-
公开(公告)号：CN116503552A
公开(公告)日：2023-07-28
申请号：CN202310404149.5
申请日：2023-04-14
申请人： 中国地质大学(武汉)
IPC分类号： G06T17/00 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0455 , G06N3/0464
摘要： 本发明提供了一种基于多尺度特征融合的由粗到精点云形状补全方法，包括：第1阶段，生成点云骨架：从残缺点云X中提取全局特征通过多层感知机补全出一个粗糙的点云Ycoarse，将其作为完整点云的骨架；第2阶段，精炼几何特征：利用完整点云的骨架Ycoarse和残缺点云X学习到多尺度局部几何特征融合全局特征和局部几何特征将融合之后的特征逐步进行上采样并通过多层感知机生成精细的完整点云Y′。本发明的有益效果是：有效利用不同特征的优势，提高了点云补全神经网络的精度；基于深度学习图卷积神经网络，提高了点云补全结果的精度。
-
公开(公告)号：CN111275253B
公开(公告)日：2022-09-20
申请号：CN202010045809.1
申请日：2020-01-15
申请人： 中国地质大学(武汉)
摘要： 本发明公开了一种融合深度学习和误差校正的径流概率性预测方法及系统，本发明提供的基于深度学习和高斯混合模型的径流概率性预测方法，能提供相比传统机器学习更高的径流预测精度。本发明提供的基于深度学习和高斯混合模型的径流概率性预测方法，能在深度学习基础上，提供概率性的预测结果。
-
公开(公告)号：CN111311026A
公开(公告)日：2020-06-19
申请号：CN202010198248.9
申请日：2020-03-19
申请人： 中国地质大学(武汉)
摘要： 本发明提供一种顾及数据特征、模型和校正的径流非线性预测方法，采用前向-后向特征选择算法，选择人工神经网络作为驱动模型，优选影响因子；采用季节与趋势分解法将非线性和非平稳的优选影响因子和历史月平均径流序列分解为平稳的季节项、高频项和随机扰动项；采用非线性人工神经网络建立预测模型；最后构建自回归预测校正模型对人工神经网络预测结果进一步修正，获得最终预测结果。本发明的有益效果：与已有的月径流预测方法相比，提出的框架更加系统、全面，特别是数据前处理和后处理技术的使用，能有效提升预测精度；对水库运行优化，水资源优化管理等有重要意义，适合推广。
-
公开(公告)号：CN111275253A
公开(公告)日：2020-06-12
申请号：CN202010045809.1
申请日：2020-01-15
申请人： 中国地质大学(武汉)
摘要： 本发明公开了一种融合深度学习和误差校正的径流概率性预测方法及系统，本发明提供的基于深度学习和高斯混合模型的径流概率性预测方法，能提供相比传统机器学习更高的径流预测精度。本发明提供的基于深度学习和高斯混合模型的径流概率性预测方法，能在深度学习基础上，提供概率性的预测结果。
-
公开(公告)号：CN107784081A
公开(公告)日：2018-03-09
申请号：CN201710899723.3
申请日：2017-09-28
申请人： 中国地质大学(武汉)
CPC分类号： G06F17/30241 , G06T11/206
摘要： 本发明提供了一种流域图智能生成的方法、设备及存储设备，所述方法包括步骤：提取数据库中存储的初始最小流域中的现有河段信息和最小流域图信息，并用类存储所述河段信息和最小流域图信息；在河段信息的类中增加遍历标记用于判断河段是否被遍历；在最小流域图信息类中增加流域等级标记和流域名称标记用于标记流域等级和名称；用河段信息构建存储所有河段的字典数据结构便于搜索所述河段；合并所有河段形成河流；设定筛选阈值将河流区分河流；根据阈值筛选后的河流情况确定所有河流的等级；根据河流等级确定流域等级并生成流域图。一种流域图智能生成设备及存储设备，用来实现一种流域图智能生成的方法。本发明提高了工作效率，降低了人工成本。
-
公开(公告)号：CN105786760A
公开(公告)日：2016-07-20
申请号：CN201610119561.2
申请日：2016-03-02
申请人： 中国地质大学(武汉)
摘要： 本发明提供了一种基于稀疏块状矩阵压缩存储结构的预条件共轭梯度区域网平差方法，采用一种大规模稀疏矩阵压缩存储算法，对大数据区域网平差中产生的大规模法方程进行压缩存储和运算，有效减少对内存的需求，同时针对压缩矩阵的求逆问题，引入预条件共轭梯度法迭代求解法方程，避免了对压缩矩阵的直接求逆，克服了传统区域网平差中对于大规模法方程的存储和运算难题，提高了数据处理容量和效率。本发明特别适用于中大型测区(500到10000张影像)数据的区域网平差。
-
公开(公告)号：CN116337103A
公开(公告)日：2023-06-27
申请号：CN202310551769.1
申请日：2023-05-17
申请人： 中国地质大学(武汉)
IPC分类号： G01C21/34
摘要： 本发明提供了一种基于区域分类的分层泛在导航方法、装置及计算机设备，涉及导航技术领域，所述方法包括：获取以路网数据为基础的预设区域分类模型，所述预设区域分类模型包括以矢量路网道路数据为基础的第一区域、以简单轨迹的道路数据为基础的第二区域和以栅格或六边形切分格网的道路数据为基础的第三区域；获取当前路网数据；根据所述当前路网数据和所述预设区域分类模型对当前路网进行区域分类，得到区域分类结果；根据所述区域分类结果获取所述预设区域分类模型中的区域路网数据信息；根据所述路网数据信息对处于所述当前路网下的车辆进行路径规划。本发明能够为三种数据类型的矢量路网提供标准的路径导航，且导航结果准确、高效。
-
公开(公告)号：CN111860974A
公开(公告)日：2020-10-30
申请号：CN202010613418.5
申请日：2020-06-30
申请人： 中国地质大学(武汉)
摘要： 本发明提供了一种基于状态空间和联合分布的干旱多级预测方法，包括：首先提取干旱指数SPI时间序列，利用一阶状态空间模型解译干旱指数SPI时间序列的状态转移矩阵，并计算待预测时段的干旱状态概率矩阵；然后提取待预测时段前一时段的相关因子，构建每种干旱状态下的相关因子和干旱指数SPI时间序列的联合概率分布，推求相关因子给定情况下的干旱指数的条件概率模型；最后，计算待预测区域在待预测时段T的干旱指数的全状态分布；基于所述干旱指数的全状态分布，计算得到干旱指数的均值和90％概率区间。本发明的有益效果是：状态空间方法能反映干旱不确定性本质；通过多重预测和分类别引入影响因子能提高干旱预测的精度；过程考虑更加全面和精细化。
-
公开(公告)号：CN105808930A
公开(公告)日：2016-07-27
申请号：CN201610119607.0
申请日：2016-03-02
申请人： 中国地质大学(武汉)
IPC分类号： G06F19/00
CPC分类号： G06F19/00
摘要： 本发明公开了一种基于服务器集群网络的预条件共轭梯度区域网平差方法及服务器集群网络，在传统的区域网平差流程中引入了预条件共轭梯度法求解大规模法方程，避免了对法方程的存储以及直接求逆运算，并使得区域网平差流程适用于并行化设计方案，同时采用服务器集群网络并行计算框架，将超大规模测区数据的平差任务分解成若干个子任务，交由不同的计算节点进行计算，通过多机协同并行处理，最终汇总得到完整的区域网平差结果。本发明特别适用于超大规模测区(10万张影像以上，如全省、全国乃至全球作为一整个测区)的区域网平差计算。
-
公开(公告)号：CN118887372A
公开(公告)日：2024-11-01
申请号：CN202411074960.2
申请日：2024-08-07
申请人： 中国地质大学(武汉)
摘要： 本申请提供了一种基于高精度因子图优化的大场景点云地图融合方法及系统，涉及点云地图领域，方法包括：获取不同建图算法输出的历史点云地图并进行处理，构建三维世界地图、历史点云特征数据库以及历史点云地图数据库；获取待合并点云地图并进行处理，得到待合并点云地图的分段点云地图块序列以及位姿点序列；根据待合并点云地图的位姿点序列以及历史点云地图数据库，确定重叠点云片段序列；通过历史点云特征数据库以及重叠点云片段序列，将待合并点云地图融合至三维世界地图中，完成待合并点云地图的融合。本申请的技术方案在全局统一坐标框架下实现了点云地图的扩展和动态更新。
-
-
-
-
-
-
-
-
-
搜索结果
17 条记录 (耗时 0.028 秒)
