-
公开(公告)号：CN114973018B
公开(公告)日：2025-05-23
申请号：CN202210671132.1
申请日：2022-06-15
Applicant: 南京大学
Abstract: 本发明公开了一种人类活动对植被覆盖变化的定量分析方法，该方法包括以下步骤：S1、采用MODIS/NDVI遥感数据表征植被覆盖、VIIRS/DNB遥感数据表征人类活动强度，通过时间序列预处理技术分别构建MTS和VTS两个时间序列；S2、构建时间序列分割技术，实现时间序列的迭代分割；S3、构建时间序列合并与特征提取技术，通过排序角度法迭代实现时间序列的合并，并提取时间序列特征；S4、通过分析MTS和VTS的时间序列特征，进行MTS和VTS的计算与空间格局分析，实现MTS和VTS相关性的定量化分析。通过融合时间序列分割、时间序列合并、空间分析与统计等技术，实现人类活动对植被覆盖影响的定量化分析。
-
公开(公告)号：CN119180678A
公开(公告)日：2024-12-24
申请号：CN202411238307.5
申请日：2024-09-05
Applicant: 南京大学
IPC: G06Q30/0204 , G16H40/20 , G06F17/18 , G06N3/126
Abstract: 本发明属于信息自动化技术领域，并公开了一种跨层级的医疗设施选址方法，包括：在待选址区域内使用连续型决策变量来模拟不同层级医疗设施选址方案；基于预设种群规模和所述连续型决策变量构建初始父代医疗设施备选方案种群；构建医疗设施的多目标选址模型，所述多目标选址模型的目标函数包括总出行距离最小目标函数、覆盖人口最大目标函数和机会成本最小目标函数；基于非支配排序算法和精英选择策略对所述医疗设施多目标选址模型进行迭代求解，得到最优解集；对最优解集中的医疗设施备选方案进行排序，基于排序结果确定不同层级医疗设施选址方案。本发明所述技术方案能够精确且高效地确定多个层级的医疗设施最佳选址，能够满足实际生产的需要。
-
公开(公告)号：CN115146990B
公开(公告)日：2024-02-27
申请号：CN202210852776.0
申请日：2022-07-11
Applicant: 南京大学
IPC: G06Q10/0639 , G06Q50/26 , G06F16/9537 , G06F16/29 , G06F18/23 , G06N5/01
Abstract: 本发明公开一种集成多源地理大数据的城市活力定量评价方法，本评价方法包括以下步骤：S1、对道路数据进行预处理获取街区数据，S2、将街区范围内获取的城市活力评价数据进行汇总，形成特征，S3、计算Pearson相关系数矩阵，确定特征与城市活力的相关性，同时排除冗余特征，S4、构建综合指标和机器学习模型模拟城市活力，S5、对城市活力模拟结果进行精度评价，分析各特征的贡献。本发明通过集成多源地理大数据，构建综合指标和构建机器学习模型，可以解决现有技术中城市活力评价方法精度不足、数据来源较少的问题，建立衡量各因素对城市活力的贡献的方法，并形成综合城市活力评价体系。
-
公开(公告)号：CN117575014A
公开(公告)日：2024-02-20
申请号：CN202311285655.3
申请日：2023-10-07
Applicant: 南京大学
Abstract: 本发明涉及一种基于图卷积神经网络的土地利用结构模式层次挖掘方法，包括如下步骤：获取土地利用数据；构建图结构；生成标签输入模型；通过图卷积神经网络模型，对所述标签输入模型进行训练，生成图嵌入；利用空间约束多元聚类方法对所述图嵌入进行划分，得到从分区到各级子分区的层次分区结构；对每一年的土地利用数据，分别以土地利用类型的频率特征构建各区域的区域级图元，根据某区域不同年份的区域级图元的变化反映该区域土地利用结构的时空变化。本发明构建图元时考虑了多阶邻域的影响，能够根据土地利用空间结构的不同进行分区，可以有效挖掘层次土地利用结构模式及其动态特征。
-
-
Patent Agency Ranking
公开(公告)号：CN115100395A
公开(公告)日：2022-09-23
申请号：CN202210736883.7
申请日：2022-06-27
Applicant: 南京大学
IPC: G06V10/25 , G06V10/74 , G06V10/764 , G06V10/774 , G06V20/10
Abstract: 本发明公开一种融合POI预分类和图神经网络的城市街区功能分类方法，本分类方法包括以下步骤：S1、利用城市街区POI构建Delaunay三角网，S2、根据与每个POI点相连的Delaunay三角网边的平均边长，确定城市街区内POI的重要性排序，S3、选取城市街区内排名前三的POI类型，作为城市街区功能的组合标签，S4、对组合标签进行归并得到城市街区功能伪标签，S5、基于Delaunay三角网建立每个城市街区的POI图网络，S6、利用城市街区功能伪标签，训练图神经网络分类模型，S7、利用训练好的图神经网络分类模型进行城市街区功能分类。本发明方法能够提取POI数据的空间结构信息，丰富了POI数据的语义信息，从而提高城市街区功能分类的准确率。
-
公开(公告)号：CN115100227A
公开(公告)日：2022-09-23
申请号：CN202210760820.5
申请日：2022-06-29
Applicant: 南京大学
Abstract: 本发明涉及一种CPU‑GPU协同的遥感影像边缘检测并行计算方法，属于数据处理技术领域。该方法执行如下步骤：步骤1、并行环境初始化；步骤2、CPU主线程初始化GPU，并优化GPU内存；步骤3、由CPU计算端与GPU计算端分别执行计算任务；步骤4、同步CPU与GPU；步骤5、更新任务队列，若任务队列不为空，则返回步骤3，否则退出并行环境，终止计算。本发明通过对任务队列的数据进行划分以及GPU与CPU各计算线程双向任务调度分配的方式，优化了CPU与GPU内的线程组织与调度模式，实现了CPU与GPU间的负载均衡与高效并行的兼得。
-
公开(公告)号：CN114943897A
公开(公告)日：2022-08-26
申请号：CN202210611113.X
申请日：2022-05-31
Applicant: 南京大学
IPC: G06V20/10 , G06V10/762 , G06V10/44 , G06V10/26 , G06F17/18
Abstract: 本发明涉及基于超像素分割的城镇开发边界划定方法，属于信息自动化技术领域。该方法执行如下步骤：步骤1）数据准备；步骤2）对步骤1）得到结果进行SLIC超像素分割；步骤3）将所述超像素分为显著超像素和非显著超像素，并确定扩展边界与约束边界；步骤4）边界协调与优化，划定城镇开发边界。本发明根据计算的城镇扩展潜力评价和阻隔约束评价，分割提取扩展边界和约束边界，耦合形成最终的城镇开发边界，避免了划分工作对用地规模预测的依赖。根据协调和优化调整规则，经过协调耦合，最终划定城镇开发边界。该方法适应性强，使用本方法可以精确且快速的划定城镇开发边界，满足实际生产的需要，相比传统的城镇开发边界划定方法更实用性。
-
公开(公告)号：CN107133325B
公开(公告)日：2020-01-07
申请号：CN201710310894.8
申请日：2017-05-05
Applicant: 南京大学 , 云南省测绘资料档案馆(云南省基础地理信息中心)
IPC: G06F16/58 , G06F16/583 , G06F16/29
Abstract: 本发明涉及基于街景地图的互联网照片地理空间定位方法,步骤如下：预处理街景照片库，提取和描述特征，建立特征索引；根据索引，查询待查询照片每个特征的最近邻特征，并进行投票，修剪和平滑处理投票结果，得到最相似照片；根据已知的两两街景点之间距离，以最相似照片为圆心，划定缓冲区；对缓冲区内街景照片与待查询照片计算相似度，筛选出高相似度的照片作为相似照片集；将相似照片集和待查询照片一起进行特征提取、匹配，利用SfM算法配准照片，生成稀疏点云及相机的相对位置关系；根据已知的街景点坐标，推算未知的待查询照片外方位元素，实现定位定姿。实践证明，本发明提出的图像定位方法，能有效地对互联网任意来源的电子照片精确定位。
-
公开(公告)号：CN105913378B
公开(公告)日：2019-03-08
申请号：CN201610216866.5
申请日：2016-04-08
Applicant: 南京大学
IPC: G06T3/40
Abstract: 一种顾及层次任务依赖的遥感影像并行拼接方法，采取了分层次生成接缝线的方法，将上一层次的计算结果作为下一层次计算的输入数据，具体过程为：首先生成原始遥感影像的有效区；根据已获取的影像有效区生成有效区矢量图层，通过矢量图层获得不同层数相交区多边形，对每一多边形的分水岭变换作为一个任务，当前图层中多边形加入任务队列；再将任务分配给空闲进程进行并行处理，当前层所有多边形处理完毕后再处理上一层标记多边形，直至所有任务都已完成；最终求得各影像最终在拼接影像中的拼接范围，对拼接影像中的各像元赋值。本发明可精确地完成遥感影像并行拼接，并能够解决并行拼接中存在层次任务依赖问题，能够满足实际生产的需要。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.024 seconds)
