-
公开(公告)号：CN105023071A
公开(公告)日：2015-11-04
申请号：CN201510500644.1
申请日：2015-08-14
申请人： 中国科学院重庆绿色智能技术研究院
CPC分类号： Y02A20/16
摘要： 本发明涉及一种基于高斯云变换和模糊时间序列的水质预测方法，属于人工智能、水环境监测技术领域。该方法主要包括以下步骤：步骤1)通过高斯云变换将水质参数的历史观测值离散化到不同的粒度层次；步骤2)计算水质参数历史数据近似周期长度；步骤3)根据近似周期长度构建训练集；步骤4)运用模糊时间序列模型计算预测值。本发明提供的一种基于高斯云变换和模糊时间序列的水质预测方法，能够利用高斯云变换和模糊时间序列预测，有效的处理具有不确定性特征的水质数据集，预测结果具有更好的鲁棒性；通过融合水质数据近似周期，利用水质数据本身的内在特征，去除噪声数据，避免噪声数据影响预测精度，保证模型对数据有较高的自适应性。
-
公开(公告)号：CN104008212A
公开(公告)日：2014-08-27
申请号：CN201410285834.1
申请日：2014-06-23
申请人： 中国科学院重庆绿色智能技术研究院
IPC分类号： G06F17/30
CPC分类号： G06F17/3087 , G06F17/30321 , G06F17/3048
摘要： 本发明提供一种地理位置信息相关联的物联网时间序列数据存取方法，属于计算机大数据存储领域。该方法包括：1)将最新一次数据信息存储至最新数据缓存表；2)确定基点时间，并生成时间索引表主键；3)在对应数据行的列族中保存增量时间、geohash编码及实际数据至时间索引表；4)根据geohash编码生成基点空间与基点时间组合构成的时空索引表的主键；5)在对应数据行的列族中保存增量时间、增量空间、设备ID及实际数据至时空索引表；6)查询数据信息。本发明可以实现与地理位置信息相关联的物联网时间序列数据的快速存储和查询，有效的应对海量的、与地理位置信息相关联的物联网时间序列数据管理的系统需求。
-
公开(公告)号：CN116566651A
公开(公告)日：2023-08-08
申请号：CN202310357459.6
申请日：2023-03-29
申请人： 中国科学院重庆绿色智能技术研究院
IPC分类号： H04L9/40 , G06F18/2433 , G06F18/214 , G06N3/0455 , G06N3/0464 , G06N3/045 , G06N3/084
摘要： 本发明为基于降噪自编码的多重网络异常识别方法，属于大数据、信息安全领域。该方法包含以下步骤：S1：对网络流量数据进行采样，得到输入数据矩阵；S2：将输入数据矩阵分块；S3：利用降噪自编码网络中编码器的Dropout层分别对每一个子矩阵按概率进行降噪处理，然后编码得到整体样本；S4：随机抽取子矩阵，并利用编码网络中的编码器对其编码处理后得到局部样本；S5：利用历史数据进行训练和测试；S6：利用训练好的网络分别生成整体样本和局部样本作为输入，利用分类器判断数据是否为异常数据。本发明方法针对每个分块在统计意义上给予特定的降噪概率和随机采样概率，有利于提高入侵检测的准确性。
-
公开(公告)号：CN111008237B
公开(公告)日：2023-06-23
申请号：CN201910925275.9
申请日：2019-09-27
IPC分类号： G06F16/26 , G06F3/0488 , G06F16/29
摘要： 本发明提供了一种大数据平台指挥中心，包括：数据显示端和交互触摸控制端；数据显示端用于进行建筑工程大数据和三维全景地图模型的显示，且建筑工程大数据叠加显示在三维全景地图模型之上；交互触摸控制端用于在显示界面进行建筑工程大数据和三维全景地图模型的显示，且建筑工程大数据叠加显示在三维全景地图模型之上；并在显示界面接收到触控操作后，执行触控操作对应的操作，并控制数据显示端的显示数据与交互触摸控制端的显示数据进行联动显示，使得数据显示端和交互触摸控制端的显示数据保持同步。
-
公开(公告)号：CN111488948B
公开(公告)日：2021-07-20
申请号：CN202010358369.5
申请日：2020-04-29
申请人： 中国科学院重庆绿色智能技术研究院 , 重庆大学
摘要： 本发明涉及一种抖动环境下稀疏样本的标记方法，属于图像识别技术领域。该方法包括：S1：采用去抖动算法给输入的视频文件去抖动；S2：利用改进的Mask fast RCNN模型识别稀疏样本；S3：构建智能标记系统，对识别出的稀疏样本进行人工标记；S4：更新训练集：将标记好的数据返回至训练数据集中，用于下一轮改进的Mask fast RCNN模型的训练。本发明针对人烟稀少环境的监控视频中有效样本稀疏的问题，并考虑抖动环境带来的视频不稳定难点，能够对特定目标进行标记，提高视频的有效性。
-
公开(公告)号：CN109886165A
公开(公告)日：2019-06-14
申请号：CN201910096638.2
申请日：2019-01-23
申请人： 中国科学院重庆绿色智能技术研究院
摘要： 本发明为一种基于运动目标检测的动作视频提取和分类方法，属于大数据人工智能深度学习领域。该方法包含以下步骤：S1：采集多种场景，不同质量的运动视频，建立运动视频数据库，并对运动视频数据库中人体动作进行分类和标注，建立运动动作库；S2：利用深度学习技术，建立基于视频图像的运动目标的检测模型；S3：利用运动动作库对运动目标检测模型进行训练；S4：将用户实时拍摄视频作为运动目标检测模型的输入，判断人体动作类别，并结合用户需求，判断是否需要对该动作视频进行提取并保存。本发明方法能够自动、准确、快速的完成运动类别和运动起始时刻的判断，能够实时的适应不同场景下视频提取和分类任务。
-
公开(公告)号：CN106202310A
公开(公告)日：2016-12-07
申请号：CN201610512308.3
申请日：2016-07-01
申请人： 中国科学院重庆绿色智能技术研究院
IPC分类号： G06F17/30
CPC分类号： G06F16/2465 , G06F16/217
摘要： 本发明提供一种建立数据挖掘自动回馈系统的方法，用于解决目前数据挖掘实现过程中需要不断人工反馈调优的问题。该方法建立的数据挖掘自动回馈系统，包括数据分割模块、结果评价模块、参数调整模块；三大模块协同工作形成反馈，自动调整、优化数据挖掘算法的参数，比以往进行数据挖掘更节约人力成本。通过参数自动调整算法高效地、精准地自动调整算法参数，有效的提高参数调整效率，减少自动化过程中过多的遍历参数取值范围造成的实际浪费。
-
公开(公告)号：CN113239813A
公开(公告)日：2021-08-10
申请号：CN202110534466.X
申请日：2021-05-17
申请人： 中国科学院重庆绿色智能技术研究院 , 重庆大学
摘要： 本发明涉及一种基于三阶级联架构的YOLOv3的远景目标检测方法，属于目标检测技术领域。该方法包括：S1：构建目标检测模型：将准备好的远景农作物图片作为样本图片，再使用视觉相干混合技术和几何手段进行数据增强，形成远景数据集后再使用图像标注软件进行标注，最后通过三阶级联架构的YOLOv3算法进行训练，生成目标检测模型；S2：采集检测目标的视频图像，输入目标检测模型中进行目标检测，得到含有置信得分的目标图；S3：通过NMS算法比较置信度得分，得到目标的位置信息和置信度信息；S4：根据得到的位置信息，对目标个数进行计算总数。本发明提高了目标跟踪算法的准确性、鲁棒性以及适应性，并减少了算法的计算量。
-
公开(公告)号：CN111582345A
公开(公告)日：2020-08-25
申请号：CN202010358400.5
申请日：2020-04-29
申请人： 中国科学院重庆绿色智能技术研究院
摘要： 本发明涉及一种小样本下复杂环境的目标识别方法，属于图像处理技术领域。该方法包括：1)数据扩充，具体包括：S11：构建并训练GAN；S12：GAN网络训练完成后，将GAN生成的数据集进行筛选，把结果和真实数据集混合形成新的数据集，得到扩充小样本数据集；标注新数据集，并把标注之后的新数据集作为YOLOV3的输入；2)目标识别，具体包括：S21：构建并训练YOLOV3网络；S22：在对YOLOV3网络的坐标、置信度和分类训练完成后，将新数据集输入到YOLOV3网络中，对图片中最终剩下的检测框进行NMS处理，删去多余的框，输出带有检测框的图片。本发明能够解决小样本下复杂环境难清楚识别目标的问题。
-
公开(公告)号：CN111565318A
公开(公告)日：2020-08-21
申请号：CN202010372156.8
申请日：2020-05-06
申请人： 中国科学院重庆绿色智能技术研究院
摘要： 本发明涉及一种基于稀疏样本的视频压缩方法，属于视频压缩技术领域。该方法包括：S1：数据预处理；S2：首先通过变分自编码器与生成对抗网络结合的视频生成方法，利用变分自编码器对数据集中视频的每一帧进行学习，构建具有良好连续性的隐空间，隐空间中的每一点对应视频中的一帧；然后将噪声与文本输入生成对抗网络的生成器，生成器则生成潜变量空间中的多个相关联的点，最后通过变分自编码器的解码器生成连续图像；S3：将生成的连续图像输入视频压缩模型，通过CNN网络筛选背景帧，然后使用YOLO神经网络对每一帧图像当中的目标进行识别。本发明能够提高视频压缩效率，同时减少网络传输时延和本地资源的消耗。
-
-
-
-
-
-
-
-
-
搜索结果
39 条记录 (耗时 0.041 秒)
