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！

龙图腾网获悉贵州大学申请的专利一种基于GCN与CNN新型网络的小样本HSI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：CN116206149B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202310009623.4，技术领域涉及：G06V10/764；该发明授权一种基于GCN与CNN新型网络的小样本HSI分类方法是由杨静;孙杰;丁书杰;王一凡;麻兴江;李小勇设计研发完成，并于2023-01-04向国家知识产权局提交的专利申请。

本一种基于GCN与CNN新型网络的小样本HSI分类方法在说明书摘要公布了：本发明提出了一种基于GCN与CNN新型网络的小样本HSI分类方法，包括以下步骤：S1，对HSI数据进行线性投影映射和像素特征到超像素特征的转换；S2，对形成的超像素特征送入到图编码器中，然后进行HSI图数据形式的特征提取，再经过解码器解码出图数据特征；S3，将图数据特征进行非线性特征处理，得到特征一；S4，对HSI数据通过光谱清洗卷积进行降噪，同时对高维的HSI数据进行降维处理，生成降维特征图；S5，将降维特征图通过注意力机制和信息交互处理，之后再经过一层注意力机制与空间特征卷积，得到特征二；S6，将步骤S3得到的特征一与步骤S5得到的特征二进行ConCat多特征融合，输出分类结果。本发明解决了小样本分类、噪音大、光谱空间语义位置信息丢失等问题。

本发明授权一种基于GCN与CNN新型网络的小样本HSI分类方法在权利要求书中公布了：1.一种基于GCN与CNN新型网络的小样本HSI分类方法，其特征在于，包括以下步骤： S1，对HSI数据采用线性判别分析LDA进行线性投影映射，再通过SLIC分割算法进行像素特征到超像素特征的转换； S2，对形成的超像素特征送入到图编码器中构成图数据形式，然后通过ARMA图神经网络进行HSI图数据形式的特征提取，再经过解码器解码出图数据特征； S3，将图数据特征进行非线性特征处理，得到特征一，包括： 第i个通道位置HSI特征信息通过非线性特征转换映射特征后，表示为： 表示第l层的神经网络第i个位置神经元处的位置信息； 表示第l-1层的神经网络第i个位置神经元处的位置信息； 第l-1层的神经网络第i个位置神经元处的权值系数； 表示第l-1层神经网络第i个位置神经元处噪音的大小； ψ表示激活函数LeakyReLU； S4，对HSI数据通过光谱清洗卷积进行降噪，同时对高维的HSI数据进行降维处理，生成降维特征图； S5，将降维特征图通过注意力机制定位光谱空间位置信息，然后通过空间特征卷积对定位之后的光谱空间特征进行信息交互处理，之后再经过一层注意力机制与空间特征卷积，最终得到特征二； S6，将步骤S3得到的特征一与步骤S5得到的特征二进行ConCat多特征融合，输出分类结果。

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贵州大学，其通讯地址为：550000 贵州省贵阳市花溪区贵州大学；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”。