-
公开(公告)号：CN117807518B
公开(公告)日：2024-05-03
申请号：CN202410233603.X
申请日：2024-03-01
Applicant: 南京信息工程大学
IPC: G06F18/2413 , G01W1/10 , G06F18/15 , G06Q50/26
Abstract: 本发明公开了常规天气图上槽线或切变线的自动识别方法、系统及设备，涉及气象预报技术领域，包括以下步骤：接收风向相关数据，对风向相关数据进行处理，得到风向相关处理数据集，对风向相关处理数据集从上而下、自西向东寻找异常点；根据异常点的风向，以异常点为中心，在周围寻找与其有风切变的点，然后利用反距离权重插值法在异常点与有风切变的点进行插值，得到一个插值点；在异常点以东或者西南方向寻找下一个异常点，利用反距离权重插值法计算得出一个插值点，在不再出现异常点时停止计算，得出多个插值点；将多个插值点进行折线拟合，之后再进行平滑处理，若出现两个或两个以上的拐点就分段分析，绘制得出一条或多条完整的槽线或切变线。
-
公开(公告)号：CN114445634A
公开(公告)日：2022-05-06
申请号：CN202210189203.4
申请日：2022-02-28
Applicant: 南京信息工程大学
IPC: G06V10/40
Abstract: 本发明公开了一种基于深度学习模型的海浪波高预测方法及系统，涉及海洋预测技术领域，包括以下步骤：获取海浪波高的图片数据；对所述海浪波高的图片数据进行预处理，并将预处理后的海浪波高的图片数据作为训练数据集；构建海浪有效波高数据预测模型，将所述训练数据集输入海浪有效波高数据预测模型中进行深度学习训练，直至达到预设精度，获得最优预测模型；通过所述最优预测模型进行海浪有效波高预测，并对预测结果进行反归一化，得到海浪有效波高的预测值。本发明能够解决现有预测技术存在的计算量大、成本高、无法快速预测、对特征工程的依赖等缺陷，进而实现低成本的快速精确预测。
-
公开(公告)号：CN112984311B
公开(公告)日：2021-11-09
申请号：CN202110253539.8
申请日：2021-03-08
Applicant: 南京信息工程大学
Abstract: 本发明属于物联网技术领域，尤其为一种基于物联网的数据分析处理装置，包括分析仪本体，所述分析仪本体的底部设置有海绵，所述海绵的底部设置有底板，所述底板的底部设置有方向轮，所述底板的一侧设置有支撑柱，所述支撑柱的一侧设置有限位柱，所述限位柱的内部贯穿设置有长型螺栓。通过方向轮便于将分析仪本体移动携带，改变以往需要抬着移动的现象，使其携带起来更为便捷，通过安装的太阳能板和安装板，可以将太阳能转换为电能，绿色环保，适合户外使用，方便调节太阳能板的角度，方便折叠，方便携带，通过海绵设置在底板和分析仪本体之间，可以将底板顶部及分析仪本体底部的潮气吸干，防止潮气影响分析仪本体的使用。
-
公开(公告)号：CN110610188A
公开(公告)日：2019-12-24
申请号：CN201910444424.X
申请日：2019-05-24
Applicant: 南京信息工程大学
Abstract: 本发明的基于马氏距离的阴影粗糙模糊聚类方法采取马氏距离的相似性度量方法，消除属性之间的相关性，适于任意簇划分；通过马氏距离，消除属性之间的相关性，体现出属性对聚类重要性的差异。结合粗糙集和阴影集，适用于处理噪声数据和异常数据，改善样本分布不均衡，弥补了模糊C均值在模糊度方面的缺陷；同时，根据簇中核心区和边界区的划分以及马氏距离的优势，有益于产生更有效的簇划分。
-
公开(公告)号：CN110288014A
公开(公告)日：2019-09-27
申请号：CN201910540443.2
申请日：2019-06-21
Applicant: 南京信息工程大学
IPC: G06K9/62 , G06F16/2458
Abstract: 本发明公开了一种基于信息熵加权的局部离群检测方法，首先，预先获取属性为离群属性的样本数据，并设置离群属性权值；其次求出熵权距离；根据熵权距离找出每个样本数据距离最近的k个数据；然后，计算每个样本数据的k近邻距离dr和平均距离Dr；最后计算每个样本数据的局部离群因子eldof(r)。本发明在LDOF算法的基础上增加了熵权信息，即在计算距离时采用熵的加权距离，使得离群数据检测的准确率提高，同时产生一定的时间开销，在检测时不需事先了解数据分布，不依赖达到一定数量和要求的训练集等，有效提高了算法检测精度。
-
Patent Agency Ranking
公开(公告)号：CN103246892B
公开(公告)日：2016-06-08
申请号：CN201310059766.2
申请日：2013-02-26
Applicant: 南京信息工程大学
IPC: G06K9/66
Abstract: 本发明公开了基于局部线性表示的模式分类方法，属于模式识别的技术领域。首先使用测试样本的部分近邻训练样本去线性表示该测试样本，得到一组线性表示系数；然后计算使用这些近邻训练样本中每个类的样本和相应的线性表示系数去重构测试样本的重构误差；最后根据重构误差来对测试样本进行分类。在计算测试样本的线性表示时，通过减少训练样本数目，降低了计算难度；在提高识别率的同时缩减了计算时间。
-
公开(公告)号：CN104182511A
公开(公告)日：2014-12-03
申请号：CN201410413719.8
申请日：2014-08-20
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 针对现有的WFCM算法在聚类时没有考虑样本硬划分实际情况且对样本分布不均衡情况数据聚类效果不好，FCS算法没有考虑硬划分边界点的情况以及忽略样本特征参数对各类聚类影响的问题，本发明公开了一种簇特征加权的模糊紧致散布聚类方法,通过对样本隶属度、特征权重进行调整，遵循了样本硬划分的实际情况，并充分考虑样本特征参数对各类聚类的影响，尽可能使得样本类内紧致、类间分散，解决了位于硬划分边界的样本隶属度问题，在样本分布不均衡情况下对于噪声数据和异常数据实现了更有效的划分。本方法聚类性能良好，收敛速度快、迭代效率高。聚类性能良好，迭代效率高，适于应用在工业控制中样本分布不均衡、实时性、准确率要求高的场合。
-
公开(公告)号：CN103905053A
公开(公告)日：2014-07-02
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：CN103246892A
公开(公告)日：2013-08-14
申请号：CN201310059766.2
申请日：2013-02-26
Applicant: 南京信息工程大学
IPC: G06K9/66
Abstract: 本发明公开了基于局部线性表示的模式分类方法，属于模式识别的技术领域。首先使用测试样本的部分近邻训练样本去线性表示该测试样本，得到一组线性表示系数；然后计算使用这些近邻训练样本中每个类的样本和相应的线性表示系数去重构测试样本的重构误差；最后根据重构误差来对测试样本进行分类。在计算测试样本的线性表示时，通过减少训练样本数目，降低了计算难度；在提高识别率的同时缩减了计算时间。
-
公开(公告)号：CN103226710A
公开(公告)日：2013-07-31
申请号：CN201310060437.X
申请日：2013-02-26
Applicant: 南京信息工程大学
IPC: G06K9/62
Abstract: 本发明公开了基于鉴别线性表示的模式分类方法，属于模式识别的技术领域。本发明将训练样本集按照样本类别划分为子训练样本集，计算测试样本在各子训练样本集内的线性表示系数，然后计算测试样本在每一个子训练样本集内的重构误差，当测试样本在某类子训练样本集内的重构误差最小时，将测试样本归为这一类。本发明确定测试样本在每一类子训练样本集中的线性表示系数，通过减少训练样本数目，降低了计算难度；在提高识别率的同时缩减了计算时间。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.039 seconds)
