一种基于多维电磁散射参数的XGBoost昆虫种类辨识方法

AITNT
正文
推荐专利
一种基于多维电磁散射参数的XGBoost昆虫种类辨识方法
申请号:CN202410796738
申请日期:2024-06-20
公开号:CN118839257A
公开日期:2024-10-25
类型:发明专利
摘要
本发明公开了一种基于多维电磁散射参数的XGBoost昆虫种类辨识方法,旨在提供一种高精度的昆虫种类识别解决方案,以有效解决昆虫雷达在迁飞昆虫识别方面的低效问题。该方法通过对昆虫的极化散射矩阵(Scattering Matrix,SM)进行计算,提取22维电磁散射特征,包括11维极化方向图特征、4维RCS幅度特征、2维散射矩阵差分特征和5维极化不变量特征。在昆虫样本量较少或不均衡的情况下,采用高斯数据增强手段进行数据集的扩充;随后,运用XGBoost算法对扩充后的数据集进行训练和测试。
技术关键词
电磁散射参数 辨识方法 XGBoost模型 散射特征 特征值 变量 样本 雷达 相位特征 数据 发射天线 平方根 定义 矩阵 功率 算法
系统为您推荐了相关专利信息
1
一种基于深度学习模型的绿色金融数据处理方法及系统
金融数据处理方法 深度学习模型 注意力机制 样本 金融数据处理系统
2
一种基于三维激光扫描的建筑测绘方法
建筑测绘方法 复杂度 特征值集合 频率 建筑物
3
一种融合数据驱动和QMU的设备质量状态评估方法
融合数据驱动 状态评估方法 设备状态预测 XGBoost模型 收集设备
4
基于深度学习模型和降维机制的电池状态预测方法和装置
PCA算法 电池状态预测方法 数据 协方差矩阵 深度学习模型
5
数据压缩处理方法及系统
数据备份系统 数据压缩 容器 特征值 非暂态计算机可读存储介质
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号