-
Patent Agency Ranking
公开(公告)号：CN113361350B
公开(公告)日：2024-11-12
申请号：CN202110573953.7
申请日：2021-05-25
Applicant: 东南大学
Abstract: 本发明公开了一种地表生境因子量化解析方法，属于数字景观场地勘探领域。该方法通过高光谱分辨率数据、高空间分辨率数据与高时间分辨率数据的结合，提高了生境因子解析数据采集效率、数据维度与解析精度；降低了以往解析中存在的椒盐现象，实现了生境因子对象的多维度数据整体分析；通过对生境因子多维数据集对象主成分分析法降维，剔除了生境因子对象低关联度参数，降低了解析需要的参数维度，提高了高分辨率遥感影像解析速度与效率，形成了生境因子低维高置信样本库运用极大似然法半监督分类进行生境因子高置信样本库迭代机器学习，降低了生境因子参数相互干扰，提高了复合参数条件下多种生境因子解析的准确性与解析效率。
-
公开(公告)号：CN114118097A
公开(公告)日：2022-03-01
申请号：CN202111437122.3
申请日：2021-11-29
Applicant: 东南大学
Abstract: 本发明公开一种城市公共空间的在线评论情感评价方法及系统，所述城市公共空间在线评论情感评价方法包括以下步骤：对城市公共空间用户在线评论数据进行抓取采集，去除与公共空间使用无关评论数据，完成对城市公共空间在线评论数据预处理；建立情感感知语料数据库和情感词典，两者相互校验构建训练语料数据库；综合应用预设算法和训练语料数据库构建情感评分模型；应用情感评分模型评价所有预处理数据，输出评价结果；所述评价系统包括：预处理模块、语料库构造模块、算法模块、校验反馈模块。本发明评价方法借助大数据语义深度学习，突破传统线下数据源的限制，做到高效化、精准化及层次化，客观地反映评价者对公共空间评价对象的情感倾向和程度。
-
公开(公告)号：CN115098683B
公开(公告)日：2024-07-16
申请号：CN202210792933.3
申请日：2022-07-05
Applicant: 东南大学
Abstract: 本发明公开了基于机器学习的城市绿地情绪影响因子甄别与调控方法，属于城乡规划、风景园林、环境心理学及环境行为学技术领域，以在线评论数据为样本，样本量大、覆盖面广、具有精准的时空属性，采集方法更为快捷、经济、高效；运用机器学习方法分析在线评论数据，避免由于人工判别所带来的“感性误差”，减少主观、人为因素；运用LDA模型文本挖掘技术提取潜在城市绿地情绪影响因子，便于突破了传统理论框架约束，避免遗漏未知情绪影响因子；能够结合不同地域的时空环境特点，针对性探索和提取城市绿地情绪影响因子，制定调控策略。
-
公开(公告)号：CN115098683A
公开(公告)日：2022-09-23
申请号：CN202210792933.3
申请日：2022-07-05
Applicant: 东南大学
Abstract: 本发明公开了基于机器学习的城市绿地情绪影响因子甄别与调控方法，属于城乡规划、风景园林、环境心理学及环境行为学技术领域，以在线评论数据为样本，样本量大、覆盖面广、具有精准的时空属性，采集方法更为快捷、经济、高效；运用机器学习方法分析在线评论数据，避免由于人工判别所带来的“感性误差”，减少主观、人为因素；运用LDA模型文本挖掘技术提取潜在城市绿地情绪影响因子，便于突破了传统理论框架约束，避免遗漏未知情绪影响因子；能够结合不同地域的时空环境特点，针对性探索和提取城市绿地情绪影响因子，制定调控策略。
-
公开(公告)号：CN113361350A
公开(公告)日：2021-09-07
申请号：CN202110573953.7
申请日：2021-05-25
Applicant: 东南大学
Abstract: 本发明公开了一种地表生境因子量化解析方法，属于数字景观场地勘探领域。该方法通过高光谱分辨率数据、高空间分辨率数据与高时间分辨率数据的结合，提高了生境因子解析数据采集效率、数据维度与解析精度；降低了以往解析中存在的椒盐现象，实现了生境因子对象的多维度数据整体分析；通过对生境因子多维数据集对象主成分分析法降维，剔除了生境因子对象低关联度参数，降低了解析需要的参数维度，提高了高分辨率遥感影像解析速度与效率，形成了生境因子低维高置信样本库运用极大似然法半监督分类进行生境因子高置信样本库迭代机器学习，降低了生境因子参数相互干扰，提高了复合参数条件下多种生境因子解析的准确性与解析效率。
-
-
-
-
Search Results
5
records
(took 0.03 seconds)
