一种基于深度学习的小行星光谱智能分类方法

一种基于深度学习的小行星光谱智能分类方法，属于小行星分类技术领域。其包括以下步骤：S1、收集原始光谱数据；S2、对原始光谱数据以One‑Hot格式进行标注；S3、对原始光谱数据进行数据增强、扩充，获得光谱训练集，原始光谱数据作为测试集；S4、构建深度学习光谱分类模型A‑Net，将光谱训练集带入构建的模型中进行训练；S5、计算训练好的模型在测试集上各类别的精度、平均精度，并评估模型分类性能。本发明基于卷积神经网络与Transformer网络相结合的深度学习光谱分类模型A‑Ne，其精度高、鲁棒性以及泛化性好，能够有效解决传统机器学习模型的非线性拟合能力、高纬特征提取能力有限，噪声鲁棒性较差等原因，分类精度较低等问题。