公开(公告)号：CN109190845A

公开(公告)日：2019-01-11

申请号：CN201811150792.5

申请日：2018-09-29

Applicant: 南京信息工程大学

Inventor： 熊雄 ,  叶小岭 ,  丁杰

IPC: G06Q10/04 ,  G06Q50/06

Abstract: 本发明公开了一种两阶段动态优化短期风电功率预测方法，该方法通过获取风电场区域数值天气预报气象数据，根据风机有功发电的历史数据和实际数据，利用高斯回归算法构建风电场短期功率预测模型并对未来72小时功率进行预测；同时，利用高斯回归算法和差分延迟算子对短期功率预测模型进行两阶段动态优化以提高预测的精度。通过对短期风电功率预测过程中的解决了目前短期风电功率预测方法结构单一、准确度不高和欠稳定等问题，提高了风电场短期风电功率预测的准确率。

公开(公告)号：CN111368896A

公开(公告)日：2020-07-03

申请号：CN202010128528.2

申请日：2020-02-28

Applicant: 南京信息工程大学

Inventor： 陈苏婷 ,  张闯 ,  吴超群 ,  丁杰 ,  邵东威

IPC: G06K9/62 ,  G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于密集残差三维卷积神经网络的高光谱遥感图像分类方法，以原始高光谱数据作为网络输入，采用三维卷积提取高光谱遥感图像的三维空谱特征，三维卷积可以直接对高光谱图像进行处理，不需要进行降维等预处理操作，更充分地提取高光谱图像的空谱特征。利用密集残差网络加深网络层数，学习更深层次的光谱和空间特征，随着网络深度的增加，残差网络可以有效减少梯度消失的问题，并且该结构可以更有效地利用特征并增强卷积层之间的特征传递；通过早停的方法来缩减训练时间，通过Soft-max分类器进行分类预测，得到初始分类结果；提出多标签条件随机场优化算法，对分类的结果进行优化。本发明提升运算效率，提高了遥感图像分类的准确度。

公开(公告)号：CN109190845B

公开(公告)日：2022-05-31

申请号：CN201811150792.5

申请日：2018-09-29

Applicant: 南京信息工程大学

Inventor： 熊雄 ,  叶小岭 ,  丁杰

IPC: G06Q10/04 ,  G06Q50/06

Abstract: 本发明公开了一种两阶段动态优化短期风电功率预测方法，该方法通过获取风电场区域数值天气预报气象数据，根据风机有功发电的历史数据和实际数据，利用高斯回归算法构建风电场短期功率预测模型并对未来72小时功率进行预测；同时，利用高斯回归算法和差分延迟算子对短期功率预测模型进行两阶段动态优化以提高预测的精度。通过对短期风电功率预测过程中的解决了目前短期风电功率预测方法结构单一、准确度不高和欠稳定等问题，提高了风电场短期风电功率预测的准确率。

公开(公告)号：CN111368896B

公开(公告)日：2023-07-18

申请号：CN202010128528.2

申请日：2020-02-28

Applicant: 南京信息工程大学

Inventor： 陈苏婷 ,  张闯 ,  吴超群 ,  丁杰 ,  邵东威

IPC: G06V10/764 ,  G06V20/13 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于密集残差三维卷积神经网络的高光谱遥感图像分类方法，以原始高光谱数据作为网络输入，采用三维卷积提取高光谱遥感图像的三维空谱特征，三维卷积可以直接对高光谱图像进行处理，不需要进行降维等预处理操作，更充分地提取高光谱图像的空谱特征。利用密集残差网络加深网络层数，学习更深层次的光谱和空间特征，随着网络深度的增加，残差网络可以有效减少梯度消失的问题，并且该结构可以更有效地利用特征并增强卷积层之间的特征传递；通过早停的方法来缩减训练时间，通过Soft‑max分类器进行分类预测，得到初始分类结果；提出多标签条件随机场优化算法，对分类的结果进行优化。本发明提升运算效率，提高了遥感图像分类的准确度。

公开(公告)号：CN112132344A

公开(公告)日：2020-12-25

申请号：CN202011011176.9

申请日：2020-09-23

Applicant: 南京信息工程大学

Inventor： 熊雄 ,  叶小岭 ,  丁杰 ,  成金杰

IPC: G06Q10/04 ,  G06K9/62 ,  G06Q50/06

Abstract: 本发明公开了一种基于相似日和FRS‑SVM的短期风电功率预测方法，属于短期风电功率预测方法技术领域。该方法采用离散Fréchet距离作为相似性判据，定义预测日与历史日之间的整体相似度公式，并以此匹配相似日样本。相似日样本缩减了样本量，提高了建模数据的相似性。然后针对原始特征存在相互关联、非线性和不相关性等特点，增加了训练模型的复杂度，引入模糊粗糙集（FRS）方法消除冗余特征，优化SVM模型的输入。相似日方法和FRS方法同时在样本数量和样本特征2个层面对数据进行预处理，节约了SVM模型的训练时间，提高了预测精度。本发明能够有效改善预测拐点处预测精度的不足，具有一定的实用价值。

公开(公告)号：CN107480718A

公开(公告)日：2017-12-15

申请号：CN201710706366.4

申请日：2017-08-17

Applicant: 南京信息工程大学

Inventor： 陈苏婷 ,  丁杰 ,  冯瑞 ,  王卓

IPC: G06K9/62

CPC classification number: G06K9/6272 ,  G06K9/6223 ,  G06K9/629

Abstract: 本发明公开了一种基于视觉词袋模型的高分辨率遥感图像分类方法，包括，图像多特征提取；构建初始视觉词典；筛选视觉单词，构建视觉词典子集；图像表达和分类。本发明有效减少了词典中的冗余信息，平衡了单词的相关性和冗余性，从而提高词典子集的特征描述能力，使高分辨率遥感图像的分类精度得到显著提升。