-
公开(公告)号：CN117333671A
公开(公告)日：2024-01-02
申请号：CN202311342481.X
申请日：2023-10-17
Applicant: 中南大学
IPC: G06V10/26 , G06V20/70 , G06V20/13 , G06V10/82 , G06V10/774 , G06V10/764
Abstract: 本公开实施例中提供了一种遥感影像语义分割增量学习方法，属于数据处理技术领域，具体包括：依照模型的学习场景与更新过程划分数据集中的样本；依据其度量方式计算新样本的信息量；设计低置信样本优先学习策略构建新新样本学习序列，利用学习比率因子确定新样本的优先学习范围；依据其度量方式计算旧样本的信息量；设计低精度样本优先回放策略构建新旧样本回放序列，利用回放比率因子确定旧样本的优先回放范围；标注优先学习的富信息新样本，合并优先学习的新样本和优先回放的旧样本；使用富信息样本训练分割模型，完成训练后更新模型参数，得到目标模型；评价目标模型是否满足预设条件。通过本公开的方案，提高了学习效率、精准度和适应性。
-
公开(公告)号：CN109754605B
公开(公告)日：2021-12-07
申请号：CN201910146627.0
申请日：2019-02-27
Applicant: 中南大学
Abstract: 本发明属于智能交通领域，公开了一种基于注意力时态图卷积网络的交通预测方法，首先，将城市道路网络建模为图结构，图的节点表示路段，边为路段之间的连接关系，将每条路段的时间序列描述为节点的属性特征；其次，利用注意力时态图卷积网络模型捕捉交交通流的时间和空间特征，利用门控循环单元学习城市道路上交通流的时间变化趋势以捕捉时间依赖性，利用注意力机制学习交通流全局时间变化趋势；然后，利用全连接层获取每条路段上不同时刻的交通流状态；最后，利用不同的评价指标估计城市道路上交通流真实值与预测值得差异，以评估模型的预测能力。实验证明，本发明提出的方法能够有效实现城市道路上的交通流预测任务。
-
公开(公告)号：CN112216108B
公开(公告)日：2021-06-29
申请号：CN202011082028.6
申请日：2020-10-12
Applicant: 中南大学
Abstract: 本发明公开了一种基于属性增强的时空图卷积模型的交通预测方法，包括以下步骤：基于路网数据构建邻接矩阵A；基于特征矩阵X、兴趣点信息向量p和天气信息矩阵B构建t时刻的属性增强矩阵Kt＝[Xt,p,Bt]；将历史n个时刻的属性增强矩阵，以及道路网络的邻接矩阵输入时空图卷积模型学习训练，计算交通流隐藏状态，获得交通预测值。本发明方法在使用时空图卷积模型建模时空间特征的基础上，融合多源碎片化的城市数据来捕捉影响交通的外部因素与交通流的关系，增强时空图卷积模型对外部影响因素的感知，进而实现更加高效精准的交通预测。
-
Patent Agency Ranking
公开(公告)号：CN113254474A
公开(公告)日：2021-08-13
申请号：CN202110399932.8
申请日：2021-04-14
Applicant: 中南大学
IPC: G06F16/245 , G06F16/29 , G06F16/22
Abstract: 本发明公开了大数据驱动的物质文化遗产时空特征分析方法，包括步骤：获取公开的馆藏文物名录数据；计算文物数据的连续性与间断性；利用标准差椭圆方法分析文物类别在不同朝代空间分布的重心迁移方向；以文物数据的属性构建节点向量，计算节点向量之间的余弦相似性；以朝代首都所在地域为出发节点，其他所有朝代地域分布的地区为终止节点，构建首都与地区的连接关系，计算地区出发节点的重要性。本发明通过连续性和间断性判别公式准确判断文物的生命周期间断性与连续性；用向量余弦相似度度量文物朝代之间的相似性，并通过文物在空间分布中的重心及标准差椭圆准确分析文物的迁移性，用PageRank算法可分析出文物的聚集性。
-
公开(公告)号：CN113159122B
公开(公告)日：2022-03-15
申请号：CN202110280016.2
申请日：2021-03-16
Applicant: 重庆市地理信息和遥感应用中心 , 中南大学
IPC: G06K9/62 , G06V10/764 , G06V10/774 , G06V10/74 , G06V10/762
Abstract: 本发明公开了基于社交媒体图像数据的城市风貌分析方法，方法包括：获取社交媒体图像数据；对数据集的样本进行分类和去除噪声；使用卷积神经网络进行风貌学习；对样本不平衡问题进行处理；进行迁移学习；对风貌特征进行聚类；计算城市间的风貌距离；分析城市间的风貌相似性及城市的细粒度风貌。本发明将城市风貌编码为一组向量；解决了社交媒体图像分布的不均衡问题；利用城市风貌向量定义了城市风貌距离，使用该距离能分析出不同城市如何表象出风貌相似和风貌相近的，能分析出风貌距离和地理距离的相关性；使用城市风貌向量为嵌入向量的聚类方法，能够更细致地发现城市细粒度风貌。
-
公开(公告)号：CN113159122A
公开(公告)日：2021-07-23
申请号：CN202110280016.2
申请日：2021-03-16
Applicant: 重庆市地理信息和遥感应用中心 , 中南大学
IPC: G06K9/62
Abstract: 本发明公开了基于社交媒体图像数据的城市风貌分析方法，方法包括：获取社交媒体图像数据；对数据集的样本进行分类和去除噪声；使用卷积神经网络进行风貌学习；对样本不平衡问题进行处理；进行迁移学习；对风貌特征进行聚类；计算城市间的风貌距离；分析城市间的风貌相似性及城市的细粒度风貌。本发明将城市风貌编码为一组向量；解决了社交媒体图像分布的不均衡问题；利用城市风貌向量定义了城市风貌距离，使用该距离能分析出不同城市如何表象出风貌相似和风貌相近的，能分析出风貌距离和地理距离的相关性；使用城市风貌向量为嵌入向量的聚类方法，能够更细致地发现城市细粒度风貌。
-
公开(公告)号：CN112216108A
公开(公告)日：2021-01-12
申请号：CN202011082028.6
申请日：2020-10-12
Applicant: 中南大学
Abstract: 本发明公开了一种基于属性增强的时空图卷积模型的交通预测方法，包括以下步骤：基于路网数据构建邻接矩阵A；基于特征矩阵X、兴趣点信息向量p和天气信息矩阵B构建t时刻的属性增强矩阵Kt＝[Xt,p,Bt]；将历史n个时刻的属性增强矩阵，以及道路网络的邻接矩阵输入时空图卷积模型学习训练，计算交通流隐藏状态，获得交通预测值。本发明方法在使用时空图卷积模型建模时空间特征的基础上，融合多源碎片化的城市数据来捕捉影响交通的外部因素与交通流的关系，增强时空图卷积模型对外部影响因素的感知，进而实现更加高效精准的交通预测。
-
公开(公告)号：CN109754605A
公开(公告)日：2019-05-14
申请号：CN201910146627.0
申请日：2019-02-27
Applicant: 中南大学
Abstract: 本发明属于智能交通领域，公开了一种基于注意力时态图卷积网络的交通预测方法，首先，将城市道路网络建模为图结构，图的节点表示路段，边为路段之间的连接关系，将每条路段的时间序列描述为节点的属性特征；其次，利用注意力时态图卷积网络模型捕捉交交通流的时间和空间特征，利用门控循环单元学习城市道路上交通流的时间变化趋势以捕捉时间依赖性，利用注意力机制学习交通流全局时间变化趋势；然后，利用全连接层获取每条路段上不同时刻的交通流状态；最后，利用不同的评价指标估计城市道路上交通流真实值与预测值得差异，以评估模型的预测能力。实验证明，本发明提出的方法能够有效实现城市道路上的交通流预测任务。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.025 seconds)
