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！

龙图腾网获悉安徽大学申请的专利基于大规模进化多任务算法的气象云图云状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：CN115761331B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202211428925.7，技术领域涉及：G06V10/764；该发明授权基于大规模进化多任务算法的气象云图云状识别方法是由邱剑锋;张旭康;谢娟;韩少勇;程凡设计研发完成，并于2022-11-15向国家知识产权局提交的专利申请。

本基于大规模进化多任务算法的气象云图云状识别方法在说明书摘要公布了：本发明公开了一种基于大规模进化多任务算法的气象云图云状识别方法，包括：1、收集地基气象云图原始观测数据，并对其进行特征提取；2、生成多个低维的气象云图特征选择任务；3、初始化各任务对应的气象云图特征选择方案种群；4、对每个任务的个体通过知识迁移，生成每个任务的子代气象云图特征选择方案；5、合并子代和父代气象云图特征选择方案种群进行环境选择，迭代以上过程最终得到最优的气象云图特征选择方案，并利用该方案中的特征进行气象云图云状识别。本发明能高效地处理基于大规模气象云图数据进行云状识别分类问题，并大幅提高云状识别的准确性。

本发明授权基于大规模进化多任务算法的气象云图云状识别方法在权利要求书中公布了：1.一种基于大规模进化多任务算法的气象云图云状识别方法，其特征是按如下步骤进行： 步骤一、获取地基气象云图中的原始观测数据，并使用局部二值模式特征方法对所述原始观测数据进行特征提取，得到X×D维的气象云图特征集以及X维的云状标签向量，其中，X表示云图样本数，D表示每个云图样本所对应的气象云图特征数； 步骤二、生成多个低维的气象云图特征选择任务； 步骤2.1、利用式1计算第k个权重wk，从而得到权重集合W＝{w1，w2，...，wk，...，wT}； 式1中，T为权重数； 步骤2.2、利用式2计算第k个特征重要性指标mk，从而得到特征重要性指标列表M＝{m1，m2，...，mk，...，mT}； mk＝wk*ReliefF+1-mk*SU2 式2中，ReliefF表示D维的ReliefF指标向量；SU表示D维的SU指标向量；mk为D维向量，每一维取值代表对应气象云图特征的重要性； 步骤2.3、基于特征重要性指标集合M生成T个低维的气象云图特征选择任务，并构成气象云图特征选择任务集合G＝{g1，g2，...，gk，...，gT}，其中，gk表示第k个任务所搜索的气象云图特征子集；且每个任务被限制在一个低维特征空间中进行搜索； 步骤2.3.1、基于第k个特征重要性指标mk中对所有云图样本的D个气象云图特征进行降序排序，得到排序后的特征向量，其中，k∈[1，T]； 步骤2.3.2、从排序后的特征向量中选择排名前r的特征构成第k个任务所搜索的气象云图特征子集gk；令Dk表示气象云图特征子集gk的气象云图特征数； 步骤三、设定总种群大小为N，则第k个任务的种群大小为初始化k＝1； 步骤3.1、定义第k个任务的种群集合记为pki表示第k个任务的种群中第i个个体，且每个个体代表从气象云图特征子集gk中选择不同气象云图特征所构成的气象云图特征选择方案，且pki＝{pki1，pki2，…，pkij，…，pkiD}，pkij表示第i个个体pki的第j个气象云图特征是否选入气象云图特征选择方案中，若pkij＝1，则代表第j个气象云图特征选入第i个个体，若pkij＝0，则代表第j个气象云图特征未选入第i个个体；其中k∈[1，T]； 步骤3.1.1、定义并初始化迭代次数t＝1，最大迭代次数为maxT； 步骤3.1.2、定义第k个任务的第t代种群其中，表示第k个任务的第t代种群的第i个个体，并初始化为长度为Dk的全0向量； 步骤3.1.3、初始化i＝1； 步骤3.1.4、生成第i个[0,1]之间的随机数randi，设定第i个个体总的选择特征的数量为 步骤3.1.5、从第i个个体未选择的特征中随机选择两个气象云图特征，并将所选择的两个气象云图特征的索引分别记为c、d； 令表示第c个气象云图特征是否选入第i个个体表示第d个气象云图特征是否选入第i个个体 若mkc＞mkd，则令表示将第c个气象云图特征选入气象云图特征选择方案中，否则，令表示将第d个气象云图特征选入特征选择方案其中，mkc表示第k种特征重要性指标中第c个气象云图特征的重要性；mkd表示第k种特征重要性指标中第d个气象云图特征的重要性； 步骤3.1.6、按照步骤3.1.5的过程重复执行numi次，从而得到更新后的第i个个体并赋值给 步骤3.1.7、将i+1赋值给i后，判断i＞Nk是否成立，若成立，则表示完成第k个任务的第t代种群的更新，并作为初始种群；否则，返回步骤3.1.4执行； 步骤3.2、分别评价第k个任务的初始种群中每个个体，并进行非支配排序； 步骤3.2.1、利用式3计算第k个任务的第t代种群中第i个个体的分类错误率指标 式3中，表示使用第i个个体所代表的气象云图特征选择方案时分类错误的样本数； 步骤3.2.2、统计第i个个体所代表的气象云图特征选择方案中所选入的气象云图特征数 步骤3.2.3、利用第k个任务的第t代种群中每个个体的错误率和所选入的气象云图特征数对所有个体进行非支配排序，得到个体所在的前沿面编号，记为其中，表示第i个个体的前沿面编号； 步骤3.2.3、将i+1赋值给i后，判断i＞Nk是否成立，若成立，则表示完成第k个任务的第t代种群的评价；否则，返回步骤3.2.1执行； 步骤3.2.4、将k+1赋值给k后，判断k＞T是否成立，若成立，则表示完成T个任务的种群的初始化及评价；否则，返回步骤3.1执行； 步骤四、生成第k个任务的第t代子代的气象云图特征选择方案表示第k个任务的第t代子代中第i个气象云图特征选择方案，初始化k＝1； 步骤4.1、初始化i＝1； 步骤4.2、定义进行知识迁移的任务编号为R，在[0,1]之间生成第i个的随机数Randi，若Randi＞0.5，则将k赋值给R；若Randi＜0.25，则将k-1赋值给R；否则，将k+1赋值给R； 步骤4.3、从第R个任务的第t代种群中随机选择两个个体，分别记为和比较两个个体的前沿面编号和若则将赋值给Ind，否则，将赋值给Ind； 步骤4.4、找出第i个个体已选的特征但个体Ind未选的特征，或者第i个个体未选的特征但个体Ind已选的特征，并组成集合Diff； 步骤4.5、将个体赋值给第k个任务的第t代子代中第i个个体从集合Diff中随机选择个特征，并将个特征在Ind中对应维度的取值赋值给中对应的维度；其中，rand表示[0,1]之间的随机数；|Diff|表示集合Diff的大小； 步骤4.6、对个体执行均匀变异，得到变异后的个体并赋值给 步骤4.7、将i+1赋值给i后，判断i＞Nk是否成立，若成立，则表示得到第k个任务的第t代子代气象云图特征选择方案否则，返回步骤4.2执行； 步骤五、合并每个任务的子代和父代的气象云图特征选择方案并进行环境选择，筛选出进入下一代的气象云图特征选择方案； 步骤5.1、将第k个任务的第t代种群和第t代子代种群合并，并对合并后的种群进行非支配排序；得到排序后的第k个任务的第t代合并种群； 步骤5.2、确定第k个任务的第t代合并种群的前沿面编号为Lk，并使前Lk-1个前沿面中的总个体数小于Nk，而前Lk个前沿面中的总个体数大于等于Nk；从而将前Lk个前沿面中的个体放入集合Candk； 步骤5.3、若集合Candk中的气象云图特征选择方案的数量超过Nk，则计算Candk中气象云图特征选择方案的拥挤距离，删除Candk中拥挤距离最小的气象云图特征选择方案直至Candk中气象云图特征方案的数量等于Nk为止，从而得到更新后的气象云图特征选择方案并作为第k个任务的第t+1代种群 步骤5.4、将k+1赋值给k后，判断k＞T是否成立，若成立，则表示得到T个任务的第t+1代种群，并执行步骤5.5，否则，返回步骤4.1顺序执行； 步骤5.5、将t+1赋值给t后，判断t＞maxT是否成立，若成立，则得到T个任务的maxT代种群，并从T个任务的maxT代种群的N个特征选择方案的并集中，选出分类错误率指标error最低的气象云图特征选择方案Pmin，并从气象云图特征集中选出Pmin所选择的气象云图特征进行云状识别；否则，返回步骤四顺序执行。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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”。

以上内容由龙图腾AI智能生成。