买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国地震局地震研究所;武汉地震科学仪器研究院有限公司申请的专利一种面向预警的强震震级稀疏分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115577250B 。

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211214502.5，技术领域涉及：G06F18/10；该发明授权一种面向预警的强震震级稀疏分类方法是由夏界宁;黄俊;陈志高;陈玉秀;周立;罗松;杨厚丽;陈智慧设计研发完成，并于2022-09-30向国家知识产权局提交的专利申请。

本一种面向预警的强震震级稀疏分类方法在说明书摘要公布了：本发明提供了一种面向预警的强震震级稀疏分类方法，具体通过构建训练字典D，对已记录的浅源强震的P波信号进行离散傅里叶变换，得到训练样本，并构建训练字典D；由待分类的浅源强震的P波信号得到的待分类向量y；针对训练字典D和待分类向量y进行降维，输入待分类信号y，归一化训练字典D的各列向量和待分类信号y，求解最小L1范数问题；也可采用低秩矩阵恢复方法对已构建的训练字典D进行降维及字典优化，并通过分块优化计算流程，最终求解稀疏解计算残差极小值判定待分类向量y的类别；可通过在训练字典D中按地震震级划分类别i的范围以及层级稀疏分类模型，进行训练字典优化。

本发明授权一种面向预警的强震震级稀疏分类方法在权利要求书中公布了：1.一种面向预警的强震震级稀疏分类方法，其特征在于：包括以下步骤： S1：构建训练字典D，训练样本集是获取已记录的浅源强震的P波信号，将原始时域P波信号或原始时域P波信号的变换域信号作为一列特征，排列成向量d，向量d的维数为m，将向量d作为一个训练样本； 从c个不相同的类别的浅源地震P波信号中选取如上述方法获得的各个向量d构成训练字典D＝[d1，d2，d3，…，dC]∈Rm×n；训练字典D的维数为m，包含训练样本总数为n，m远小于n；令训练字典Di＝[di，1，di，2，di，3，…，di，j]∈Rm×n为类别为i的训练集，其中i＝1,2,3，…，c，…，di，j，di，j表示类别为i的j个训练样本，j≤n；该训练字典D包含噪声； S2：将待分类的浅源强震的P波信号按照步骤S1的方法处理，得到m维待分类向量y，y∈Rm，令X为稀疏表示系数，稀疏解的表达式为： 得到线性表达||·||1为L1范式，||·||2为L2范式，ε为容许误差； S3：针对训练字典D和待分类向量y进行降维，并对待分类向量y进行分类：输入待分类信号y，并将待分类信号y与训练字典D的每个列向量归一化；采用低秩矩阵恢复方法对已构建的训练字典D进行字典优化，获得训练字典D的低秩结构A；对低秩结构A进行基于主成分的PCA特征提取，获得特征表达空间M，将训练字典D和待分类向量y在特征表达空间M投影实现训练字典D与待分类向量y的降维，待分类向量y的降维y’＝y*M，训练字典D的降维D’＝D*M；对训练字典D与待分类向量y进行非重叠分块得到分块Dp和yp，采用均方差值MSE的倒数计算相应分块Dp和yp的相似性Sp，Sp＝1MSEyp，Dp，得到位置加权矩阵W： W1、W2、……、Wk是各分块依次计算相似性的值的倒数，W1、W2、……、Wk＝1maxSp； 通过求解稀疏解λ为正则化参数；计算残差极小值判定待分类向量y的类别：identityy＝argmin||y-Diδix||2，δix是第i类训练样本的稀疏表示系数；待分类向量y获取对应的类别后，作为新的训练样本加入训练字典D中； S4：在训练字典D中按地震震级划分类别i的范围，并对训练字典进一步优化。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国地震局地震研究所;武汉地震科学仪器研究院有限公司，其通讯地址为：430000 湖北省武汉市武昌区洪山区侧路40号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。