[发明专利]一种双通道卷积神经网络集成学习的空气质量测量方法在审
| 申请号： | 201910871268.5 | 申请日： | 2019-09-16 |
| 公开（公告）号： | CN110766046A | 公开（公告）日： | 2020-02-07 |
| 发明（设计）人： | 王震宇;郑伟;岳绍龙;吴晗 | 申请（专利权）人： | 华北电力大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 11246 北京众合诚成知识产权代理有限公司 | 代理人： | 史双元 |
| 地址： | 102206 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种双通道卷积神经网络集成学习的空气质量测量方法，所述空气质量测量方法包括以下步骤：步骤一：构建双通道卷积神经网络，提取天空和建筑部分的环境图像特征，并对特征进行加权融合；步骤二：提出用于空气质量测量的双通道加权卷积神经网络集成学习算法，该算法包括：两个特征提取卷积神经网络、一个加权特征融合层和一个分类层；步骤三：将双通道卷积神经网络应用在空气质量等级测量和空气质量指数测量两个方面。 | ||
| 搜索关键词： | 卷积神经网络 双通道 空气质量测量 集成学习算法 等级测量 环境图像 集成学习 加权融合 加权特征 特征提取 指数测量 融合层 构建 算法 加权 天空 分类 应用 | ||
【主权项】：
1.一种双通道卷积神经网络集成学习的空气质量测量方法，其特征在于，所述空气质量测量方法包括以下步骤：/n步骤一：构建双通道卷积神经网络，各通道分别提取天空和建筑部分的环境图像特征，并对特征进行加权融合；/n步骤二：提出用于空气质量测量的双通道加权卷积神经网络集成学习算法，该算法包括：两个特征提取卷积神经网络、一个加权特征融合层和一个分类层，首先使用双通道卷积神经网络对各部分环境图像分别进行特征提取，并采用自学习特征融合权重对提取特征进行融合；/n步骤三：将双通道卷积神经网络应用在空气质量等级测量和空气质量指数测量两个方面，进行空气质量等级与空气质量指数测量。/n
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华北电力大学，未经华北电力大学许可，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/201910871268.5/，转载请声明来源钻瓜专利网。
