-
公开(公告)号：CN112926452B
公开(公告)日：2022-06-14
申请号：CN202110212923.3
申请日：2021-02-25
Applicant: 东北林业大学
Abstract: 本发明提出一种基于GCN和GRU增强U‑Net特征的高光谱分类方法，所述方法为解决高光谱波段数据之间的类内高变异性和类间的相似性提供了新的解决方案。针对传统模型忽略特征之间所存在的潜在关系，提出使用图神经网络(GCN)和门控循环单元(GRU)获取U‑Net下采样特征之间的潜在关系，同时注意力机制用于根据上下文特征的重要程度学习得到新的特征。该方法将下采样得到的较混乱的特征转化为高内聚低耦合的特征，为下游的任务提供干净可靠的数据。同时该方法在小样本高光谱上只需要迭代很少次就能取得十分优异的结果。
-
公开(公告)号：CN114612747A
公开(公告)日：2022-06-10
申请号：CN202210258500.X
申请日：2022-03-16
Applicant: 东北林业大学
Abstract: 本发明公开了基于无监督加权哈希的遥感图像检索方法，包括：基于加权相似结构的相似矩阵更新模块和一种新的自适应权重损失函数，解决了现有的深度无监督哈希方法无法在训练过程中优化伪标签、不同困难等级的训练样本对赋予相同权重的问题。
-
公开(公告)号：CN107481191B
公开(公告)日：2020-07-10
申请号：CN201710656128.7
申请日：2017-08-03
Applicant: 东北林业大学
Abstract: 本发明提出一种基于Spark的海量遥感图像并行镶嵌方法及系统，所述方法通过Spark集群中的Master节点作为整个Spark集群的控制器，将遥感图像镶嵌任务分发到各Worker节点；通过调用自定义RDD的操作算子完成图像的镶嵌处理。该方法通过重写Spark中RDD的compute和getPartitions方法，自定义针对遥感图像处理的RDD，并将图像镶嵌中的重叠区域估计、图像配准和图像融合三个关键步骤作为自定义RDD的操作算子实现图像镶嵌的并行处理，该基于Spark的海量遥感图像并行镶嵌方法在保证图像镶嵌效果的基础上，能够有效提高大数据量的图像镶嵌效率。
-
公开(公告)号：CN103955266A
公开(公告)日：2014-07-30
申请号：CN201410217174.3
申请日：2014-05-22
Applicant: 东北林业大学
IPC: G06F1/32
Abstract: 基于Android移动Sink负载预测的低功耗设计方法属于无线传感器网络中的移动Sink节点低功耗设计方法，尤其是通过CPU负载预测的低功耗设计方法；该方法通过Android的CPU驱动程序获取当前CPU的负载load_cur，更新history_load[3]数组中的历史负载值，判断history_load[3]数组中当前时间段的前两个时间段CPU负载历史值history_load[1]和history_load[2]是否相等，并分别计算当前最优权值αbest，再通过计算得到下一时间段的CPU负载值load_next，最后调用__cpufreq_driver_target函数，根据预测的CPU负载值load_next调节CPU工作频率；本发明基于Android移动Sink负载预测的低功耗设计方法方法，可以实现权值的动态调整，进一步提高负载预测精度，从而选择更合适的CPU计算频率降低功耗。
-
公开(公告)号：CN100491088C
公开(公告)日：2009-05-27
申请号：CN200710071953.7
申请日：2007-03-28
Applicant: 东北林业大学
Abstract: 一种杨木单板强化剂及其强化杨木单板的方法，它涉及一种木材强化剂及其强化木材的方法。它解决了杨木材质软、结构粗松、强度低等缺点和缓解木材供应紧张的现状。杨木单板强化剂按质量份数比由24～26份苯乙烯、48～52份甲基丙烯酸甲酯、24～26份醋酸乙烯酯、2.8～3.2份偶氮二异丁腈、1.8～2.2份环烷酸钴和5.8～6.2份氯化锌制成。强化方法：(一)制强化剂；(二)杨木单板浸没于强化剂中；(三)加压密封；(四)陈放；(五)加热后再干燥。本发明中经强化剂强化的杨木单板表面硬度提高了1.34～2.55倍，耐磨性提高了2.35倍以上，静曲强度提高了1.87～2.96倍。本发明强化方法克服了杨木固有天然缺陷，实现劣材优用，缓解了木材资源缺乏、供求矛盾日益突出的局面。
-
Patent Agency Ranking
公开(公告)号：CN114581721B
公开(公告)日：2025-04-25
申请号：CN202210255660.9
申请日：2022-03-15
Applicant: 东北林业大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了基于二值神经网络的多光谱图像轻量化分类方法，包括以下步骤：步骤S1：对MobileNetV1进行修改，将原网络中3*3的深度卷积和1*1的逐点卷积分别用1‑bit 3*3和1‑bit 1*1的卷积进行替换；步骤S2：激活和权重会通过sign函数进行二值量化；步骤S3：提出在这些实数值被二值化之前添加一个shortcut来传递这些实数值，保留信息，提高网络的表达能力；步骤S4：由于二值神经网络对激活分布较为敏感，我们提出利用RPReLU函数来移动激活分布；解决了传统多光谱分类模型分类精度较低结果误差较大，现有的基于深度学习的多光谱分类模型因其巨大的运算量以及数据存储需求，不能满足工业的实时性要求的问题。
-
公开(公告)号：CN114581721A
公开(公告)日：2022-06-03
申请号：CN202210255660.9
申请日：2022-03-15
Applicant: 东北林业大学
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于二值神经网络的多光谱图像轻量化分类方法，包括以下步骤：步骤S1：对MobileNetV1进行修改，将原网络中3*3的深度卷积和1*1的逐点卷积分别用1‑bit 3*3和1‑bit 1*1的卷积进行替换；步骤S2：激活和权重会通过sign函数进行二值量化；步骤S3：提出在这些实数值被二值化之前添加一个shortcut来传递这些实数值，保留信息，提高网络的表达能力；步骤S4：由于二值神经网络对激活分布较为敏感，我们提出利用RPReLU函数来移动激活分布；解决了传统多光谱分类模型分类精度较低结果误差较大，现有的基于深度学习的多光谱分类模型因其巨大的运算量以及数据存储需求，不能满足工业的实时性要求的问题。
-
-
公开(公告)号：CN112925789A
公开(公告)日：2021-06-08
申请号：CN202110208391.6
申请日：2021-02-24
Applicant: 东北林业大学
IPC: G06F16/22 , G06F16/2457 , G06F16/2458 , G06F16/25 , G06F16/29
Abstract: 本发明提出一种基于Spark的空间矢量数据内存存储查询方法及系统，所述方法及系统为海量空间矢量数据在Spark内存中的存储结构和空间查询操作提供了新的解决方案，针对数据空间分布不均衡以及跨分区存储的现象，提出了一种带有buffer分区的非均匀网格分区方法。在每个分区中引入四叉网格树的结构进行数据的局部索引，通过合理剪枝，其有效提高每个分区的本地查询效率。基于本发明提出的空间数据内存结构，可以将Spark扩展为支持KNN和范围查询的分布式系统。通过对存储和查询过程进行封装，该执行过程对用户透明，用户可以通过传递参数直接调用对应的算子。
-
公开(公告)号：CN109410577B
公开(公告)日：2020-10-09
申请号：CN201811332450.5
申请日：2018-11-09
Applicant: 东北林业大学
Abstract: 基于空间数据挖掘的自适应交通控制子区划分方法，属于交通技术领域。本发明为了解决现有的控制子区划分方法所划分的控制区存在出行效率较低的问题。本发明首先进行高低峰时段与高、中、低流量阈值的特征抽取，选取影响控制子区划分的交通信息特征；然后建立基于时空特征的影响力权重计算模型，得到为特征r的权重，最后基于动态模块度划分的带权社区发现算法实现交通控制子区的划分。本发明适用于交通控制子区的划分。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.021 seconds)
