公开(公告)号：CN108363784A

公开(公告)日：2018-08-03

申请号：CN201810143913.7

申请日：2018-02-12

Applicant: 西北工业大学

Inventor： 张怡 ,  张璐璐 ,  唐成凯 ,  张玲玲 ,  何怡 ,  万志刚

IPC: G06F17/30 ,  G06F17/27

Abstract: 本发明提出一种基于文本机器学习的舆情走向预测方法。具体来说，就是对当前互联网上大量的社交媒体消息、新闻内容等信息进行分词、清洗、过滤等处理后，提取某些事件词语，并统计这些事件词语在某段时间出现的频次，根据词语的权重筛选出对应文本中的目标词语以及绘制事件词语频次的变化轨迹，通过目标词语提取网民观点，判断舆论传播路径等，进而利用这些观点数据来训练机器学习模型。最终利用训练好的模型来预测未来一段时间的舆情走向。

公开(公告)号：CN117237801A

公开(公告)日：2023-12-15

申请号：CN202311060952.8

申请日：2023-08-22

Applicant: 西北工业大学

Inventor： 李映 ,  付垒 ,  侯瑄 ,  张璐璐 ,  张兴国

IPC: G06V20/10 ,  G06V10/80 ,  G06V10/10 ,  G06V10/26 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明涉及一种基于自监督学习的多模态遥感图像变化检测方法，属于计算机视觉领域。包括将变化前的图像、变化后的图像和拼接后的图像作为三个独立的输入，输入到三元特征提取网络提取特征图；将特征图映射到一个可比较的特征空间；对网络自监督训练；网络推理和变化图的生成。本发明基于自监督学习在不需要任何标签的情况下，从深度特征空间上统一多模态遥感图像特征，并且融合传统的阈值分割法直接分析深度特征图得到需要的变化图。克服了之前遥感图像变化检测方法对于标注数据的依赖，减少了变化检测任务中人力物力资源的消耗，同时解决了多模态图像变化检测中存在的双时相图像对之间存在图像域差距，不能直接对比的问题。