[发明专利]一种基于多模型改进的Stacking集成学习鱼类识别方法有效
| 申请号： | 201910524947.5 | 申请日： | 2019-06-18 |
| 公开（公告）号： | CN110414554B | 公开（公告）日： | 2022-03-22 |
| 发明（设计）人： | 尚悦;李建龙 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/77;G06V10/774;G06V10/80;G06K9/62 |
| 代理公司： | 杭州天正专利事务所有限公司 33201 | 代理人： | 王兵;黄美娟 |
| 地址： | 310027 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： |
一种基于多模型改进的Stacking集成学习鱼类识别方法，包括：1)利用成像声呐向鱼类发射脉冲信号，接收并存贮鱼体反向散射回波数据；2)对数据进行预处理，包括对存贮的时域回波信号进行傅里叶变换，得到回波信号的频谱；对存贮的时域回波信号进行短时傅里叶变换，得到回波信号的时频图；3)对时域回波信号利用基于主成分分析的特征提取方法提取特征T |
||
| 搜索关键词： | 一种 基于 模型 改进 stacking 集成 学习 鱼类 识别 方法 | ||
【主权项】：
1.一种基于多模型改进的Stacking集成学习鱼类识别方法，包括如下步骤：(1)利用成像声呐向鱼类发射脉冲信号，接收并存贮鱼体反向散射回波数据；(2)对数据进行预处理，包括对存贮的时域回波信号进行傅里叶变换，得到回波信号的频谱；对存贮的时域回波信号进行短时傅里叶变换，得到回波信号的时频图；(3)从步骤(2)的预处理结果中提取特征，包括对时域回波信号利用基于主成分分析的特征提取方法提取特征TPCA；对回波频谱利用基于主成分分析的特征提取方法提取特征SPCA；对回波时频图利用基于卷积神经网络的特征提取方法提取特征SGCNN；(4)将特征TPCA，SPCA和SGCNN分别输入基于多模型改进的Stacking集成学习各个基学习器进行决策，融合基学习器分类结果作为元学习器的输入特征量，元学习器输出最终分类结果，实现鱼种分类识别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910524947.5/，转载请声明来源钻瓜专利网。
