-
公开(公告)号：CN113487858B
公开(公告)日：2022-05-10
申请号：CN202110709940.8
申请日：2021-06-25
Applicant: 大连海事大学
IPC: G08G1/01
Abstract: 本发明公开了一种面向路网数据的异常轨迹检测方法，包括利用当前查询时刻，移动对象的当前位置点到终点的欧氏距离得出轨迹异常因子，判断轨迹异常因子与轨迹异常阈值的大小，若轨迹异常因子的值大于等于轨迹异常阈值的值，则判断为轨迹异常；否则利用移动对象当前位置点与当前已知的最优路径之间的位置关系，结合该最优路径计算轨迹异常因子，若轨迹异常因子的值小于轨迹异常阈值，则判断为轨迹非异常；否则就需要运用最优路径查找方法求取移动对象当前位置点到终点真实的最优路径，由此进行异常判断。本发明针对路网环境，提出一种适用于路网数据的异常轨迹定义，考察了路网中关于时间方面轨迹的异常情况，并且异常检测时避免了使用历史轨迹。
-
公开(公告)号：CN119251798A
公开(公告)日：2025-01-03
申请号：CN202411286038.X
申请日：2024-09-13
Applicant: 大连海事大学
IPC: G06V20/58 , G06V10/52 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/776 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于多尺度特征融合与连通性感知的道路提取方法，包括S1：获取遥感影像道路数据集，并对遥感影像道路数据集进行数据预处理获取优化遥感影像道路数据集，按照预设比例随机划分为训练集、验证集以及测试集；S2：构建基于多尺度特征融合与连通性感知的道路提取模型；S3：根据训练集对道路提取模型进行训练，获取训练后的道路提取模型，并通过所述验证集对训练后的道路提取模型进行测试，获取最优道路提取模型；S4：根据最优道路提取模型对所述测试集进行预测，以实现多尺度特征融合与连通性感知的道路提取。解决了目前由于遥感影像中的道路目标尺寸差别较大，并且易被建筑物、树木等地物遮挡，使得无法精确实现道路提取任务的问题。
-
公开(公告)号：CN117009899A
公开(公告)日：2023-11-07
申请号：CN202310735403.X
申请日：2023-06-20
Applicant: 大连海事大学
IPC: G06F18/2433 , G06F18/15 , G06F18/2431 , G06F18/241 , G06F18/22 , G06F18/2113 , G06F18/2321
Abstract: 本发明提供了一种时序性海洋生态环境监测数据中的异常点检测方法，海洋数据监测技术领域，包括如下步骤：步骤1、数据获取：对当前时间戳到来的含量数据进行标准化和归一化处理，得到预处理后的数据；步骤2、异常数据检测：对DSC模型进行训练，得到训练后的DSC模型；利用部分训练对不同时间戳到来的预处理后的数据进行线上相似度矩阵的生成，对当前数据进行三类异常的检测，得到当前数据中的三类异常数据；步骤3、change point检测机制：采用change point探测机制对当前数据的数据分布进行探测；步骤4、模型动态更新：基于步骤3探测的结果，进行DSC模型的选定或重新训练。本发明解决了现有异常点检测方法无法适应高维动态时序数据的问题。
-
公开(公告)号：CN110347705B
公开(公告)日：2023-05-12
申请号：CN201910657412.5
申请日：2019-07-19
Applicant: 大连海事大学
IPC: G06F16/2453 , G06F16/2458
Abstract: 本发明提供一种分布式Skyline查询系统，包括：网络架构模块、数据存储模块以及应用模块。所述网络架构模块通过主从式架构设置，由一个主节点即Master节点和多个从节点即数据节点构成；Master节点负责调度各数据节点并汇总数据节点的信息；所述数据节点存储数据并完成查询过滤计算；分布式Skyline查询中，避免瓶颈节点的产生是提高查询效率的关键因素。此外，本地Skyline候选集的计算效率以及合并计算时候选集的大小也决定着分布式Skyline查询的效率。本发明能够有效避免瓶颈节点的产生，同时能够在尽可能少的时间内得到尽可能小的候选集，大大提高了分布式Skyline查询效率。
-
公开(公告)号：CN110334252B
公开(公告)日：2022-04-12
申请号：CN201910618122.X
申请日：2019-07-10
Applicant: 大连海事大学
IPC: G06F16/901 , G06F16/903
Abstract: 本发明提供一种偏序域上的skyline查询方法，包括：对待测数据集进行分组；根据用户的偏好哈斯图按映射规则映射到所述全序维度上；对除分组维度外的每个所述分组内的数据建立倒排索引；根据循环扫描策略和临时表更新策略对分组的数据集进行扫描，并将扫描结果存放到临时结果集中，直到扫描到扫描结束点根据分组计算结束条件结束相应分组的计算；当所有分组的计算都结束时，结束算法，将所有临时结果集中的结果取并集输出，所述并集即为需要返回给用户的skyline。本发明解决了现有偏序域上skyline计算方法的效率瓶颈问题，通过将倒排索引引入skyline查询领域，利用提前对数据进行分组并建立倒排索引的方式提高了skyline计算效率。
-
Patent Agency Ranking
公开(公告)号：CN113487858A
公开(公告)日：2021-10-08
申请号：CN202110709940.8
申请日：2021-06-25
Applicant: 大连海事大学
IPC: G08G1/01
Abstract: 本发明公开了一种面向路网数据的异常轨迹检测方法，包括利用当前查询时刻，移动对象的当前位置点到终点的欧氏距离得出轨迹异常因子，判断轨迹异常因子与轨迹异常阈值的大小，若轨迹异常因子的值大于等于轨迹异常阈值的值，则判断为轨迹异常；否则利用移动对象当前位置点与当前已知的最优路径之间的位置关系，结合该最优路径计算轨迹异常因子，若轨迹异常因子的值小于轨迹异常阈值，则判断为轨迹非异常；否则就需要运用最优路径查找方法求取移动对象当前位置点到终点真实的最优路径，由此进行异常判断。本发明针对路网环境，提出一种适用于路网数据的异常轨迹定义，考察了路网中关于时间方面轨迹的异常情况，并且异常检测时避免了使用历史轨迹。
-
公开(公告)号：CN112835884A
公开(公告)日：2021-05-25
申请号：CN202110195665.2
申请日：2021-02-19
Applicant: 大连海事大学
IPC: G06F16/215 , G06F16/2455 , G06Q50/02
Abstract: 本发明提供一种海洋渔场渔情预报系统中的缺失数据填补方法，包括以下步骤：步骤1：数据实时获取：给定传感器网络监测区域内的n个数据源，将数据源获取到的数据从传感器节点经由传感器网络端传送到服务器端，实现数据流的实时获取；步骤2：模型初始化：对于获取到的包含大量缺失值的实时数据流，进行填补模型初始化、近邻参数初始化、增量更新填补模型及相关参数更新；步骤3：查询响应处理：基于经过步骤2填补后得到的完整的数据流，对用户的查询进行快速响应，从而得到所需要的海洋渔场数据，进行后续的渔场渔情预报分析。本发明的技术方案解决了现有技术中的填补方法无法适应高速动态数据流的问题。
-
公开(公告)号：CN120030017A
公开(公告)日：2025-05-23
申请号：CN202510122316.6
申请日：2025-01-26
Applicant: 大连海事大学
IPC: G06F16/22 , G06F16/2458
Abstract: 本发明公开了一种面向数据流的高效近似计数方法，S1：构建交换概率数据结构；S2：获取数据流；S3：基于交换概率数据结构并行执行数据流中数据的插入、更新和查询操作；数据的更新包括：开启数据更新线程，以对每个数组进行数据更新；数据更新线程包括采用单指令多数据流技术执行更新内存操作以及执行内存和外存之间的数据交换操作；本发明通过交换概率数据结构，以及在此结构基础上构建的近似滑动窗口模型，实现数据插入、查询以及更新并行进行，因此不影响吞吐量；同时交换概率数据结构保证在近似滑动窗口模型所存储的数据达到设定的阈值时，开启数据更新线程以对每个桶进行数据更新，且采用单指令多数据流技术并按照设定的内存更新规则对单指令多数据流兼容数组进行内存更新，该内存更新过程降低了内存消耗并提升了处理速度，同时避免阻塞插入和查询操作，从而提高了查询速度。
-
公开(公告)号：CN119513637A
公开(公告)日：2025-02-25
申请号：CN202411477670.2
申请日：2024-10-22
Applicant: 大连海事大学
IPC: G06F18/23213 , G06F18/15 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/084
Abstract: 本发明提供了一种聚类分析驱动的高精度缺失数据填补方法，包括如下步骤：S1、获取包含缺失值的数据，对包含缺失值的数据进行预处理；S2、将数据矩阵X、掩模矩阵M、提示矩阵H、聚类标签C1输入至生成对抗网络中，经过非线性变换得到填补矩阵X’和概率矩阵P；S3、将填补矩阵X’输入到深度子空间聚类网络中，得到重建数据矩阵以及自表达层系数矩阵；S4、计算矩阵U和U的转置的乘积，调整后得到亲和矩阵A；S5、将样本分配到不同的簇中，输出新的聚类标签C2；S6、重复S2～S5，输出此时S2得到的填补矩阵X’作为高精度填补数据矩阵。本发明利用聚类分析技术捕获数据内部潜在结构与模式的特点，进一步提升了数据填补的精度和质量。
-
公开(公告)号：CN119314323A
公开(公告)日：2025-01-14
申请号：CN202411316822.0
申请日：2024-09-20
Applicant: 大连海事大学
IPC: G08G1/01 , G08G1/065 , G06Q10/04 , G06Q50/40 , G06N3/0442 , G06N3/048 , G06N3/0464
Abstract: 本发明公开了一种基于权重共享的深度时空神经网络的路网交通流预测方法，S1：获取道路结构图，进行网格划分，得到交通网格；S2：得到具有路段信息以及交通流量观测值的交通网格；S3：对交通网格进行拆分，得到当前时刻交通网格、前一日交通网格和前一周交通网格；S4：获取影响交通流量的信息；S5：建立初始交通流预测模型；S6：对初始交通流预测模型进行训练，得到训练后的交通流预测模型，并基于训练后的交通流预测模型进行交通流预测。本发明对交通网格进行了拆分，并输入初始交通流预测模型，从而可以更好的捕捉道路网络的时空关联，同时提出了权重共享模块，简化了计算过程，加速了训练过程，有助于提高模型的泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.022 seconds)
