-
公开(公告)号：CN105005822A
公开(公告)日：2015-10-28
申请号：CN201510361844.3
申请日：2015-06-26
Applicant: 华能澜沧江水电股份有限公司 , 河海大学
Abstract: 本发明公开了一种基于最优步长与模型动态选择的特高拱坝响应预测方法包括：数据预处理，确定数据中的错误值与缺失值；使用最优化步长和插值法预测数据，根据绝对误差选择最优插值模型，即最优参数包括：步长和插值方法，使用最优步长的样本数据和最优的插值方法，对待预测的反应特高拱坝工作性态的应力值进行预测；使用小波神经网络方法预测数据，将原始数据分为训练样本和测试样本，选定输入层的节点个数和迭代次数，用训练样本对小波神经网络进行训练，然后用训练好的小波神经网络预测测试样本；对实验得到的预测结果进行分析，用于对此次最优化步长和插值方法的应力预测模型和基于小波神经网络的应力预测结果进行评估，确定应力安全阈值。
-
公开(公告)号：CN104933160B
公开(公告)日：2019-06-28
申请号：CN201510363351.3
申请日：2015-06-26
Applicant: 河海大学 , 华能澜沧江水电股份有限公司
Abstract: 本发明公开了一种面向安全监测业务分析的ETL框架设计方法，包括数据抽取、数据转换和数据加载。数据抽取是指从多个异构数据源中获取源数据，通过使用XML适配器确认数据源和使用时间戳进行增量抽取完成；数据转换过程是连接数据抽取过程与数据加载过程的纽带，在该过程中使用“数据处理引擎”和“Redis存储引擎”两个组件进行数据转换；数据加载中，数据的加载主要为最初加载和增量装载两种装载类型，最初加载主要利用“批量加载引擎”进行处理，增量装载则使用“批量加载引擎”和“实时加载引擎”结合的方式进行处理。本发明可以实现异构数据的高度统一，为后续的决策支持工作打下基础。
-
公开(公告)号：CN104933160A
公开(公告)日：2015-09-23
申请号：CN201510363351.3
申请日：2015-06-26
Applicant: 河海大学 , 华能澜沧江水电股份有限公司
IPC: G06F17/30
CPC classification number: G06F16/21 , G06F16/254
Abstract: 本发明公开了一种面向安全监测业务分析的ETL框架设计方法，包括数据抽取、数据转换和数据加载。数据抽取是指从多个异构数据源中获取源数据，通过使用XML适配器确认数据源和使用时间戳进行增量抽取完成；数据转换过程是连接数据抽取过程与数据加载过程的纽带，在该过程中使用“数据处理引擎”和“Redis存储引擎”两个组件进行数据转换；数据加载中，数据的加载主要为最初加载和增量装载两种装载类型，最初加载主要利用“批量加载引擎”进行处理，增量装载则使用“批量加载引擎”和“实时加载引擎”结合的方式进行处理。本发明可以实现异构数据的高度统一，为后续的决策支持工作打下基础。
-
公开(公告)号：CN119478395A
公开(公告)日：2025-02-18
申请号：CN202411442849.4
申请日：2024-10-16
Applicant: 河海大学
IPC: G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06V10/764 , G06V20/10
Abstract: 本发明公开了一种基于双曲神经网络的遥感图像语义分割方法及装置，该方法包括：构建以编码器‑解码器结构为基础的双曲空间神经网络模型，获取若干对地观测遥感图像作为训练集，通过对该神经网络模型进行训练，得到语义分割模型，用于对地观测遥感图像进行精准语义分割预测。该神经网络通过采用洛伦兹模型，将卷积层、批归一化、非线性激活、残差连接、Softmax函数和解卷积层映射到双曲空间，以学习低失真的遥感图像表示；以并行方式同时模拟双曲空间和欧几里得空间中的成对相关性，有效地将超球面上下文依赖性与欧几里得亲和力相结合。本发明能够更有效地捕捉遥感图像中的层次结构和空间关系，从而实现更精确的语义分割。
-
公开(公告)号：CN119478384A
公开(公告)日：2025-02-18
申请号：CN202411268853.3
申请日：2024-09-11
Applicant: 河海大学
Abstract: 本发明公开了一种面向遥感图像语义分割的空间光谱上下文特征增强方法及装置，该方法包括：构建基于编码器‑解码器架构的神经网络模型；将预处理后的遥感图像集输入至特征编码块中，提取层次化的特征；该模型通过协同注意力模块集成频谱注意力和位置自注意力机制，显著增强网络光谱和空间上下文信息的敏感性；使网络编码模块在进入解码阶段前对特征进行高效的压缩和编码；应用交叉融合模块在编码块与解码块之间智能融合特征，确保解码过程中信息不丢失；通过Softmax层将特征图映射为像素级别的类别标签，实现精准的语义分割，得到高质量的分类结果。本发明通过协同建模光谱和空间上下文，有效保留了高频细节并提高了语义分割的精度。
-
Patent Agency Ranking
公开(公告)号：CN117611901A
公开(公告)日：2024-02-27
申请号：CN202311588879.1
申请日：2023-11-27
Applicant: 河海大学
IPC: G06V10/764 , G06V10/774 , G06V10/44 , G06V10/82 , G06V40/10 , G06N3/0464
Abstract: 本发明涉及一种基于全局和局部对比学习的小样本图像分类方法，该方法首先对图像分类数据集进行处理，在整个基类上进行训练，在新类上构建多个小样本分类任务；接着，使用ResNet‑12作为主干网络，搭建特征提取模型；然后基于全局和局部对比学习方法对网络进行优化，使得每个局部特征保留类别信息，增强局部特征表示，并将全局对比学习与局部对比学习结合，避免全局信息的丢失；最后利用新类的元测试数据集，通过计算相似度和最近邻算法完成对查询目标样本的分类。本发明方法使模型在样本数量有限的条件下充分学习物体特征，从而有效提升模型性能。
-
公开(公告)号：CN114648029A
公开(公告)日：2022-06-21
申请号：CN202210352753.3
申请日：2022-03-31
Applicant: 河海大学
IPC: G06F40/295 , G06N3/04 , G06N3/08 , G06Q50/06
Abstract: 本发明涉及一种电力领域命名实体识别方法，具体涉及一种基于BiLSTM‑CRF模型的电力领域命名实体识别方法，属于自然语言处理技术领域。包括如下步骤：获取电力领域数据集；通过CNN‑BiLSTM‑Attention‑CRF算法模型对电力领域的数据集中的训练集进行训，根据相关评价指标的值，即准确率、召回率和F1值得到此模型训练好的算法模型；将电力领域的数据集分为训练集和测试集，利用步骤2训练好的算法模型对测试集进行命名实体识别并标注测试的结果。以一种高效、高准确度和可信的方式实现电力领域数据的命名实体识别。
-
公开(公告)号：CN113989561A
公开(公告)日：2022-01-28
申请号：CN202111268128.2
申请日：2021-10-29
Applicant: 河海大学
Abstract: 本发明公开了一种基于异步联邦学习的参数聚合更新方法、设备及系统。所述方法通过在参数服务器上保存权重摘要来保留工作节点的最新权重，并且所有工作节点所占权重比例相同，权重摘要通过每个工作节点只能更新自身摘要部分，限制了快节点高频更新对整体权重的影响；所述方法通过在参数服务器上设置版本感知机制对权重摘要的版本进行记录，使得参数服务器聚合时可以根据工作节点不同的版本确定不同的加权比例，当整体版本差距过大时，通过全局更新的方式将慢节点中使用的旧权重更新到最新权重，从而提高慢节点的更新效率，使参数服务器上的模型更快的收敛。本发明可有效地提高基于联邦学习的机器学习模型的训练速度。
-
公开(公告)号：CN113920573A
公开(公告)日：2022-01-11
申请号：CN202111386833.2
申请日：2021-11-22
Applicant: 河海大学
Abstract: 本发明公开了一种基于对抗学习的人脸变化解耦的亲属关系验证方法，该方法首先通过对通用数据集的学习，得到具有判别性的人脸面部特征，然后对该特征进行分割，使用对抗学习与去相关学习方法保证得到独立于年龄的身份特征，针对得到的独立于年龄的身份特征再次进行特征剥离，去除干扰，以保证得到纯净的身份特征，最后进行亲属关系验证。此外，为了对身份相关的特征给予不同的关注，本方法提出了身份特征加权模块。将独立于年龄的人脸特征输入到FWM模块中，FWM模块可以根据此特征在亲属关系验证任务中的重要性为其分配不同的权重。本发明亲属关系验证方法能够提取鲁棒的身份特征，并在小规模和大规模的亲属关系数据集上鲁棒性好，精度高。
-
公开(公告)号：CN112580444A
公开(公告)日：2021-03-30
申请号：CN202011403336.4
申请日：2020-12-02
Applicant: 河海大学
Abstract: 本发明公开了基于循环自编码和块稀疏结构表示的单样本人脸识别方法，首先对生成变化和去除变化模型进行预训练，然后连接两个模型对模型参数进行微调；将人脸划分为多个块，每个块划分为多个重叠子块，设同一块内的子块在同一子空间内；基于块稀疏表示模型用全部训练样本和生成变化样本对应块内的所有子块构成的局部字典去表示所有测试图像和去除变化图像对应块的中心子块所构成的测试矩阵，实现每个人所对应的子空间的有效分割，利用非严格的增广拉格朗日乘法求解表示系数矩阵；通过判定表示系数的大小实现对测试图像块的分类；最后对所有测试图像块投票确定分类结果。本发明对人脸识别中的表情、光照变化和遮挡等具有很好的鲁棒性，识别精度高。
-
-
-
-
-
-
-
-
-
Search Results
124
records
(took 0.062 seconds)
