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！

龙图腾网获悉中国科学院海洋研究所申请的专利一种基于随机森林算法的底栖动物高光谱数据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：CN115294404B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202211053615.1，技术领域涉及：G06V10/764；该发明授权一种基于随机森林算法的底栖动物高光谱数据分类方法是由杜增丰;董建江;栾振东;张鑫;田野;张建兴;杜梦迪设计研发完成，并于2022-08-30向国家知识产权局提交的专利申请。

本一种基于随机森林算法的底栖动物高光谱数据分类方法在说明书摘要公布了：本发明公开了一种基于随机森林算法的海洋牧场常见底栖动物高光谱数据分类方法。该方法首先选择多个不同种类的水下底栖动物样品，采集其高光谱图像，提取反射谱光谱数据并归一化。之后建立三种不同的随机森林模型，通过网格搜索参数寻优、提取RF变量重要性获得并改善分类结果。采用随机森林模型可以很好的将特征光谱中变量重要性高，对分类判别贡献大的光谱数据提取出来，分类效果更加优秀。本方法可实现对海洋牧场常见底栖动物的原位识别，同时评估RF、PCA‑RF、RFE‑RF特征选择算法在高光谱数据分析中的效用。该方法利用高光谱技术结合RF模型用于底栖动物的快速识别，其识别对象可以是海洋牧场常见底栖动物，也可推广至其他水下目标物。

本发明授权一种基于随机森林算法的底栖动物高光谱数据分类方法在权利要求书中公布了：1.一种基于随机森林算法的底栖动物高光谱数据分类方法，其特征在于，包括以下步骤： 获取不同种类的海洋牧场常见底栖动物目标样品，采集其高光谱数据并进行预处理； 分别构建RF模型、PCA-RF模型以及RFE-RF模型，并使用预处理后的高光谱数据对3种模型进行训练； 使用3种训练好的模型分别对底栖动物高光谱数据进行分类； 构建RF模型，包括以下步骤： 1.1将预处理后的高光谱数据分为训练集和测试集，采用有放回的随机抽样方式从训练集中抽取样本，作为决策树的训练数据，输入RF模型中，生成由多颗决策树组成的随机森林模型； 1.2调整决策树的深度和数量，重复步骤1.1，取每一次调整后生成的随机森林中所有决策树OOB误差估计的平均值作为随机森林的泛化误差估计，通过调整随机森林模型的模型参数，当随机森林的泛化误差估计在固定范围区间内波动时，选取模型输出的准确度最高时对应的决策树深度和决策树数量，作为最佳决策树深度和最佳决策树数量，得到初始随机森林模型； 1.3使用测试集检验初始随机森林模型的识别准确度； 对RF模型进行训练，包括以下步骤： 2.1根据初始随机森林模型输出的变量重要性，将高光谱数据中的光谱特征由大到小排序，令i=l； 2.2将排序中前i个光谱特征作为初始随机森林模型的训练集样本中的光谱数据，重复步骤1.1-步骤1.3，重新训练RF模型，确定最佳决策树深度和最佳决策树数量，建立与前i个光谱特征相对应的RF模型，检验与前i个光谱特征相对应的RF模型的识别准确度，i=i+l； 2.3判断i≤n，n为高光谱数据中的光谱特征总数，如果是，返回步骤2.2，否则，选取步骤2.2中建立的所有光谱特征量对应的RF模型的平均识别正确率最高的RF模型作为最终的随机森林模型； 构建并训练PCA-RF模型，包括以下步骤： 3.1计算高光谱数据中的相关系数矩阵、特征值以及特征向量，并对特征值排序，保留最大的前k个特征向量，将高光谱数据转换到k个特征向量构建的新空间中完成降维，得到降维后的高光谱数据，作为模型的输入数据； 3.2执行步骤1.1-步骤2.3，得到PCA-RF模型； 构建并训练RFE-RF模型，包括以下步骤： 4.1通过RFE方法对高光谱数据的全波段进行筛选，得到最佳波段子集，对全波段进行降维，将最佳波段子集以及对应的光谱特征，作为模型的输入数据； 4.2执行步骤1.1-步骤2.3，得到RFE-RF模型。

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中国科学院海洋研究所，其通讯地址为：266071 山东省青岛市南海路7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。