-
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。
-
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。
-
Patent Agency Ranking
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。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.036 seconds)
