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！

龙图腾网获悉哈尔滨工程大学申请的专利基于数据增强和集成学习的系外行星光变信号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：CN116049724B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202310201369.8，技术领域涉及：G06F18/24；该发明授权基于数据增强和集成学习的系外行星光变信号分类方法是由廖慧萍;李玉祥;李君;陈星豪;杨雨晴;张涛设计研发完成，并于2023-01-16向国家知识产权局提交的专利申请。

本基于数据增强和集成学习的系外行星光变信号分类方法在说明书摘要公布了：本发明公开了一种基于数据增强和集成学习的系外行星光变信号分类方法，包括拼接同一目标不同观测季度光变信号数据，对数据进行预处理；对数据重采样到定长；将重采样后的数据集划分为训练集，测试集和验证集；分别采用过采样和欠采样对训练集进行数据增强，得到子训练集1和子训练集2；针对两个训练集分别搭建一维CNN网络模型，通过调整隐藏层层数、神经元个数、激活函数和模型优化器，优化网络；分别采用N折交叉验证获得最佳分类模型作为基分类器1和基分类器2；采用加权投票法组合基分类器得到光变信号分类器，根据信号分类器得到分类结果。本发明解决系外行星光变信号类别不平衡问题，使模型能够获得更多特征来提高泛化能力。

本发明授权基于数据增强和集成学习的系外行星光变信号分类方法在权利要求书中公布了：1.一种基于数据增强和集成学习的系外行星光变信号分类方法，其特征在于： 将待分类的系外行星光变信号输入至预先构建的光变信号分类器，输出信号分类结果； 所述光变信号分类器的构建方法包括： S1：拼接同一目标不同观测季度的光变信号数据，并对拼接后数据进行预处理； S2：对预处理后的光变信号数据重采样到定长； S3：将重采样后的数据集划分为训练集，测试集和验证集； S4：分别采用过采样和欠采样对训练集进行数据增强，得到子训练集1和子训练集2； 步骤S4.1：初始化少数类样本空间，多数类样本空间； 步骤S4.2：利用KNN算法确定样本最邻近的K个样本，记为； 步骤S4.3：随机选取中的m个样本，将其分别与样本进行随机线性插值，合成接近原始数据分布的新少数类样本，新样本分布满足： ； 将过采样的少数类样本与原来多数类样本结合得到新子训练集1； 步骤S4.4：初始化训练集，样本点，多数类样本空间，簇的个数为c，欠采样的样本个数为N； 步骤S4.5：计算样本不同维度数据的权值： ； 其中，为第i个数据中第r个分量值的大小，并计算中各样本间维度加权之后的欧氏距离： ； 其中，是2个样本在m维度中计算的欧氏距离，两两样本点的距离之和： ； 步骤S4.6：计算出最小距离之和的样本被视为首个样本簇心点，将此样本视为第一个簇心，计算任意样本与第1个簇心之间的距离，取最大距离的样本为第2个簇心，以此类推，一直取到第c个簇心； 步骤S4.7：选取与簇心距离最小的个样本，每个簇选取个样本，最终得到含有N个样本的样本集； 步骤S4.8：得到的欠采样多数类样本与原来的少数类样本结合的子训练集2； S5：针对子训练集1和子训练集2分别搭建一维CNN网络模型，通过调整隐藏层层数、神经元个数、激活函数和模型优化器，优化网络； S6：分别采用N折交叉验证获得最佳分类模型作为基分类器1和基分类器2； S7：采用加权投票法组合基分类器得到光变信号分类器。

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哈尔滨工程大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室；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。