-
公开(公告)号：CN103260229B
公开(公告)日：2015-09-30
申请号：CN201310216413.9
申请日：2013-06-04
Applicant: 东北林业大学
CPC classification number: Y02D70/00
Abstract: 基于预测和反馈的无线传感器网络MAC协议进行数据传送的方法，属于无线传感器网络技术。为了解决目前基于竞争的无线传感器网络MAC协议造成网络的整体服务质量大幅度降低的问题。它是基于预测和反馈的退避方法实现的，即发送节点在退避阶段对信道的忙闲状况进行记录，进而合理地推测整个网络的拥塞程度，成功发送数据分组后自适应地改变竞争窗口值以适应当前网络负载状况。并采用自适应调整占空比的方法，传感器节点在发送数据分组时对其发送的分组个数进行记录，在一个同步周期结束后计算出该周期内数据分组发送速率并自适应调整占空比。它适用于网络流量负载变化的无线传感器网络中。
-
公开(公告)号：CN118898632A
公开(公告)日：2024-11-05
申请号：CN202410713727.8
申请日：2024-06-04
Applicant: 东北林业大学
IPC: G06T7/13 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06V10/42 , G06V10/44 , G06V10/80
Abstract: 本发明提供一种基于高斯函数的特征增强的高分遥感影像建筑边界矢量提取算法，属于图像处理技术领域，包括遥感图像数据预处理和模型构建。本发明提出了Swap算子来解决建筑边界提取任务中存在的挑战。Swap算子可以有效地捕获图像中的局部和全局特征，同时减少模型的参数数量和计算复杂度，从而提高建筑边界提取任务的效率和准确性。Swap作为一个可插入式的模块，可以有效地结合CNN、GNN和Transformer等模型的优势，克服它们在建筑边界提取任务中存在的局限性，从而实现更好的建筑边界提取的效果。
-
公开(公告)号：CN118799725A
公开(公告)日：2024-10-18
申请号：CN202410775898.3
申请日：2024-06-17
Applicant: 东北林业大学
IPC: G06V20/10 , G06V20/52 , G06V20/70 , G06V40/10 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本发明涉及计算机视觉与生态监测技术领域，公开了一种基于YOLOv8的复杂环境中鸟类小目标检测方法，该方法通过在YOLOv8的卷积模块中引入感受野注意力(Receptive FieldAttention,RFA)和坐标注意力(CoordinateAttention,CA)机制，优化了注意力权重在感受野特征中的共享，并增强了对远距离信息的处理能力。此外，提出了具有长程依赖性和自适应能力的SPPF‑LSKA模块，有效减少湿地复杂背景对鸟类检测的干扰。进一步的，使用改进的BiFPN‑P2D结构连接P2特征层进行特征融合，增强了跨尺度特征的融合效果。在上采样阶段，引入内容感知特征重组模块，加强对小目标显著语义信息的关注。实验结果表明，本发明在湿地复杂环境中进行鸟类目标检测的有效性及其广泛的应用前景。
-
公开(公告)号：CN114202690B
公开(公告)日：2024-04-12
申请号：CN202111498048.6
申请日：2021-12-09
Applicant: 东北林业大学
IPC: G06V20/13 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06F8/30
Abstract: 本发明公开了以混合多层感知器为基础的多尺度网络分析方法，包括：MSC块和UMLP块；本发明实现了高效率的高光谱分类方法超过了以往的方法、其模型大小仅为0.185M，能很好的适用于工业的需求、能很好的将此方法应用于高光谱领域，监控森林变迁和对森林灾情如火灾等进行及时的预警作用。
-
公开(公告)号：CN117541916A
公开(公告)日：2024-02-09
申请号：CN202311292677.2
申请日：2023-10-08
Applicant: 黑龙江省网络空间研究中心(黑龙江省信息安全测评中心、黑龙江省国防科学技术研究院) , 东北林业大学
IPC: G06V20/10 , G06V10/764 , G06V20/13 , G06V10/774 , G06V10/77 , G06V10/82 , G06N3/088
Abstract: 一种长时间序列森林覆盖时空变化分析方法，属于遥感技术与应用领域。方法如下；构建长时间序列森林覆盖时空数据集；对数据进行预处理；利用决策树分类器进行图像分类，得到森林覆盖类型图；通过比较不同时间点的森林覆盖类型图，采用动态规划方法进行变化检测；根据精度验证结果，调整变化检测算法，得到高精度长时间序列森林覆盖时空变化分析结果。本发明通过对长时间序列数据的处理，能够全面准确地反映森林覆盖的时空变化，具有操作简单、适用范围广、可靠性高等优点；采用动态规划方法进行变化检测，提高了检测的精度和可靠性；通过对不同时间点的森林覆盖类型图进行比较，实现了对森林覆盖变化的精细化管理。
-
Patent Agency Ranking
公开(公告)号：CN116129911B
公开(公告)日：2023-11-17
申请号：CN202310089702.0
申请日：2023-02-09
Applicant: 东北林业大学
Abstract: 一种基于概率球面判别分析信道补偿的说话人识别方法，本发明涉及一种概率球面判别分析信道补偿的说话人识别方法。本发明的目的是为了解决现有线性概率判别分析模型的高斯假设使得长度归一化会破坏说话人的特征分布从而影响识别结果的问题。过程为：1、获取说话人的音频数据构建数据集，并对说话人进行编号同时确定说话人和音频数据的对应关系；2、获得说话人的身份矢量i‑vector特征；3、将说话人的身份矢量i‑vector特征分布变换为冯米塞斯VonMises‑Fisher分布；4、得到训练好的CC‑PSDA；5、将待测音频数据输入训练好的CC‑PSDA，判断是否为同一个人的音频数据。本发明用于声纹识别领域。
-
公开(公告)号：CN117034778A
公开(公告)日：2023-11-10
申请号：CN202311089810.4
申请日：2023-08-28
Applicant: 黑龙江省网络空间研究中心(黑龙江省信息安全测评中心、黑龙江省国防科学技术研究院) , 东北林业大学
IPC: G06F30/27 , G06T5/50 , G06V10/42 , G06V10/82 , G06V20/13 , G06V20/10 , G06N3/045 , G06N3/042 , G06N3/0464
Abstract: 本发明公开了一种基于Hypergraph‑Transformer结构反演地上生物量的方法，所述方法面向SAR与光学卫星遥感融合影像的生物量反演模型，构建基于Transformer相关结构的深度学习模型，充分发挥Transformer结构对全局信息的提取能力，挖掘融合后的遥感影像数据中的深层空间的特征信息，构建基于融合影像的高维度特征表示，通过深度学习算法实现生物量的估算反演。本发明基于超图(HyperGraph)的网络特征提取增强结构，进一步表征融合后的遥感影像数据中的几何拓扑信息。通过对原始特征构建超图结构，进行超图学习，为后续高维度特征空间信息的获取提供支持。
-
公开(公告)号：CN115186201A
公开(公告)日：2022-10-14
申请号：CN202210789862.1
申请日：2022-07-05
Applicant: 东北林业大学
IPC: G06F16/9537 , G06F16/9535 , G06F16/901 , G06F16/29
Abstract: 本发明公开了一种地理信息知识图谱推荐系统及其推荐方法，包括：在输入层中需要获得两种知识图谱：当前用户兴趣交互项目知识图谱和当前用户交互项目所处环境的地理知识图谱。为了从两个知识图谱中学习不同的信息，使用独热编码将两个知识图谱中的信息映射到两个不同的空间。图卷积模块学习得到两个数据的高维特征，在反事实学习模块中融合两个数据库的信息，实现了数据推荐工作。本发明的优点是：可以充分融合并利用地理知识图谱和用户‑项目知识图谱的有效知识，有效改善用户体验和服务质量。
-
公开(公告)号：CN113858375B
公开(公告)日：2022-04-05
申请号：CN202111151625.4
申请日：2021-09-29
Applicant: 东北林业大学
Abstract: 一种MDF连续平压分布式协同控制序列规划方法，属于机械设备控制技术领域。本发明包括热压板和设置在热压板顶端的液压缸，所述液压缸共计37列，从左到右依次记为第1列、第2列......第36列和第37列，在37列液压缸中，每列液压缸的数量为5个，由下至上依次记为1号位液压缸、2号位液压缸......4号位液压缸和5号位液压缸；中密度纤维板连续平压控制模式包括模式0、模式1、模式2、模式3和模式4。本发明构建定义了MDF连续压机压缸阵列的5种分布式平压协同控制模式，以满足多段热压工艺设计所需的分布式位置及压力伺服要求，有效解决及克服在实际生产中因多场耦合效应形成的不确定性板坯粘弹性干扰带来的偏差质量控制问题。
-
公开(公告)号：CN113033448A
公开(公告)日：2021-06-25
申请号：CN202110360889.4
申请日：2021-04-02
Applicant: 东北林业大学
Abstract: 本发明提出一种基于多尺度卷积和注意力的遥感影像去云残差神经网络系统、方法、设备及存储介质，属于遥感影像处理领域，为解决传统算法鲁棒性差、恢复效果不符合遥感影像视觉特征的问题。所述深度神经网络方法在高分辨率遥感影像去云任务的速度与复原效果上达到了平衡；使用卷积核大小变化范围更大的多尺度上下文卷积减小模型所需的内存和算法的处理时间；并且在多尺度卷积前以剩余连接的方式拼接了带有通道注意力模块的细粒度卷积增加网络的特征提取能力；本发明更真实、更符合实际场景的专用于高分辨率遥感影像去云任务的数据集，无论哪种网络模型，在该数据集上训练得到的网络权重都具有更高的适应性和更强的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.042 seconds)
