-
公开(公告)号：CN110058812B
公开(公告)日：2022-11-22
申请号：CN201910174765.X
申请日：2019-03-08
Applicant: 中国农业科学院农业信息研究所 , 北京工业大学
IPC: G06F16/906 , G06F16/901 , G06K9/62
Abstract: 本发明设计了一种云环境下科学工作流数据放置方法，针对科学工作流数据密集及数据规模大的特征，首先根据工作流的数据和任务之间的关系，对数据进行预划分；然后把预划分的数据作为聚类的初始状态，结合数据规模及数据‑任务相关性特征，进行数据的聚类；最后结合数据中心可用存储容量的情况进行数据放置的决策和实施。实验证明本发明方法可以有效减少数据中心间的数据传输开销，提高数据放置的效率。
-
公开(公告)号：CN110058812A
公开(公告)日：2019-07-26
申请号：CN201910174765.X
申请日：2019-03-08
Applicant: 中国农业科学院农业信息研究所 , 北京工业大学
Abstract: 本发明设计了一种云环境下科学工作流数据放置方法，针对科学工作流数据密集及数据规模大的特征，首先根据工作流的数据和任务之间的关系，对数据进行预划分；然后把预划分的数据作为聚类的初始状态，结合数据规模及数据-任务相关性特征，进行数据的聚类；最后结合数据中心可用存储容量的情况进行数据放置的决策和实施。实验证明本发明方法可以有效减少数据中心间的数据传输开销，提高数据放置的效率。
-
公开(公告)号：CN110018997B
公开(公告)日：2021-07-23
申请号：CN201910175055.9
申请日：2019-03-08
Applicant: 中国农业科学院农业信息研究所 , 北京工业大学
IPC: G06F16/11 , G06F16/17 , G06F16/182
Abstract: 一种基于HDFS的海量小文件存储优化方法，属于存储性能优化领域，包括：初始化、文件访问状况分析、小文件分类暂存、小文件合并存储及回溯。方法针对文件的历史访问日志信息，对文件访问状况进行分析，计算文件之间的相关度，形成文件关联性映射集。根据所形成的文件关联性映射集，对小文件进行分类暂存，将相关度高的小文件暂存在一起，同时考虑了小文件的大小分布。最终对暂存的小文件进行合并存储，将小文件的原件及副本进行删除，将合并形成的大文件存储到HDFS当中。方法将原本存储于HDFS中的海量小文件通过合并的方式进行重存储，充分考虑了小文件的相关性和小文件的大小分布，有效地降低了名称结点的内存开销，提高了HDFS对小文件的存取效率。
-
公开(公告)号：CN110018997A
公开(公告)日：2019-07-16
申请号：CN201910175055.9
申请日：2019-03-08
Applicant: 中国农业科学院农业信息研究所 , 北京工业大学
IPC: G06F16/11 , G06F16/17 , G06F16/182
Abstract: 一种基于HDFS的海量小文件存储优化方法，属于存储性能优化领域，包括：初始化、文件访问状况分析、小文件分类暂存、小文件合并存储及回溯。方法针对文件的历史访问日志信息，对文件访问状况进行分析，计算文件之间的相关度，形成文件关联性映射集。根据所形成的文件关联性映射集，对小文件进行分类暂存，将相关度高的小文件暂存在一起，同时考虑了小文件的大小分布。最终对暂存的小文件进行合并存储，将小文件的原件及副本进行删除，将合并形成的大文件存储到HDFS当中。方法将原本存储于HDFS中的海量小文件通过合并的方式进行重存储，充分考虑了小文件的相关性和小文件的大小分布，有效地降低了名称结点的内存开销，提高了HDFS对小文件的存取效率。
-
公开(公告)号：CN119851155A
公开(公告)日：2025-04-18
申请号：CN202411946107.5
申请日：2024-12-27
Applicant: 中国农业科学院农业信息研究所
IPC: G06V20/13 , G06V10/26 , G06V10/774 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06Q10/0639 , G06Q40/08 , G06Q50/02 , G06Q50/26
Abstract: 本发明公开了一种作物洪涝受灾大面积定量评估方法及系统，包括获取洪涝灾害数据和SAR时序遥感数据，基于深度学习图像语义分割模型根据SAR遥感影像获取洪涝灾害淹没的空间范围，基于地形地貌和河道水位观测数据，使用淹没深度模型估算DEM像元尺度的洪涝淹没深度；结合SAR时序遥感数据识别的洪涝灾害区域与地面观测的降水量以及河道水位变化；计算作物洪涝淹没范围、淹没时长、淹没深度核心评估指标，将洪涝灾害事件与作物期关联，以淹涝胁迫敏感性作为来构建洪涝危害程度方程。本发明融合了研究区当地的作物特性，将洪涝灾害事件与作物期关联，以淹涝胁迫敏感性作为参数之一来构建洪涝危害程度方程，实现洪涝危害程度的定量化计算。
-
Patent Agency Ranking
公开(公告)号：CN119722121A
公开(公告)日：2025-03-28
申请号：CN202411784290.3
申请日：2024-12-06
Applicant: 北京市数字农业农村促进中心 , 中国农业科学院农业信息研究所
IPC: G06Q30/0201 , G06Q30/0202 , G06Q10/0639 , G06Q50/02
Abstract: 本发明公开了一种特色农产品价格预测模型的构建方法，涉及数据预测技术领域，包括：获取特色农产品数据源，标记为各目标数据源，采集各目标数据源的元数据，并获取农产品价格预测数据，所述元数据包括数据源有效性数据和数据源安全性数据；根据农产品价格预测数据处理得到农产品数据源质量指标，根据农产品数据源质量指标对预设的初始数据源质量评估指数阈值进行修正，得到参照数据源质量评估指数阈值；基于农产品价格预测数据、数据源安全性数据和数据源有效性数据进行分析，建立农产品数据源评估模型，处理得到各目标数据源质量评估指数；将各目标数据源质量评估指数与参照数据源质量评估指数阈值进行比对，筛选得到各合格数据源并进行反馈。
-
公开(公告)号：CN118427779B
公开(公告)日：2025-01-03
申请号：CN202410510161.9
申请日：2024-04-26
Applicant: 中国农业科学院农业信息研究所
IPC: G06F18/27 , G06F18/213 , G06F18/10 , G06F18/23213
Abstract: 本发明公开了一种基于大数据的品牌数据智能识别诊断方法及系统，包括获取品牌数据和品牌历史数据，对所述品牌数据进行预处理；对所述品牌数据进行多种类别的特征提取获得特征数据，对所述特征数据进行聚类分析获取诊断数据，对所述特征数据进行相关性分析获取评估数据；构建计算模型，根据所述品牌历史数据训练并测试模型，将所述诊断数据输入所述计算模型获得诊断结果，将所述评估数据输入所述计算模型获得评估结果；将所述诊断结果和所述评估结果结合分析，获得分析结果并输出。该方法不仅可以提高基于大数据的品牌数据智能识别诊断方法的精度，同时具有较好的可解释性，可以直接应用于大数据的品牌数据智能识别诊断系统中。
-
公开(公告)号：CN118628925A
公开(公告)日：2024-09-10
申请号：CN202410705819.1
申请日：2024-06-03
Applicant: 中国农业科学院农业信息研究所
IPC: G06V20/13 , G06V10/62 , G06V10/82 , G06N3/0442 , G06N3/0455
Abstract: 本发明公开了一种基于LSTM自编码器的耕地闲置识别方法，包括采集预设区域的时序数据，对所述时序数据进行预处理，对所述时序多光谱遥感图像进行逐月聚合并取中值获得时间段聚合时序HLS影像，对所述时序遥感影像进行逐月聚合并取低值获得时间段聚合时序SAR影像，根据所述时间段聚合时序HLS影像所述耕地特征，将土地覆被分成三种模式，根据所述三种模式分别构建LSTM自编码器模型，优化所述LSTM自编码器模型，将闲置耕地的所述植被指数输入LSTM自编码器模型确定残差分布阈值，将待识别数据输入LSTM自编码器模型，输出识别结果。该方法不仅可以提高基于LSTM自编码器的耕地闲置识别的精度，同时具有较好的可解释性，可以直接应用于耕地闲置识别系统中。
-
公开(公告)号：CN111488924B
公开(公告)日：2024-04-26
申请号：CN202010265442.4
申请日：2020-04-07
Applicant: 中国农业科学院农业信息研究所
IPC: G06F18/23213 , G06N3/0455 , G06N3/0442 , G06N3/088 , G06F123/02
Abstract: 本发明公开了一种多变量时间序列数据聚类方法，包括对多变量时间序列数据进行归一化预处理；构建深度学习无监督学习模型稀疏自编码器，对多变量时间序列数据进行特征提取以构建新特征序列；获取样本数据新特征序列的聚类K值；基于欧式距离计算不同样本数据新特征序列之间的距离；对样本数据的新特征序列集进行聚类；根据聚类结果分析多变量时间序列数据的潜在模式。本发明通过稀疏自编码器模型和聚类方法，提高处理大规模数据的效率，并构建稀疏自编码器模型以提高模型对多变量时间序列数据提取新特征序列的性能，同时根据欧式距离构建了多变量距离计算模型以实现对多变量时间序列数据的聚类。
-
公开(公告)号：CN112836725A
公开(公告)日：2021-05-25
申请号：CN202110032036.8
申请日：2021-01-11
Applicant: 中国农业科学院农业信息研究所
Abstract: 本发明公开了一种基于时序多光谱及微波遥感数据的弱监督LSTM循环神经网络稻田识别方，发明基于地面实测数据构建SAR标准时序曲线，并对SAR时序遥感数据进行DTW距离计算，依据DTW距离进行样本标注，构建高置信度的弱标签样本集，融合多光谱及SAR输入特征，基于LSTM的深度学习分类器采用弱标签样本加实测样本的训练集对分类器进行训练后提取预测结果中的水稻分类作为最终稻田识别结果。该方法可以用于像素级别的稻田识别预测，通过SAR曲线的DTW距离可标注获得高置信度的训练数据，减少对地面采样数据的依赖，可有效降低地面采样成本。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.086 seconds)
