-
公开(公告)号：CN112561064A
公开(公告)日：2021-03-26
申请号：CN202011518699.2
申请日：2020-12-21
Applicant: 福州大学
Abstract: 本发明涉及一种基于OWKBC模型的知识库补全方法，包括以下步骤：步骤S1:获取知识库数据，并预处理，得到的实体对应的文本嵌入表示和图像嵌入表示；步骤S2：结合多模态知识编码器和TransE模型，构建基于翻译的多模态知识编码器；步骤S3:将实体的图像嵌入表示和文本嵌入表示输入到基于翻译的多模态知识编码器，得到实体和关系的嵌入表示;步骤S4:根据得到的实体和关系的嵌入表示输入到解码器中，获得实体和关系之间潜在的语义关系，完成知识库补全。本发明能够有效融合实体对应的图像信息和文本信息生成实体的嵌入表示，解决OOKB（Out‑Of‑Knowledge‑Base）实体问题，完成开放世界下的知识库补全。
-
公开(公告)号：CN112348191A
公开(公告)日：2021-02-09
申请号：CN202011159918.2
申请日：2020-10-26
Applicant: 福州大学
IPC: G06N5/02
Abstract: 本发明涉及一种基于多模态表示学习的知识库补全方法，给定知识库KB，所述KB包含两部分，一是已知的知识集合，二是未知的知识集合；对知识库中的数据进行数据预处理；提出知识库补全模型ConvAt，对获取的数据首先生成头实体和尾实体的多模态表示；然后将头实体的多模态表示、关系的结构特征向量和尾实体的多模态表示按列拼接后，分别通过卷积神经网络模块、通道注意力模块和空间注意力模块处理，最后与一个权重矩阵相乘得到三元组(h,r,t)的评分；使用损失函数对步骤S2中的补全模型进行训练，并使用训练后的模型进行知识库补全。本发明提出的算法能够融合外部信息，能够利用更丰富的语义信息。
-
公开(公告)号：CN109543000A
公开(公告)日：2019-03-29
申请号：CN201811439336.2
申请日：2018-11-29
Applicant: 福州大学
IPC: G06F16/29 , G06F16/2458 , G06F16/28 , G06K9/62 , H04W4/024 , H04W4/029 , H04W4/33 , H04W4/90 , G06Q50/26
Abstract: 本发明涉及一种基于算法和手机的商场智能疏散系统。包括控制端、用户端APP；所述控制端包括主控制模块、数据库存储模块、算法处理模块；所述用户端APP包括：用户登陆部分和主程序部分；所述用户登陆部分需要用户通过手机号进行注册与登陆；所述主程序部分包括APP可视化地图界面和软件功能设置按钮；所述APP可视化地图界面用于显示包括室内地图、撤离路线、紧急事件地点；所述功能设置按钮具有让用户选择地图显示的模式，以及让用户选择开启自动获取疏散路线的功能；当需要疏散撤离时，用户端APP会以弹窗、短信的形式告知用户，同时会进行包括震动和铃声的报警提示。本发明可以用最快的速度帮助每一位用户确定最佳的撤离路径，具有极高的效率。
-
公开(公告)号：CN117078945A
公开(公告)日：2023-11-17
申请号：CN202310459108.6
申请日：2023-04-26
Applicant: 福州大学
IPC: G06V10/40 , G06V10/82 , G06V10/774 , G06V20/10 , G06V10/764
Abstract: 本发明提出一种近海大区域多尺度浮筏养殖信息遥感智能提取方法，包括以下步骤；步骤S1：获取近海浮筏水产养殖区的卫星中分辨率遥感影像并进行预处理；步骤S2：基于ArcGIS软件工具，以目视解译遥感影像的方法，构建浮筏养殖样本数据库，利用简单随机抽样分为训练集、测试集和验证数据集；步骤S3：基于DC Block和ResHDC模块和经典UNet网络结构，改进深度学习模型，构建适用于近海多尺度浮筏养殖信息提取的网络模型；步骤S4：利用改进后的模型对需分析的近海浮筏水产养殖区影像进行浮筏养殖信息提取；步骤S5：对步骤S4的提取精度进行精度评价。本发明能提升模型在浑浊水体遥感影像对多尺度浮筏的提取精度。
-
公开(公告)号：CN113408929A
公开(公告)日：2021-09-17
申请号：CN202110741615.X
申请日：2021-07-01
Applicant: 福州大学
Abstract: 本发明涉及一种基于空间几何原理的四维遥感生态指数构建方法，利用了多波段遥感数据，耦合了代表植被的垂直植被指数PVI、代表干旱程度的改进型地表干旱指数MPDI、代表地表干化程度的地表干化指数NDSI和代表地表温度的地表温度指数LST等四个指标，引入了空间几何原理构建四维空间，分别表征绿度、干旱度、干化度和温度四个对生态有较大影响的四个要素，然后计算综合遥感生态指数SGEI。SGEI包含了四个指标所有的信息量，且四个指标对于SGEI的影响是根据其数据本身的性质决定，具有一定客观性，有效地提高了SGEI的物理意义和合理性。SGEI可以用于快速监测与评价区域生态状况。
-
Patent Agency Ranking
公开(公告)号：CN109543000B
公开(公告)日：2021-07-13
申请号：CN201811439336.2
申请日：2018-11-29
Applicant: 福州大学
IPC: G06F16/29 , G06F16/2458 , G06F16/28 , G06K9/62 , H04W4/024 , H04W4/029 , H04W4/33 , H04W4/90 , G06Q50/26
Abstract: 本发明涉及一种基于算法和手机的商场智能疏散系统。包括控制端、用户端APP；所述控制端包括主控制模块、数据库存储模块、算法处理模块；所述用户端APP包括：用户登陆部分和主程序部分；所述用户登陆部分需要用户通过手机号进行注册与登陆；所述主程序部分包括APP可视化地图界面和软件功能设置按钮；所述APP可视化地图界面用于显示包括室内地图、撤离路线、紧急事件地点；所述功能设置按钮具有让用户选择地图显示的模式，以及让用户选择开启自动获取疏散路线的功能；当需要疏散撤离时，用户端APP会以弹窗、短信的形式告知用户，同时会进行包括震动和铃声的报警提示。本发明可以用最快的速度帮助每一位用户确定最佳的撤离路径，具有极高的效率。
-
公开(公告)号：CN109543356A
公开(公告)日：2019-03-29
申请号：CN201910010746.3
申请日：2019-01-07
Applicant: 福州大学
Abstract: 本发明涉及一种考虑空间非平稳性的海洋内部温盐结构遥感反演方法，基于地理加权回归模型，利用多源海表卫星观测数据，结合海洋内部Argo浮标实测数据，反演全球海洋内部的温盐结构并取得了很好的反演效果，不仅能直观、准确地展示全球海洋内部温盐信息空间分布特征，还能得到各解释变量贡献值的空间分布。该发明考虑了海洋表层和内部的空间非平稳性，采用局部建模思想建立海洋内部参数和海表参数之间的关系，推演中深层海洋温盐结构关键动力参数，弥补了浮标实测数据的稀疏与不足，大大提高了反演结果的精度。
-
公开(公告)号：CN117390580A
公开(公告)日：2024-01-12
申请号：CN202311402303.1
申请日：2023-10-26
Applicant: 福州大学
IPC: G06F18/25 , G06F18/214 , G06F18/2413 , G06F123/02
Abstract: 本发明提供一种综合多特征的海洋热浪遥感识别方法，该方案包括以下步骤：步骤S1：获取海洋表面多源遥感观测数据并进行预处理，得到格点化海表温度数据以及时空参量；步骤S2：选用最新的气候基准期计算气候态，同时剔除格网点海洋表面温度数据的异常值；步骤S3：根据热浪定义预设识别条件，筛选出符合定义的海洋热浪事件；步骤S4：基于单一性指标特征，通过多特征融合方法构建海洋热浪综合识别模型；步骤S5：结合不同来源的海表温度数据进行调参优化，进一步建立海洋热浪综合变化长时序遥感数据集。本发明提出了海洋热浪监测的可综合性，在海洋遥感及气候变化领域有较高的应用价值。
-
公开(公告)号：CN117390377A
公开(公告)日：2024-01-12
申请号：CN202311322874.4
申请日：2023-10-13
Applicant: 福州大学
IPC: G06F18/15 , G06F18/2433 , G06F18/214 , G06N3/045
Abstract: 本发明涉及一种利用海表卫星数据直接反演海洋三维密度的智能方法，包括以下步骤：获取全球海洋的多源海表卫星观测数据和Argo格点密度数据；对获取的数据以Argo格点密度为标准进行时空一致性预处理，再通过逐步回归法和方差膨胀因子进行参量筛选；使用变量筛选后的海表数据构建输入特征矩阵X，使用Argo格点密度构建标签矩阵Y，并按照时间划分训练数据和测试数据，再将训练数据中的20%划分为验证数据；将多尺度残差与卷积一同融合到Transformer中，得到MMRT模型。并对其进行迭代训练，在训练过程中调整超参数，使模型达到最优，建立从海表映射次表层密度的MMRT模型；将测试集输入到MMRT中，反演出全球海洋三维密度数据。
-
公开(公告)号：CN113063737B
公开(公告)日：2022-05-10
申请号：CN202110324115.6
申请日：2021-03-26
Applicant: 福州大学
Abstract: 本发明涉及一种结合遥感与浮标数据的海洋热含量遥感反演方法，包括以下步骤：获取全球海洋多源海表遥感观测数据以及Argo实测格网数据并进行预处理，得到海表数据、时空参量以及海洋内部热含量数据；根据Argo实测坐标数据，将每个格网点海洋内部热含量数据与输入模型的海表遥感和时空参量一一对应，分别标记为特征矩阵X、标签矩阵Y；将X和Y纵向合并，并按时间序列划分成训练数据集、验证数据集、测试数据集；基于长短期记忆神经网络LSTM时间序列深度学习方法对训练数据集进行训练，并根据数据集的损失函数的变化，选择最优的网络深度及参数，建立反演模型；获取历史长时序特征矩阵X'，并作为模型的输入数据，进一步重建海洋内部热含量OHC数据集。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.026 seconds)
