-
公开(公告)号：CN103246894A
公开(公告)日：2013-08-14
申请号：CN201310144406.2
申请日：2013-04-23
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种解决光照不敏感问题的地基云图识别方法，使用Retinex算法减弱或消除太阳光照对云图样本的影响，获取增强云图图像样本，便于提取光照不变量相关特征，能够提高云图的识别率；使用聚类算法将云目标与背景分离，仅对云目标进行特征提取，计算特征值用于云的识别，从而提高了识别的准确率；使用AdaBoost集成算法将SVM学习算法训练出的多个单个分类器进行集成，在训练数据过程中对SVM算法中的参数进行合理的调整，使得训练出的分类器具有多样性，不仅提高了云图识别的准确率，而且使得泛化性能得到很大的改善。
-
公开(公告)号：CN119224771B
公开(公告)日：2025-03-21
申请号：CN202411733671.9
申请日：2024-11-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于多重注意力‑全局增强UNet的SAR海面风速反演方法，包括以下步骤：（1）获取浮标观测的风速数据，并进行清洗与预处理，制作标签数据集；（2）获取干涉宽幅模式IW式下收集的双极化地距多视SAR数据；（3）对SAR数据进行预处理；选取浮标数据信息对应的SAR数据。将预处理后的SAR数据集划分训练集、测试集与验证集；（4）构建多重注意力‑全局增强UNet模型即CPA‑KiTUNet模型并进行训练得到海面风速反演模型，选取测试集在训练好的反演模型上进行测试，得到反演的风速结果；本发明提升反演数据的丰富性，能够在复杂的场景下准确地进行风速反演。
-
公开(公告)号：CN119224771A
公开(公告)日：2024-12-31
申请号：CN202411733671.9
申请日：2024-11-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于多重注意力‑全局增强UNet的SAR海面风速反演方法，包括以下步骤：（1）获取浮标观测的风速数据，并进行清洗与预处理，制作标签数据集；（2）获取干涉宽幅模式IW式下收集的双极化地距多视SAR数据；（3）对SAR数据进行预处理；选取浮标数据信息对应的SAR数据。将预处理后的SAR数据集划分训练集、测试集与验证集；（4）构建多重注意力‑全局增强UNet模型即CPA‑KiTUNet模型并进行训练得到海面风速反演模型，选取测试集在训练好的反演模型上进行测试，得到反演的风速结果；本发明提升反演数据的丰富性，能够在复杂的场景下准确地进行风速反演。
-
公开(公告)号：CN119128534A
公开(公告)日：2024-12-13
申请号：CN202411630251.8
申请日：2024-11-15
Applicant: 南京信息工程大学
IPC: G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/049 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于自适应时空图神经网络的海表温度预测方法，包括以下步骤：（1）采用NOAA官网提供的最优插值海温OISST数据集，选取渤海和东海海域的二维海表温度数据；（2）对采集到的二维数据集进行数据预处理，得到具有时间编码的时空数据，以及初始邻接矩阵；并将其划分为训练集、验证集和测试集；（3）构建基于自适应时空图卷积网络的SST预测模型；其中，SST预测模型包括：时空预测模块、图学习模块、邻接矩阵更新模块；（4）将测试集输入至训练好的所述模型中进行预测，并对结果进行反标准化处理，与观测值计算得出预测误差；本发明提高了预测能力。
-
公开(公告)号：CN118378664A
公开(公告)日：2024-07-23
申请号：CN202410817321.4
申请日：2024-06-24
Applicant: 南京信息工程大学
IPC: G06N3/045 , G06N3/082 , G01J5/00 , G06F18/214 , G06F18/21
Abstract: 本发明公开了一种信号分解的多级扩散海表温度预测方法，包括以下步骤：（1）获取五个观测点相同一段时间的一维海表温度数据进行预处理；并划分训练集、验证集、测试集；（2）构建信号分解的多级扩散模型即STL‑ML‑DIFF模型包括STL分解模块和多级别扩散ML‑DIFF模块；（3）将训练集的数据输入到STL‑ML‑DIFF模型进行训练，获得海表温度预测数据；本发明提高了海表温度预测精度。
-
Patent Agency Ranking
公开(公告)号：CN118070668A
公开(公告)日：2024-05-24
申请号：CN202410283154.X
申请日：2024-03-13
Applicant: 南京信息工程大学
IPC: G06F30/27 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06F113/08 , G06N3/048
Abstract: 本发明公开了一种编解码‑解释器框架的有效波高时空预测方法及系统，该方法包括获取有效波高数据集和10m风的U、V分量，对该数据中的缺失数据进行线性插值补全后进行最大最小归一化处理，得到预处理后的有效波高数据集和10m风的U、V分量，并调整空间分辨率保持一致；构建卷积神经网络‑时空长短时记忆神经网络‑卷积神经网络预测模型，该模型包括编码器、解释器和解码器；将预处理后的有效波高数据集和10m风的U、V分量输入到卷积神经网络‑时空长短时记忆神经网络‑卷积神经网络预测模型中，获得海浪波高预测数据。本发明减小了数据空间尺寸，提高了海浪波高预测精度。
-
-
公开(公告)号：CN103905053B
公开(公告)日：2015-07-08
申请号：CN201410127396.6
申请日：2014-03-31
Applicant: 南京信息工程大学
IPC: H03M7/30
Abstract: 本发明公开了一种压缩感知下基于固定子空间的稀疏信号分离方法，包括输入重构信号，估算权重，代理残差，计算并合并支撑集，重构信号，剪切前K个信号，更新残差，输出权重，重构信号。本发明所述方式在信号的压缩观测域直接进行信号处理，即在压缩观测域直接进行源信号与稀疏信号分离，由于压缩信号的长度远远小于源信号的长度，且在步骤二权重w估计和步骤三对残差u进行更新时，消除掉稀疏信号中的噪声 ，因此本发明大大减小了运算量，提高了重构精度。
-
公开(公告)号：CN119128534B
公开(公告)日：2025-02-07
申请号：CN202411630251.8
申请日：2024-11-15
Applicant: 南京信息工程大学
IPC: G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/049 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于自适应时空图神经网络的海表温度预测方法，包括以下步骤：（1）采用NOAA官网提供的最优插值海温OISST数据集，选取渤海和东海海域的二维海表温度数据；（2）对采集到的二维数据集进行数据预处理，得到具有时间编码的时空数据，以及初始邻接矩阵；并将其划分为训练集、验证集和测试集；（3）构建基于自适应时空图卷积网络的SST预测模型；其中，SST预测模型包括：时空预测模块、图学习模块、邻接矩阵更新模块；（4）将测试集输入至训练好的所述模型中进行预测，并对结果进行反标准化处理，与观测值计算得出预测误差；本发明提高了预测能力。
-
公开(公告)号：CN118378665B
公开(公告)日：2024-10-25
申请号：CN202410817315.9
申请日：2024-06-24
Applicant: 南京信息工程大学
IPC: G06N3/0455 , G06N3/0464 , G06F18/15 , G06F18/214 , G06F18/21 , G06F18/25 , G06N3/082
Abstract: 本发明公开了基于注意力的多尺度残差U‑Net的海洋中尺度涡旋检测方法，包括以下步骤：（1）获取海平面异常数据SLA，选取海表面温度数据SST，选取基于卫星高度计的海洋涡旋识别追踪数据集；（2）对基于卫星高度计的海洋涡旋识别追踪数据集制作涡旋标签，对海平面异常数据和海表面温度数据进行归一化处理；（3）对得到的归一化结果进行拼接；遍历涡旋标签数据，根据预设的区域对涡旋标签进行数组截取，得到涡旋标签数据集；（4）构建双交叉多尺度特征融合网络模型并进行训练；（5）将测试集输入最优的模型中进行性能测试，得到测试结果，将测试结果与涡旋标签进行对比得到评价指标；本发明提升了检测精度与效率。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.04 seconds)
