← 返回列表

一种基于太空环境数据挖掘方法及系统

申请号: CN202410139279.5
申请人: 北京国星创图科技有限公司
申请日期: 2024/2/1

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。

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。