-
公开(公告)号:CN114925994B
公开(公告)日:2024-07-23
申请号:CN202210493040.9
申请日:2022-05-07
Applicant: 厦门大学
IPC: G06Q10/0635 , G06Q50/26 , G06V20/13 , G06V10/82 , G06V10/762 , G06V10/44 , G06V10/80 , G06V10/764 , G06N3/042 , G06N3/0464 , G06N3/084 , G06F18/25 , G06N3/048
Abstract: 本发明提供一种基于深度学习的城中村风险评估和风险因素定位方法,利用群智感知技术搜索各类风险事故,对每类风险事故进行聚类,将超过阈值的作为风险热点,并根据城中村风险热点获取风险热点情景数据,所述风险热点情景数据包括城中村层面情景数据和场景层面情景数据;从城中村层面情景数据中提取城中村层面情景特征,从场景层面情景数据中提取场景层面情景特征;将城中村层面情景特征和场景层面情景特征输入构建的训练好的残差网络模型,评估城中村风险,并采用逐层相关传播算法定位风险因素;实现异构数据融合,具有高效、低耗的优点,同时也达到了较高的准确率。
-
公开(公告)号:CN114925994A
公开(公告)日:2022-08-19
申请号:CN202210493040.9
申请日:2022-05-07
Applicant: 厦门大学
Abstract: 本发明提供一种基于深度学习的城中村风险评估和风险因素定位方法,利用群智感知技术搜索各类风险事故,对每类风险事故进行聚类,将超过阈值的作为风险热点,并根据城中村风险热点获取风险热点情景数据,所述风险热点情景数据包括城中村层面情景数据和场景层面情景数据;从城中村层面情景数据中提取城中村层面情景特征,从场景层面情景数据中提取场景层面情景特征;将城中村层面情景特征和场景层面情景特征输入构建的训练好的残差网络模型,评估城中村风险,并采用逐层相关传播算法定位风险因素;实现异构数据融合,具有高效、低耗的优点,同时也达到了较高的准确率。
-