专利交易市场

本发明公开了一种基于超限隐特征模型的盲领域图像样本分类方法，该方法采用了跨领域数据生成与增广策略，高效地降低不同数据领域之间的偏差。具体地说，超限隐特征模型将ELM和ELM‑AE(基于ELM的自编码器)纳入统一的优化模型，继承了ELM和ELM‑AE的优点，并且可以在保护原始数据信息的情况下得到良好的图像分类和图像重建效果，具有图像分类能力和图像重建能力，且能够更好地揭示原始图像数据和高级语义之间的潜在关系，减少信息丢失，提高图像分类精度。本发明利用超限隐特征模型解决盲领域适配问题，融合跨领域知识，有效降低不同领域数据之间的领域偏差，提高了盲领域数据分类准确率。

本发明公开了一种宽带雷达干扰信号的识别分类方法，包括以下步骤：S1、获取雷达干扰信号，并对其进行处理，得到数字视频信号；S2、将数字视频信号经过短时傅里叶变换，得到时频矩阵；S3、通过排序统计恒虚警方法对时频矩阵进行处理，得到恒虚警检测矩阵；S4、计算恒虚警检测矩阵中各干扰信号的参数，并将各干扰信号的参数集成到一个信号参数矩阵中，得到干扰信号检测结果；S5、根据干扰信号检测结果，计算干扰信号的特征；S6、根据干扰信号的特征，对干扰信号进行识别并分类。本发明基于干扰的时频信号特征对九种宽带雷达干扰进行识别分类，且具有同时多干扰(频率上不重叠)分别识别的能力。

本发明公开了一种混合模糊C均值聚类的苹果品种分类方法，采集苹果样本的近红外光谱；针对不同品种的苹果样本，用近红外光谱仪采集苹果样本的傅里叶近红外漫反射光谱信息，将光谱信息存储在计算机里；对苹果近红外光谱进行降维处理；将苹果样本近红外光谱采用主成分分析方法(PCA)进行压缩降维处理；用混合模糊C均值聚类方法对苹果品种进行分类处理，根据混合模糊C均值聚类方法得到模糊隶属度，对苹果品种进行分类。能够有效实现对苹果检测速度快，分类准确率高，不造成损坏，提高分类苹果品种分类的准确率，且采用近红外光谱技术实现无损检测。