[发明专利]一种基于GRU-RNN模型的土壤参数分类方法在审
| 申请号： | 201910582563.9 | 申请日： | 2019-06-28 |
| 公开（公告）号： | CN110287924A | 公开（公告）日： | 2019-09-27 |
| 发明（设计）人： | 梁菁;杨成浩;兰宇奇;李岚钧 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N3/08;G06Q50/02;G01N22/00;G01S13/88 |
| 代理公司： | 成都弘毅天承知识产权代理有限公司 51230 | 代理人： | 杨保刚 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于GRU‑RNN模型的土壤参数分类方法，涉及土壤参数反演领域，步骤如下：1、采集原始回波信号并对其进行预处理，得到有效回波信号；2、将有效回波信号输入原始GRU‑RNN模型，为有效回波信号给定标签，选取部分有效回波信号作为训练数据、部分标签作为训练标签，通过训练数据和训练标签对原始GRU‑RNN模型训练，得到最终GRU‑RNN模型；3、采集雷达回波信号并对其进行预处理，得到目标回波信号，将目标回波信号输入最终GRU‑RNN模型中进行交叉验证，得到目标回波信号的总体分类准确率。本方法的GRU‑RNN模型具有更少的门结构，使得网络复杂度更低，从而提高了计算速度，减少了训练时间。本方法能根据土壤中的多种特征参数对土壤进行分类，具有较高的分类表现效果。 | ||
| 搜索关键词： | 有效回波信号 目标回波信号 土壤参数 标签 预处理 分类 训练数据 雷达回波信号 采集 分类准确率 回波信号 交叉验证 模型训练 特征参数 复杂度 门结构 土壤 反演 网络 表现 | ||
【主权项】：
1.一种基于GRU‑RNN模型的土壤参数分类方法，其特征在于，包括以下步骤：步骤1：采集相同土壤的具有特定土壤参数的原始回波信号，对原始回波信号进行预处理，得到具有不同土壤参数值的有效回波信号；其中，特定土壤参数包括土壤pH值和土壤含水量；步骤2：将所有有效回波信号输入原始GRU‑RNN模型，为有效回波信号给定标签，再选取部分有效回波信号作为训练数据，训练数据对应的有效回波信号的标签作为训练标签，通过训练数据和训练标签对原始GRU‑RNN模型进行训练，得到最终GRU‑RNN模型；步骤3：采集相同土壤的具有特定土壤参数的雷达回波信号并对其进行预处理，得到目标回波信号，再将目标回波信号输入最终GRU‑RNN模型中进行交叉验证，得到目标回波信号的总体分类准确率。
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电子科技大学，未经电子科技大学许可，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/201910582563.9/，转载请声明来源钻瓜专利网。
