買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜西安電子科技大學申請的專利一種基于模因優化的多目標端元識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115131659B 。

龍圖騰網通過國家知識產權局官網在2025-03-21發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210588220.5，技術領域涉及：G06V20/10；該發明授權一種基于模因優化的多目標端元識別方法是由蔣祥明;公茂果;詹濤;李豪;劉潔怡;張明陽;唐澤棟;王善峰設計研發完成，并于2022-05-27向國家知識產權局提交的專利申請。

本一種基于模因優化的多目標端元識別方法在說明書摘要公布了：本發明公開了一種基于模因優化的多目標端元識別方法，包括：獲取待識別端元的原始高光譜圖像；根據原始高光譜圖像的數據，基于純像元假設采用頂點成分分析修剪高光譜圖像的像元構造自詞典；基于所述自詞典構建高光譜圖像端元識別的多目標優化模型；基于模因優化算法獲得所述多目標優化問題模型的非支配解集；利用所述多目標優化問題模型的非支配解集，基于膝點法確定最優端元組合。本發明可以綜合演化算法的全局搜索能力和局部搜索算子的局部尋優能力，提升端元識別的精度和效率，同時還可以根據膝點法從非支配解集中確定最優端元組合。

本發明授權一種基于模因優化的多目標端元識別方法在權利要求書中公布了：1.一種基于模因優化的多目標端元識別方法，其特征在于，包括：S1：獲取待識別端元的原始高光譜圖像；S2：根據原始高光譜圖像的數據，基于純像元假設采用頂點成分分析修剪高光譜圖像的像元構造自詞典；S3：基于所述自詞典構建高光譜圖像端元識別的多目標優化模型；S4：基于模因優化算法獲得所述多目標優化問題模型的非支配解集；S5：利用所述多目標優化問題模型的非支配解集，基于膝點法確定最優端元組合；所述多目標優化問題模型為 其中，Y表示L×N維原始高光譜圖像數據，L表示圖像的波段數目，N表示圖像的像元數目，E表示L×L維單位矩陣，A表示L×M維自詞典，I表示M維0-1向量，AI表示A中對應于I的非零元素的列構成的矩陣，為AI的列空間上的投影矩陣，的計算公式為：||I||0表示統計I中非零元素的個數；所述S4包括：S4.1：設定多目標優化問題的子問題數目pop，并構造一組單目標子問題，在0,1和1,0之間均勻產生pop個權重向量構造一組單目標子問題Subpi:其中，和為向量λi中的元素；S4.2：根據權重向量間的歐式距離為每個子問題Subpi尋找T個最近的鄰居子問題，將其索引集合記為B{i}；S4.3：令Ιi等于M維標準單位向量ei，初始化種群計算每個個體的目標向量FIi，并將目標向量的集合記為S4.4：將所述初始化種群中的個體作為父代個體，對每個父代個體進行多點交叉重組獲得子代新個體S4.5：對所述子代新個體中的元素進行位反轉變異獲得變異后的個體S4.6：基于高光譜圖像數據的空間分布，構造啟發式局部搜索算子對變異后的個體進行更新；S4.7：對于所有的l∈B{i}∪i，若則令并更新個體集合與個體的目標向量集合S4.8：令迭代次數Iter＝Iter+1，重復執行步驟S4.4～S4.7，直至滿足Iter到達設定的最大迭代次數終止迭代，得到最終的種群PS和種群的目標向量PF；S4.9：將非優解及其目標從最終的種群PS和種群的目標向量PF中移除；進一步地，所述S4.6包括：S4.61：記個體所搜索的端元為計算所述端元的重心S4.62：計算由重心c指向中每個搜索端元的方向向量其中，S4.63：計算由重心c指向自詞典A中所有候選端元a1,a2,…,aM的向量s1,s2,…,sM，其中，sk＝ak-c,k＝1,2,…,M；S4.64：計算所有向量s1,s2,…,sM在方向向量dj上的投影ε1j,ε2j,…,εMj，并找出最大的投影εmax＝εtj,t∈{1,2,…,M}；S4.65：判斷εmax的大小，若εmax0，則用所述自詞典中的候選端元at替換中的搜索端元并且將的第t個元素替換為1；S4.66：重復步驟S4.64和S4.65，直到遍歷完所有的

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人西安電子科技大學，其通訊地址為：710071 陜西省西安市太白南路2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。