产权局提交的专利申请。

本基于自训练和域对抗的高光谱图像域自适应分类方法在说明书摘要公布了：本发明公开了一种基于自训练和域对抗的高光谱图像域自适应分类方法，主要解决现有技术伪标签噪声大、分类精度低的问题。实现方案是：获取源域和目标域数据集；构造包括特征提取器、三个分类器和梯度反转层这三部分组成的去偏自训练域对抗自适应模型，定义由交叉熵损失、自训练损失、最差情况对抗损失和域混淆损失组成的损失函数；计算去偏自训练域对抗自适应模型的损失值，将其带入链式法则计算该模型的各个参数梯度，对模型参数进行更新，直到达到指定轮数完成模型训练；将目标域数据集输入到训练好的模型中得到分类结果。本发明降低了伪标签的噪声，提升了高光谱域自适应分类精度，可用于国土规划、生态保护、市政建设中的地物目标识别。

本发明授权基于自训练和域对抗的高光谱图像域自适应分类方法在权利要求书中公布了：1.基于自训练和域对抗的高光谱图像域自适应分类方法，其特征在于，包括如下： 1在公开网站获取源域和目标域数据集，并对其图像进行高光谱数据预处理，得到预处理后的源域、目标域； 2构造包括特征提取器、三个分类器和梯度反转层这三部分的去偏自训练域对抗自适应模型； 3构建去偏自训练域对抗自适应损失函数Ltotal： 其中为第一分类器C1的源域交叉熵损失，为第二分类器C2的基于置信度的自训练损失；Lworst为第三分类器C3的最差情况对抗损失；Ldomain为第三分类器C3的域混淆损失；λ1和λ2为平衡损失值的超参数； 4训练去偏自训练域对抗自适应模型； 4a设迭代轮数初始值为0，将源域和目标域数据输入到去偏自训练域对抗自适应模型中，利用域对抗自适应损失函数Ltotal计算其损失值； 4b将损失值代入链式法则，计算出去偏自训练域对抗自适应模型各个参数的梯度，更新该模型的参数； 4c迭代轮数加1，返回4a； 4c重复4b和4c，不断更新模型的参数、减小损失值Ltotal，直到迭代轮数达到指定轮数，得到训练好的去偏自训练域对抗自适应模型； 5将目标域数据集输入到训练好的去偏自训练域对抗自适应模型中，得到目标域高光谱图像的分类结果。

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电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2号；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”。