-
公开(公告)号：CN105139093A
公开(公告)日：2015-12-09
申请号：CN201510564457.X
申请日：2015-09-07
申请人： 河海大学
CPC分类号： Y02A10/46
摘要： 本发明公开了一种基于Boosting算法和支持向量机的洪水预报方法，该方法包括如下步骤：运用相关系数法确定预报因子；利用核主成分分析对所述预报因子进行降维处理；利用Boosting算法选取样本建立多个支持向量机预测模型，引入损失函数和相关系数调整样本权重，最后组合为一个总预测模型；利用所述总预测模型对测试样本进行预测。本发明前两个步骤是数据预处理，目的是提取洪水数据中的有用信息，消除冗余信息对预报造成的干扰。第三个步骤将Boosting算法引入到洪水预报中，尽量将前一个模型不能很好学习的样本，抽取出来用于训练下一个模型，这样组合后的模型可以有效提高洪水预报准确率，最后一个步骤用于检验模型效果。实验数据表明本方案能很好地提高预报精度。
-
-
公开(公告)号：CN102254303A
公开(公告)日：2011-11-23
申请号：CN201110157076.1
申请日：2011-06-13
申请人： 河海大学
摘要： 本发明涉及一种遥感图像分割方法，属于遥感图像处理技术领域。本发明根据颜色特征、纹理特征及像素点的位置信息生成的特征向量，作为初始输入向量，利用均值漂移滤波进行遥感图像的分割，并进一步利用构造的聚类有效性指数自适应地确定颜色特征和纹理特征的权重，有效提高了遥感图像分割的精度。本发明还公开了一种采用本发明的遥感图像分割方法的遥感图像检索方法，并进一步采用了一种新的区域表示与匹配方法来完成遥感图像的检索。相比现有技术，本发明具有更好的检索精度，尤其对于小目标区域的检索具有更好的效果。
-
公开(公告)号：CN101853392A
公开(公告)日：2010-10-06
申请号：CN201010152915.6
申请日：2010-04-21
申请人： 河海大学
IPC分类号： G06K9/62
摘要： 本发明提出了一种基于条件互信息的遥感高光谱图像波段选择方法，包括下述步骤：A、打开高光谱遥感图像，人机交互标注待分类的样本；B、分组：根据步骤A得到的待分类样本，利用给定类别条件下各相邻波段之间的条件互信息进行波段分组；C、搜索：利用支持向量机和遗传算法相结合的搜索算法对步骤B得到的分组波段进行搜索计算，找到最优的波段组合；并在此基础上使用自适应分支定界法进行剪枝，通过条件互信息波段分组和自适应分支定界法剪枝的结合使用，避免了因为噪音扰动而出现冗余和噪音分组，减少了波段分组的数量，提高了波段组合的分类准确率。
-
公开(公告)号：CN113225209B
公开(公告)日：2022-03-18
申请号：CN202110423917.2
申请日：2021-04-20
申请人： 河海大学
IPC分类号： H04L41/0631 , H04L9/40
摘要： 本发明公开了一种基于时间序列相似检索的网络监控实时预警方法，通过CUSUM预警算法基于正常流量确定预警阈值，对于存在异常的流量片段，将超出阈值的部分进行初步标记。通过模体发现算法寻找重复出现的异常流量片段。定义一个与序列长度无关的标准化DTW距离，通过比较该距离实现相似片段的延拓，使得用户最终找到的复现片段尽可能涵盖完整的攻击片段或故障片段。通过进一步检索，实现k个模体的发现。对找到的多个相似异常片段基于层次凝聚聚类HAC方法作相似聚类，依据聚类结果归纳片段模式，进而构建片段模式库。当异常片段再次发生时，基于DTW相似度量将实时片段作为查询序列，向模式库发起实时相似检索和匹配，与传统预警机制结合，减少漏报的同时，又为预警片段提供了历史数据参考。
-
公开(公告)号：CN114004153A
公开(公告)日：2022-02-01
申请号：CN202111281334.7
申请日：2021-11-01
申请人： 河海大学
摘要： 本发明公开了一种基于多源数据融合的侵彻深度预测方法，首先，划分对工程算法进行评价的评价区间；在每个评价区间，为每个不同评价区间选择若干较优的工程算法；采用选取的工程算法进行批量样本计算，得到工程计算仿真数据；然后，采用试验数据，建立基于GA‑BP神经网络的无量纲侵彻深度预测模型BP_exp；采用所有的工程计算仿真数据，建立基于GA_BP神经网络的无量纲侵彻深度预测模型BP_cand；最后，采用注意力机制对BP_exp和BP_cand模型输出进行加权融合，最终产生无量纲侵彻深度预测输出。本发明保证了数据具有一定的准确性，同时通过大量工程计算仿真数据避免了实验数据缺少对深度学习模型的影响，产生能够超出已有工程算法准确度的预测模型。
-
公开(公告)号：CN114003636A
公开(公告)日：2022-02-01
申请号：CN202111224437.X
申请日：2021-10-20
申请人： 河海大学
IPC分类号： G06F16/2458 , G06K9/62
摘要： 本发明公开了一种基于变量相关性的多元时间序列相似性搜索方法，首先，对预先获取的多元时间序列进行归一化处理；其次，计算查询序列变量间的皮尔逊相关系数；以皮尔逊相关性为基础，使用OPTICS聚类，将趋势相似的变量聚成一类；然后，提取聚类后每个类的中心序列，使用中心序列代表该类；最后。对所有中心序列进行PAA特征提取，获得多元时间序列的特征表示序列；计算特征表示后的多元时间序列间的DTW距离，找出相似序列。本发明通过变量聚类获取简洁且保留原始数据特征的特征序列，并使用多维DTW计算特征序列间的距离，以提高检索效率及查询准确率。
-
公开(公告)号：CN109359135B
公开(公告)日：2021-11-12
申请号：CN201811024227.4
申请日：2018-09-04
申请人： 河海大学
IPC分类号： G06F16/2458
摘要： 本发明公开了一种基于分段权重的时间序列相似性搜索方法，步骤为：(1)采用时间序列重要转折点对查询序q进行分段；(2)建立带权重的分段欧式距离作为时间序列相似度量；(3)对q进行k‑近邻相似查询，检索查询序列q的k个最相似的序列；(4)如果用户对步骤(3)得出的查询结果满意，则查询结束；若用户对步骤(3)得出的查询结果不满意，则对结果进行标记并进入步骤(5)；(5)系统利用用户标记的序列对分段的权重进行更新，并返回步骤(2)。本发明通过用户反馈进行权重自动更新，自适应地学习用户对不同段的关注程度，能够提高相似性度量的准确度，进而优化搜索结果。
-
公开(公告)号：CN109299812B
公开(公告)日：2021-09-24
申请号：CN201810965625.X
申请日：2018-08-23
申请人： 河海大学
摘要： 本发明公开了一种基于深度学习模型和KNN实时校正的洪水预测方法，步骤为：1、对历史洪水过程数据进行归一化处理；2、对归一化后的历史洪水过程数据序列进行分析；3、利用滑动窗口从历史场次洪水数据中建立预测模型的输入和输出值，建立预测模型数据集TRSet1；4、建立基于深度学习的预测模型CNNFM；5、建立实时误差校正模型训练数据集TRSet2；6、建立基于加权K近邻的实时误差校正模型KNNCM；7、进行预测，利用模型CNNFM对实时数据进行预测，利用实时误差校正模型KNNCM结合训练数据TRSet2进行校正，获得最终的预测值。本发明通过卷积神经网络自动提取数据特征的特点对训练数据进行建模，并通过加权k近邻误差校正模型进行校正以提高模型预测的准确率。
-
公开(公告)号：CN113225209A
公开(公告)日：2021-08-06
申请号：CN202110423917.2
申请日：2021-04-20
申请人： 河海大学
摘要： 本发明公开了一种基于时间序列相似检索的网络监控实时预警方法，通过CUSUM预警算法基于正常流量确定预警阈值，对于存在异常的流量片段，将超出阈值的部分进行初步标记。通过模体发现算法寻找重复出现的异常流量片段。定义一个与序列长度无关的标准化DTW距离，通过比较该距离实现相似片段的延拓，使得用户最终找到的复现片段尽可能涵盖完整的攻击片段或故障片段。通过进一步检索，实现k个模体的发现。对找到的多个相似异常片段基于层次凝聚聚类HAC方法作相似聚类，依据聚类结果归纳片段模式，进而构建片段模式库。当异常片段再次发生时，基于DTW相似度量将实时片段作为查询序列，向模式库发起实时相似检索和匹配，与传统预警机制结合，减少漏报的同时，又为预警片段提供了历史数据参考。
-
-
-
-
-
-
-
-
-
搜索结果
83 条记录 (耗时 0.028 秒)
