-
公开(公告)号：CN102254303A
公开(公告)日：2011-11-23
申请号：CN201110157076.1
申请日：2011-06-13
Applicant: 河海大学
Abstract: 本发明涉及一种遥感图像分割方法，属于遥感图像处理技术领域。本发明根据颜色特征、纹理特征及像素点的位置信息生成的特征向量，作为初始输入向量，利用均值漂移滤波进行遥感图像的分割，并进一步利用构造的聚类有效性指数自适应地确定颜色特征和纹理特征的权重，有效提高了遥感图像分割的精度。本发明还公开了一种采用本发明的遥感图像分割方法的遥感图像检索方法，并进一步采用了一种新的区域表示与匹配方法来完成遥感图像的检索。相比现有技术，本发明具有更好的检索精度，尤其对于小目标区域的检索具有更好的效果。
-
公开(公告)号：CN102243135A
公开(公告)日：2011-11-16
申请号：CN201110094245.1
申请日：2011-04-15
Applicant: 河海大学
Abstract: 本发明公布了一种塔式太阳能热发电站定日镜故障诊断分析方法，所述方法如下：针对方位角、高度角、齿轮箱油温等容易利用传感器信息进行诊断的测量传感器，采用数据采集传感器采集故障信号，故障信号经过分类和预处理后与专家诊断系统知识库中预先存储好的专家知识进行匹配，从方法库中调用监控指标，搜索出已发生的故障征兆，接着提取征兆-故障规则表，对所有可能的故障原因进行搜索，然后通过故障-征兆规则表逐一验证所有可能的故障原因中其它征兆是否成立，若有故障成立，则推理出故障诊断结果；针对齿轮故障诊断，采用径向基人工神经网络（RBFNN）的方法来诊断其故障；对定日镜采用诊断技术后，可以保证吸热器及其附属设备的安全。
-
公开(公告)号：CN101853392A
公开(公告)日：2010-10-06
申请号：CN201010152915.6
申请日：2010-04-21
Applicant: 河海大学
IPC: G06K9/62
Abstract: 本发明提出了一种基于条件互信息的遥感高光谱图像波段选择方法，包括下述步骤：A、打开高光谱遥感图像，人机交互标注待分类的样本；B、分组：根据步骤A得到的待分类样本，利用给定类别条件下各相邻波段之间的条件互信息进行波段分组；C、搜索：利用支持向量机和遗传算法相结合的搜索算法对步骤B得到的分组波段进行搜索计算，找到最优的波段组合；并在此基础上使用自适应分支定界法进行剪枝，通过条件互信息波段分组和自适应分支定界法剪枝的结合使用，避免了因为噪音扰动而出现冗余和噪音分组，减少了波段分组的数量，提高了波段组合的分类准确率。
-
公开(公告)号：CN101853304A
公开(公告)日：2010-10-06
申请号：CN201010195139.8
申请日：2010-06-08
Applicant: 河海大学
Abstract: 本发明公开了一种基于特征选择和半监督学习的遥感图像检索方法，首先根据最小描述长度准则和改进的Davies-Bouldin指数，利用聚类方法分别选出最优的颜色特征和纹理特征；然后根据最优的颜色特征和纹理特征的二值化权重选择合适的半监督学习方法进行遥感图像的检索。相比较现有的遥感图像检索方法，本发明不仅可以大大提高检索质量，还能有效减少检索过程中计算量，提高检索的速度。
-
公开(公告)号：CN119621266A
公开(公告)日：2025-03-14
申请号：CN202411666464.6
申请日：2024-11-20
Applicant: 河海大学
IPC: G06F9/48 , G06F9/50 , G06F16/2455
Abstract: 本发明公开一种网格水文模型并行计算的负载均衡任务调度方法。该方法包括：(1)模型基于构件特点分析：对网格新安江模型的四个子模型处理流程进行分析，确定模型输入文件、相关参数及模型之间的调用关系和模型输出结果；将模型从三种类型的构件——独立计算构件、时间顺序依赖构件、空间逻辑依赖构件，并分析其在分布式并行计算框架下的处理方式。(2)Flink集群搭建和并行算法设计：依据前述分析，将任务划分为多个子任务，分配到不同计算节点，利用Flink的并行计算能力处理这些子任务。(3)提出了基于资源反馈的负载均衡任务调度算法：针对分布式系统中出现的负载不均的情况，通过实时资源监控，把负载过重的机器中处于等待状态的任务分配给负载较轻的机器，来实现集群的负载均衡。(4)结果整合：对各模型的计算结果进行整合，输出最终的水文模拟结果。本发明提供一种网格水文模型并行计算的负载均衡任务调度方法，通过Flink并行计算框架对网格新安江模型的子任务进行分布式处理，并通过负载均衡，以提高水文模拟计算效率。
-
Patent Agency Ranking
公开(公告)号：CN119476607A
公开(公告)日：2025-02-18
申请号：CN202411577796.7
申请日：2024-11-06
Applicant: 河海大学
IPC: G06Q10/04 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06F18/214 , G06F18/24 , G06F18/25 , G06N3/0455 , G06N3/08 , G06Q50/26
Abstract: 本发明属于水文预报领域，公开了一种基于图卷积神经网络(GCN)的水库水位预测方法。该方法旨在解决降雨情况下的水库水位预测问题，为水库调度提供有效支持。主要通过图卷积神经网络(GCN)对降雨图像数据进行训练，并结合双向长短时记忆网络(BiLSTM)提取水库水位的时间序列特征，从而构建一个能够通过降雨图像预测水库水位的模型。具体而言，GCN用于提取降雨图像的时空特征，并利用多头注意力机制对这些特征进行融合。在BiLSTM中，输入的时序数据序列通过两个方向的LSTM网络进行处理，从而同时捕获过去和未来的信息。通过合并这两个方向的隐藏状态，模型能够更深入地理解时序数据的内在规律，从而提高水库水位的预测精度。
-
公开(公告)号：CN116205357A
公开(公告)日：2023-06-02
申请号：CN202310172366.6
申请日：2023-02-27
Applicant: 河海大学
IPC: G06Q10/04 , G06N3/0442 , G06N3/0455 , G06N3/096
Abstract: 本发明公开基于Seq2Seq的水文时间序列迁移方法，其目的在于解决资料匮乏地区水文预报困难。针对历史资料匮乏地区，补全其流域的历史数据，解决其先验知识不足的问题，为水文预报提供数据基础。从不同流域的时间序列在值域和时滞上存在偏移的角度入手，提出了一种基于Seq2Seq的水文时间序列迁移网络。针对流域间值域差异，建立基于Seq2Seq的流域值域迁移模型。由于残差网络在特征提取上效果较好，在值域编码器部分使用残差网络来提取值域特征。针对流域间时滞差异，建立基于Seq2Seq的流域时滞迁移模型。由于LSTM和自注意力机制能够有效捕捉时间序列的特征，故在时滞编码器部分使用LSTM和自注意力机制来提取时滞特征。在这两部分模型的解码器中，均使用了AdaIN进行特征融合，实现源流域到目标流域知识的。
-
公开(公告)号：CN116091801A
公开(公告)日：2023-05-09
申请号：CN202310211558.3
申请日：2023-03-07
Applicant: 河海大学
Abstract: 本发明公开一种基于深度学习的降雨图像相似性搜索方法，对研究流域进行数据预处理后，采用分块加权颜色直方图分别提取研究流域历史时段降雨量图像和待检索降雨图像的降雨特征信息，然后计算待检索图像和历史降雨图像的降雨特征信息间相似度；其次采用多指标加权组合法对降雨特征信息间的相似度进行融合，得到多特征融合的降雨图像相似性度量方法；接着采用改进鲸鱼优化算法IWOA训练得到最优权重系数，得到最优特征融合相似性度量；最后计算历史库中降雨图像搜索和待查询降雨图像间的相似性并进行排序，得到和待检索图像最相似的历史降雨图像。本发明提供基于深度学习的降雨图像相似性搜索方法，实现相似降雨图像的识别和搜索。
-
公开(公告)号：CN115309805A
公开(公告)日：2022-11-08
申请号：CN202210964513.9
申请日：2022-08-11
Applicant: 河海大学
IPC: G06F16/2458 , G06K9/62 , G06Q50/26
Abstract: 本发明提出了一种基于极值点划分和L‑K模式距离的降雨过程相似性搜索方法及系统，属于水文水资源与数据挖掘技术交叉领域。首先根据最小降雨间隔时间将雨量序列划分为多个单场降雨序列，然后依据滑动窗口的思想确定序列中的重要极值点，得到L‑K模式序列；定义分段距离以及L‑K模式距离，基于此构建距离累积矩阵计算单场降雨间的相似距离；采用基于DTW距离指标的聚类算法对单场降雨序列进行聚类，并根据聚类结果标记每场降雨，将雨量站的降雨序列转换为模式序列，最后基于分类距离计算雨量站点间的相似距离。本发明方法从单场降雨角度出发，更细粒度地分析降雨过程信息，定义序列重要极值点和L‑K模式距离，提供了一种降雨过程相似性搜索方法及系统。
-
公开(公告)号：CN111401599B
公开(公告)日：2022-08-26
申请号：CN201910706437.X
申请日：2019-08-01
Applicant: 河海大学
Abstract: 本发明公开一种基于相似性搜索和LSTM神经网络的水位预测方法，根据待预测日前二十日的水位与此前所有历史水位数据进行比较，利用相似性搜索找出与其相近的一系列时间序列，将其作为训练集采用LSTM网络进行预测。该方法主要包括：数据预处理，旨在查补原始数据中的缺失及错误；水文时间序列快速相似搜索，在离线过程使用滑动窗口方法划分原始时间序列，再通过改进Chameleon聚类方法、最小距离方差法和学习过滤选择法选择合适的索引参考集，最后基于约束DTW距离对原始时间序列的每个位置进行嵌入索引计算形成最终的索引空间。本发明能够提前预测水位，为防洪抗灾工作提供有效的技术支持。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.024 seconds)
