-
公开(公告)号：CN118310537B
公开(公告)日：2024-09-13
申请号：CN202410734952.X
申请日：2024-06-07
申请人： 南京信息工程大学
摘要： 本发明公开了一种自适应策略改进减法平均优化算法的路径规划方法，包括以下步骤：（1）构建二维栅格地图环境，以及包含运动约束的目标函数；（2）初始化算法参数，（3）引入ICMIC混沌映射策略初始化搜索代理的位置；基于初始搜索代理评估目标函数；（4）引入自适应概率值，利用改进的基本减法平均优化算法更新搜索代理位置；（5）通过判断搜索代理的目标函数值是否满足条件，以及自适应概率值是否满足条件，选择更优的位置更新方式；本发明本发明收敛精度高，速度快，且在地图中能高效地完成路径规划任务。
-
公开(公告)号：CN118155789A
公开(公告)日：2024-06-07
申请号：CN202410358502.5
申请日：2024-03-27
申请人： 南京信息工程大学
IPC分类号： G16H10/60 , G06F40/295 , G06F40/12 , G06F18/2135 , G06F40/242 , G06F40/151 , G06F16/33 , G06F40/166 , G06F21/62 , G06N3/0442 , G06N3/045
摘要： 本发明公开了结合命名实体识别与差分隐私的病历敏感信息保护方法，包括：利用构命名实体识别模型对预先获取的中文电子病历语料库进行识别与提取，获得隐私实体；将新华字典数据集嵌入为词向量；利用主成分分析方法压缩词向量为二维词向量字典；利用预先训练获得的word2vec模型将隐私实体转化为隐私实体词向量；利用差分隐私高斯机制对隐私实体词向量进行椭球形噪声处理并压缩至二维，获得二维词向量；计算加噪后的二维词向量与词向量字典的余弦相似度，得到与其语义最近的相似词向量；利用相似词向量对应的字符对中文电子病历的敏感信息进行替换，对病历敏感信息进行隐藏。
-
公开(公告)号：CN117892064B
公开(公告)日：2024-05-14
申请号：CN202410285358.7
申请日：2024-03-13
申请人： 南京信息工程大学
IPC分类号： G06F18/10 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/0464 , G06Q50/26
摘要： 本发明公开了一种全球气候模型日平均气温降尺度方法、装置及存储器，该方法包括以全球气候模型日平均气温和地形数据为输入，输入至气温降尺度模型中，以降尺度后的日平均气温数据为输出，以日平均气温标签数据为训练真值，对该气温降尺度模型进行训练，得到最优模型；采用训练好的最优模型对任意日的全球气候模型日平均气温进行降尺度模拟。本发明充分考虑了地形因素对气温的影响，引进了DEM地形数据作为辅助变量，并且设计出一个地形融合模块，进一步提取DEM地形特征后与气温数据融合，提升了模型的降尺度性能。
-
公开(公告)号：CN117892064A
公开(公告)日：2024-04-16
申请号：CN202410285358.7
申请日：2024-03-13
申请人： 南京信息工程大学
IPC分类号： G06F18/10 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/0464 , G06Q50/26
摘要： 本发明公开了一种全球气候模型日平均气温降尺度方法、装置及存储器，该方法包括以全球气候模型日平均气温和地形数据为输入，输入至气温降尺度模型中，以降尺度后的日平均气温数据为输出，以日平均气温标签数据为训练真值，对该气温降尺度模型进行训练，得到最优模型；采用训练好的最优模型对任意日的全球气候模型日平均气温进行降尺度模拟。本发明充分考虑了地形因素对气温的影响，引进了DEM地形数据作为辅助变量，并且设计出一个地形融合模块，进一步提取DEM地形特征后与气温数据融合，提升了模型的降尺度性能。
-
公开(公告)号：CN116451423A
公开(公告)日：2023-07-18
申请号：CN202310177658.9
申请日：2023-02-28
申请人： 南京信息工程大学
IPC分类号： G06F30/20 , G01S13/95 , G01W1/00 , G06N3/084 , G06N3/0464
摘要： 本发明公开了一种基于葵花8号卫星数据的气象雷达组合反射率反演方法，使用多分辨率卷积神经网络作为反演模型的主干网络有效的提取复杂的卫星数据中深层次的信息特征，并使用注意力机制弱化非降水云团给反演模型带来的干扰，从而为雷达未覆盖地区提供了可靠的雷达回波数据反演方法，为气象部门实际短临预报能力的提升提供数据支撑，为强对流灾害及时识别、预警和灾后重建发挥重要作用。
-
公开(公告)号：CN115712720A
公开(公告)日：2023-02-24
申请号：CN202210723816.1
申请日：2022-06-23
申请人： 南京信息工程大学
IPC分类号： G06F16/35 , G06F16/36 , G06F40/205 , G06F40/242 , G06F40/284 , G06F40/295 , G06F40/30 , G06Q50/26
摘要： 本发明公开了一种基于知识图谱的降雨动态预警方法，属于知识图谱的技术领域和数据挖掘领域，其包括步骤1：通过动态实时多路下载有关区域降雨新闻数据；步骤2：根据步骤1的文本非结构化信息抽取城市地点信息，降雨信息时间等；步骤3：根据步骤2构建时‑空多维知识图谱，并实时去除冗余的降雨信息；步骤4：统计区域地势数据，通过聚类算法将区域地势数据进行动态分类；步骤5：根据步骤4的结果，对分类地区自动生成对应预警信息，标记具体位置并通知相关人员；通过该方法有利于提升整体的气象降雨数据关键词挖掘效率，减少人工标注所带来的时间成本，快速的为专家聚类出组合排列结果，对于降雨情况做出迅速反应。
-
公开(公告)号：CN118429870A
公开(公告)日：2024-08-02
申请号：CN202410897337.0
申请日：2024-07-05
申请人： 南京信息工程大学
IPC分类号： G06V20/40 , G06V20/52 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/0499 , G06N3/08
摘要： 本发明公开了一种群体行为识别方法、系统和存储介质，包括：获取待识别的视频帧；根据视频帧，基于预训练好的群体行为识别模型，得到群体行为类别；所述群体行为识别模型包括：骨干网络、融合模块、嵌入层、关系推理模块、图卷积网络、全局平均池化层以及分类器。本发明通过模型中的融合模块将全局特征中包含的场景信息嵌入个体特征中，为个体动作与群体行为类别的推理提供了信息丰富的融合特征，最终提高了群体行为的识别精度。
-
公开(公告)号：CN118279753A
公开(公告)日：2024-07-02
申请号：CN202410703162.5
申请日：2024-06-03
申请人： 南京信息工程大学
IPC分类号： G06V20/10 , G06V10/44 , G06V10/26 , G06V10/22 , G06V10/82 , G06T7/269 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种动态场景下视觉SLAM方法，包括以下步骤：（1）对原始RGB图片进行实例分割；（2）利用改进后图像金字塔的LK光流法进行特征点跟踪，判断平行动态特征点；（3）计算相邻两帧的图像的基础矩阵，同时采用改进的融合动态概率的多视图几何方法对未被检测出的动态特征点进行进一步的筛查；（4）合成没有动态物体的图片；（5）利用估计的相机位姿三角化得到三维地图点，并通过视觉重投影误差优化相机位姿；（6）优化相机位姿和地图点；（7）进行回环检测和回环优化；本发明提高视觉SLAM系统在动态场景下的精度和鲁棒性。
-
公开(公告)号：CN117808155A
公开(公告)日：2024-04-02
申请号：CN202311850797.X
申请日：2023-12-29
申请人： 南京信息工程大学
IPC分类号： G06Q10/04 , G06Q50/06 , G06F18/214 , G06F18/21 , G06N3/08 , G06N3/0455 , G06N3/0464
摘要： 本发明公开了一种基于风云4A卫星的地表入射太阳辐射智能化预报方法，包括以下步骤：获取预测时刻之前的风云4A卫星地表入射太阳辐射数据集，将其输入预先训练的地表入射太阳辐射短临预报模型，输出地表入射太阳辐射预测结果；所述地表入射太阳辐射短临预报模型是基于历史风云4A卫星地表入射太阳辐射数据训练得到。本发明使用高时空分辨率的卫星观测数据，预报未来一段时间的太阳辐射的区域分布及强度，本发明通过基于编码器‑翻译器‑解码器的短临预报模型，研究太阳辐射的空间分布特征随时间的变化，并使用符合气象标准的方法进行评估，以确保预测的高效性和准确性。
-
公开(公告)号：CN116755095A
公开(公告)日：2023-09-15
申请号：CN202310231314.1
申请日：2023-03-09
申请人： 南京信息工程大学
摘要： 本发明公开了一种基于GRU与LSTM时空融合的短临降水预测方法，包括以下步骤：步骤1，读取本地雷达数据，进行数据预处理操作；步骤2，将处理后的数据进行划分，分别为训练集、测试集、和验证集；步骤3，设计ST‑LSGRU基本模块，堆叠4层构建雷达回波外推模型；步骤4，输入训练集，初始化模型参数，训练网络模型，保存模型参数；步骤5，使用验证集测试模型性能，优化模型超参数，训练网络模型，保存模型参数；步骤6，加载保存的模型参数，输入测试集，得到雷达外推结果，通过Z‑R关系式，得到未来一段时间的降水量。本方法能够解决长时间序列预测而产生的梯度消失问题，能够有效的提高模型针对强降水天气预测的结果的清晰度和稳定性。
-
-
-
-
-
-
-
-
-
搜索结果
51 条记录 (耗时 0.032 秒)
