-
公开(公告)号：CN115100227B
公开(公告)日：2025-01-03
申请号：CN202210760820.5
申请日：2022-06-29
Applicant: 南京大学
Abstract: 本发明涉及一种CPU‑GPU协同的遥感影像边缘检测并行计算方法，属于数据处理技术领域。该方法执行如下步骤：步骤1、并行环境初始化；步骤2、CPU主线程初始化GPU，并优化GPU内存；步骤3、由CPU计算端与GPU计算端分别执行计算任务；步骤4、同步CPU与GPU；步骤5、更新任务队列，若任务队列不为空，则返回步骤3，否则退出并行环境，终止计算。本发明通过对任务队列的数据进行划分以及GPU与CPU各计算线程双向任务调度分配的方式，优化了CPU与GPU内的线程组织与调度模式，实现了CPU与GPU间的负载均衡与高效并行的兼得。
-
公开(公告)号：CN114911787B
公开(公告)日：2023-10-27
申请号：CN202210613379.8
申请日：2022-05-31
Applicant: 南京大学
IPC: G06F16/215 , G06F40/216 , G06F40/289
Abstract: 本发明涉及一种融合位置和语义约束的多源POI数据清洗方法，属于数据处理技术领域。该方法执行如下步骤：步骤1，对收集到的多源POI数据进行GeoHash转换；步骤2，对转换后的字符串进行邻近点查询；步骤3，对步骤2中存在邻近点的窗口进行冗余处理；步骤4，构建分词方案；步骤5，对步骤4处理后的数据进行冗余处理；步骤6，基于步骤5重新构建的分词方案的词频统计完成POI数据重匹配。该方法能更加准确高效地完成数据清洗工作，清洗结果更加优秀，更切合实际且行之有效。
-
公开(公告)号：CN115100394A
公开(公告)日：2022-09-23
申请号：CN202210729862.2
申请日：2022-06-24
Applicant: 南京大学
IPC: G06V10/25 , G06V10/764 , G06V20/10 , G06V20/70
Abstract: 本发明涉及一种基于兴趣点Voronoi图的城市街区功能识别方法，属于数据处理技术领域。该方法执行如下步骤：对城市街区内部的兴趣点数据按类别进行分类；创建规则格网将城市街区划分为若干格网单元；对每个格网单元内的兴趣点数据进行聚合，得到兴趣点聚合点数据；基于兴趣点聚合点数据创建Voronoi图，得到每个兴趣点聚合点数据对应的Voronoi多边形；计算城市街区内每个Voronoi多边形的面积，将Voronoi多边形的面积与城市街区的面积之比作为对应的兴趣点聚合点数据的权重，从而实现对城市街区的功能识别。本发明能够凸显密度低但能够表征城市街区主导功能的兴趣点数据重要性，从而有助于提高基于兴趣点数据的城市街区功能区识别的准确率。
-
公开(公告)号：CN115049265A
公开(公告)日：2022-09-13
申请号：CN202210694675.5
申请日：2022-06-20
Applicant: 南京大学
Abstract: 本发明公开了TOPSIS引导城市居住小区宜居度神经网络评价方法，该方法包括以下步骤：S1、选取合适因素因子，构建城市居住小区宜居度评价指标体系；S2、根据熵值法确定各要素权重，并使用TOPSIS方法初步评价城市居住小区宜居度评分及排序；S3、根据城市居住小区宜居度评分排序，选择排名前n%、后n%的首尾两部分小区；S4、以前n%小区的宜居度值域范围为高宜居度值域，以后n%小区的宜居度值域范围为低宜居度值域；S5、利用样本训练神经网络模型。本发明利用TOPSIS得到宜居度高、宜居度低两种类别的城市居住小区样本，一定程度上克服了现有评价方法因子权重确定较为主观的问题。
-
公开(公告)号：CN114911787A
公开(公告)日：2022-08-16
申请号：CN202210613379.8
申请日：2022-05-31
Applicant: 南京大学
IPC: G06F16/215 , G06F40/216 , G06F40/289
Abstract: 本发明涉及一种融合位置和语义约束的多源POI数据清洗方法，属于数据处理技术领域。该方法执行如下步骤：步骤1，对收集到的多源POI数据进行GeoHash转换；步骤2，对转换后的字符串进行邻近点查询；步骤3，对步骤2中存在邻近点的窗口进行冗余处理；步骤4，构建分词方案；步骤5，对步骤4处理后的数据进行冗余处理；步骤6，基于步骤5重新构建的分词方案的词频统计完成POI数据重匹配。该方法能更加准确高效地完成数据清洗工作，清洗结果更加优秀，更切合实际且行之有效。
-
Patent Agency Ranking
-
-
公开(公告)号：CN111259961A
公开(公告)日：2020-06-09
申请号：CN202010050545.9
申请日：2020-01-17
Applicant: 南京大学
Abstract: 本发明涉及一种基于主动学习的面向对象分类方法,所述方法提供了一种评估分割对象混合程度的新指标——明确度，能够将分割对象划分为“明确对象”和“不确定对象”。通过评估不确定对象（混合对象）对分类的影响并结合主动学习技术的优势，确定训练样本中20%的明确对象和80%的不确定对象的分配比例，是最佳比例，继而得到一个高效的主动学习采样策略，最终获得稳定优异的训练样本对象集。本发明克服了由于OBIA分割技术的限制，分割结果出现大量混合对象，而导致的分类表现不佳、不稳定的问题。
-
公开(公告)号：CN110598513A
公开(公告)日：2019-12-20
申请号：CN201910437849.8
申请日：2019-05-24
Applicant: 南京大学
Abstract: 本发明涉及一种基于SLEUTH模型的城市开发边界预测方法，包括以下步骤：步骤一、分别获取城市中心城区范围的历史与现状的遥感影像，从每一幅遥感影像中提取IBI指数来构建相应的IBI影像，所述IBI指数由用于反映水体信息的MNDWI指数、用于反映建筑用地信息的NDBI指数以及用于反映植被信息的SAVI或NDVI指数构成；步骤二、采用SLEUTH模型，通过所有的IBI影像进行城市建设用地扩张模拟，在扩张阶段设置预设的严格排除图层作为禁止建设边界。同时，本发明本还通过剔除低承载力区域，并与规划政策以及国土空间管控政策相衔接，对预测的开发边界进行修正。本发明能够科学预测城镇发展极限规模及其扩展方向，并能够衔接相关规划和其他国土控制线。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.025 seconds)
