摘要
本发明涉及海洋、遥感、人工智能领域,提供一种基于层级特征嵌入的叶绿素浓度反演方法及其系统,包括:建立了一种层级特征嵌入模块,用于映射两种不同层次的光谱特征,其中一种作为先验光学知识,表征水体环境中的固有光学特性;另外一种则替代了常见的光谱组合特征,旨在充分挖掘多种光谱波段之间的潜在关系,同时保持较高的计算效率。在此基础上,在嵌入模块中引入了一种贝叶斯推理框架,以量化叶绿素a估测结果的不确定性。此外,应用一种注意力机制使得层级映射的光谱特征能够动态地相互影响,从而保证本发明方法在不同水体环境中自适应地选择合适的光学关系进行叶绿素a浓度的估测。
技术关键词
浓度反演方法
反射率数据
深度学习模型训练
层级
海洋
叶绿素a浓度估算
梯度提升树
蒙特卡洛
机器学习模型
贝叶斯神经网络
采样方法
变分贝叶斯
训练集
高效液相色谱法
数据输入模块
阶段
反演系统
系统为您推荐了相关专利信息
组织架构图
优化装置
数据导入模块
电子设备
机器学习算法
多模态信息融合
图像字幕生成方法
聚类特征
图像特征提取
多头注意力机制
采样模块
网络
语义特征提取
空间金字塔
注意力机制