An exemplary embodiment of the present invention relates to a method and apparatus for analyzing the categories of an observed object. One can include methods for observation and analysis of object categories: feature information to obtain one or more observation object; according to the characteristic information of the one or more observation object, using the classification method based on neural network to implement the classification and prediction of the one or more observation objects and results; based at least in part on the classification, determine the corresponding categories of the one or more observation objects.
【技术实现步骤摘要】
用于分析观测对象的类别的方法和装置
本专利技术的示例性实施例一般地涉及数据分析和处理技术,并且特别涉及用于分析观测对象的类别的方法和装置。
技术介绍
颗粒分析在众多行业和领域(例如包括汽车业、化工业、矿业、林业、农业、营养业、制药业、能源业、综合产业等)中都具有相当的重要性。以汽车业为例,可以针对从汽车的组件或零部件上落下的颗粒来进行计数,也可以测量这些颗粒的大小。举例来说,可以使用显微镜(诸如扫描型电子显微镜)来获取有关这些颗粒的数量和大小的信息。如果颗粒的尺寸过大,那么可以认为该组件或零部件的质量不好。另外,还可以根据颗粒的大小来对这些颗粒进行分类。但是,仅根据颗粒的大小无法跟踪颗粒的来源,也不知道颗粒是从什么组件落下来的。因此,提供一种能够对诸如颗粒这样的观测对象进行分类的有效方案是值得期待的。
技术实现思路
根据本专利技术示例性实施例的第一方面,一种用于分析观测对象的类别的方法可以包括:获取一个或多个观测对象的特征信息;根据所述一个或多个观测对象的特征信息,利用基于神经网络的分类策略来实施对所述一个或多个观测对象的分类预测;以及至少部分地基于所述分类预测的结果,确定所述一个或多个观测对象的相应类别。根据本专利技术示例性实施例的第二方面,一种用于分析观测对象的类别的装置可以包括:信息获取模块,用于获取一个或多个观测对象的特征信息;分类预测模块,用于根据所述一个或多个观测对象的特征信息,利用基于神经网络的分类策略来实施对所述一个或多个观测对象的分类预测;以及类别确定模块,用于至少部分地基于所述分类预测的结果,确定所述一个或多个观测对象的相应类别。根据本专利 ...
【技术保护点】
一种用于分析观测对象的类别的方法,其包括:获取一个或多个观测对象的特征信息;根据所述一个或多个观测对象的特征信息,利用基于神经网络的分类策略来实施对所述一个或多个观测对象的分类预测;以及至少部分地基于所述分类预测的结果,确定所述一个或多个观测对象的相应类别。
【技术特征摘要】
1.一种用于分析观测对象的类别的方法,其包括:获取一个或多个观测对象的特征信息;根据所述一个或多个观测对象的特征信息,利用基于神经网络的分类策略来实施对所述一个或多个观测对象的分类预测;以及至少部分地基于所述分类预测的结果,确定所述一个或多个观测对象的相应类别。2.根据权利要求1所述的方法,其中,所述基于神经网络的分类策略包括基于支持向量机的算法。3.根据权利要求1或2所述的方法,其中,所述一个或多个观测对象的特征信息包括所述一个或多个观测对象的能谱信息。4.根据权利要求1或2所述的方法,其中,所述一个或多个观测对象的相应类别指示了以下至少一项:所述一个或多个观测对象的来源、所述一个或多个观测对象的材质、所述一个或多个观测对象的大小,以及所述一个或多个观测对象的组成部分。5.根据权利要求1或2所述的方法,其中,所述获取一个或多个观测对象的特征信息包括:收集所述一个或多个观测对象的位置信息,其中,所述位置信息指示了所述一个或多个观测对象的位置;以及根据所述位置信息来提取所述一个或多个观测对象的特征信息。6.根据权利要求1或2所述的方法,其中,所述基于神经网络的分类策略通过网络训练过程来定义特征信息与对象类别之间的映射关系。7.根据权利要求6所述的方法,其中,所述网络训练过程包括:获取一个或多个训练对象的特征信息,其中,所述一个或多个训练对象的相应类别是已知的;至少部分地基于所述一个或多个训练对象的特征信息和相应类别,计算与所述映射关系相关联的训练网络的一个或多个参数;以及将具有所计算出的一个或多个参数的所述训练网络确定为所述神经网络,用于预测所述一个或多个观测对象的分类结果。8.根据权利要求7所述的方法,其中,至少部分地基于序列最小优化原理来计算所述一个或多个参数。9.根据权利要求1或2所述的方法,其中,通过显微镜的至少一部分来实施所述方法。10.一种用于分析观测对象的类别的装置,其包括:信息获取模块,用于获取一个或多个观测对象的特征信息;分类预测模块,用于根据所述一个或多个观测对象的特征信息,利用基于神经网络的分类策略来实施对所述一个或多个观测对象的分类预测;以及类别确定模块,用于至少部分地基于所述分类预测的结果,确定所述一个或多个观测对象的相应类别。11.根据权利要求10所述的装置,其中,所述基于神经网络的分类策略包括基于支持向量机的算法。12.根据权利要求10或11所述的装置,其中,所述一个或多个观测对象的特征信息包括所述一个或多个观测对象的能谱信息。13.根据权利要求10或11所述的装置,其中,所述一个或多个观测对象的相应类别指示了以下至少一项:所述一个或多个观测对象的来源、所述一个或多个观测对象的材质、所述一个或多个观测对象的大小,以及所述一个或多个观测对象的组成部分。14.根据权利要求10或11所述的装置,其中,所述获取一个或多个观测对象的特征信息包括:收集所述一个或多个观测对象的位置信息,其中,所述位置信息指示了所述一个或多个观测对象的位置;以及根据所述位置信...
【专利技术属性】
技术研发人员:墨恺,戴华,
申请(专利权)人:卡尔蔡司上海管理有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。