一种基于太空环境数据挖掘方法及系统
摘要文本
本发明涉及图像分析技术领域,具体为一种基于太空环境数据挖掘方法及系统,包括以下步骤:基于行星表面图像,采用小波变换去噪和卷积神经网络,进行去噪处理,并进行增强,生成去噪和增强后的图像。本发明中,通过融合数据挖掘技术与深度学习模型,显著提升太空环境数据分析能力,采用小波变换与卷积神经网络去噪、增强图像,为精确特征提取奠定基础,卷积神经网络、K均值聚类和支持向量机联合提高了地貌和地质分类的准确性,贝叶斯推断和最大似然估计确保射线源定位精度,结合射线源与尘埃数据、模拟尘埃运动,提高尘埃分布预测的准确性,LSTM网络强大的时序分析能力用于太阳活动预测,小波滤波器与傅里叶变换提高了背景辐射数据信噪比。
申请人信息
- 申请人:北京国星创图科技有限公司
- 申请人地址:102200 北京市昌平区科技园区超前路37号6号楼B1305室
- 发明人: 北京国星创图科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于太空环境数据挖掘方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410139279.5 |
| 申请日 | 2024/2/1 |
| 公告号 | CN117669335A |
| 公开日 | 2024/3/8 |
| IPC主分类号 | G06F30/23 |
| 权利人 | 北京国星创图科技有限公司 |
| 发明人 | 张俊杰; 刘伟; 刘瑞林 |
| 地址 | 北京市昌平区科技园区超前路37号6号楼B1305室 |
专利主权项内容
1.一种基于太空环境数据挖掘方法,其特征在于,包括以下步骤:基于行星表面图像,采用小波变换去噪和卷积神经网络,进行去噪处理,并进行增强,生成去噪和增强后的图像;基于所述去噪和增强后的图像,采用卷积神经网络提取特征,并用K均值聚类和支持向量机分类识别,生成特征分类结果;基于射线信息,采用贝叶斯推断和最大似然估计定位射线源,并结合所述特征分类结果分析特征,生成射线源定位结果;利用所述射线源定位结果和尘埃数据,采用数值模拟和流体动力学模拟尘埃运动,用循环神经网络预测,生成尘埃分布预测结果;基于太阳数据,采用傅里叶变换分析周期性,并结合所述尘埃分布预测结果用LSTM网络建模预测,生成太阳活动预测结果;利用所述太阳活动预测结果和背景辐射数据,采用小波滤波器滤波,用快速傅里叶变换分析剔除噪声,生成背景辐射噪声抑制结果;所述特征分类结果包括地貌和地质构造的分类信息,所述射线源定位结果具体指来源位置和天体物理学特征,所述尘埃分布预测结果具体为尘埃的未来分布情况,所述太阳活动预测结果具体为活动周期和强度变化预测,所述背景辐射噪声抑制结果具体为高信噪比的数据。