-
公开(公告)号：CN116561536A
公开(公告)日：2023-08-08
申请号：CN202310844794.9
申请日：2023-07-11
Applicant: 中南大学
IPC: G06F18/20 , G06N3/0464 , G06N3/084 , G06Q10/04 , G06Q50/26 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06V20/10
Abstract: 本申请适用于地质灾害识别技术领域，提供了一种滑坡隐患的识别方法、终端设备及介质，通过获取已识别区域的遥感图像，并对其进行通道叠加，得到多通道影像数据；从多通道影像数据中提取训练样本，得到训练样本集；提取滑坡隐患特征，得到多个候选特征因子，并确定训练样本集对应的最相关特征因子；构建初始滑坡隐患预测模型，并利用训练样本集对初始滑坡隐患预测模型进行训练，得到最终滑坡隐患预测模型；利用最终滑坡隐患预测模型对待识别区域对应的多通道影像数据进行预测，得到存在滑坡隐患的地表点位；基于滑坡隐患规则集，识别地表点位的滑坡隐患。本申请能提高滑坡隐患识别的准确性。
-
公开(公告)号：CN113949783B
公开(公告)日：2022-12-13
申请号：CN202111211805.7
申请日：2021-10-18
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种基于纹理复杂度分类的遥感图像快速加密方法，属于图像处理技术领域，具体包括：获取目标图像的波段数以及每个波段的二维像素值矩阵，并根据预设图像分块大小对每个二维像素值矩阵进行扩充及图像分块，得到每个二维像素值矩阵对应的图像分块集合；根据信息熵对每个图像块进行分类；分别对不同类型的图像块进行分等级加密，并将加密后的图像块按照图像分块的顺序进行拼接，得到加密矩阵；整体置乱，得到密文图像。通过本公开的方案，根据预设图像分块大小进行图像分块，并针对遥感图像本身的纹理特征，进行图像纹理复杂度分类，进而针对不同复杂度类型的图像，采取不同的加密算法，提高了遥感图像的加密效率和安全性。
-
公开(公告)号：CN114495514A
公开(公告)日：2022-05-13
申请号：CN202210140895.3
申请日：2022-02-16
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种多源数据协同的车辆违规掉头热点区域识别方法，属于电学技术领域，具体包括：对多条GPS轨迹数据进行清洗；利用窗口滑动算法对每条初始轨迹数据进行去除自相交操作，得到目标轨迹数据；提取掉头轨迹段，构成潜在违规掉头轨迹数据库，并保存轨迹点集合；以轨迹点集合为输入，获取对应路段内的街景图像数据；采用Yolov5深度神经网络模型识别街景图像数据，得到违规要素；进行场景解析，得到所有的违规掉头轨迹，形成违规掉头位置点集合；根据违规掉头位置点集合提取出违规掉头行为发生的热点区域。通过本公开的方案，提高了车辆违规掉头热点区域识别的检测效率、精准度和适应性。
-
公开(公告)号：CN110738856B
公开(公告)日：2020-09-22
申请号：CN201911100627.3
申请日：2019-11-12
Applicant: 中南大学
Abstract: 本发明公开了一种基于移动聚类的城市交通拥堵精细识别方法，所述识别方法包括：步骤1，对轨迹数据进行预处理，所述预处理包括对所述轨迹数据进行数据清洗与路网匹配，并将匹配后的轨迹数据投影到相应时间片中；步骤2，提取每个时间片上具有显著高密度的空间簇，进一步度量相邻时间片的簇间相似性，提取候选拥堵时空簇；步骤3，计算所述时空簇的平均速度和成长时长，若计算得到的平均速度和成长时长达到预设条件，则识别该时空簇为包含交通拥堵现象的时空区域。本发明能够挖掘路网环境下交通拥堵的精细时空范围、拥堵规模和生存时间等特征，同时本发明基于低成本车辆轨迹大数据，能够有效识别交通拥堵从发生到结束的全生命周期过程。
-
公开(公告)号：CN107704551B
公开(公告)日：2020-05-26
申请号：CN201710888304.X
申请日：2017-09-27
Applicant: 中南大学
Abstract: 本发明公开了一种面向公安事件的时空级联模式非参数检验方法，根据每个候选级联模式中各类公安事件的时空分布数据的时空分布特征，构建多元事件时空分布相互独立的零模型；然后将级联参与指数作为候选级联模式频繁度的度量指标，从而对其显著性进行判别。本发明方法不仅能够有效识别公安事件间具有统计意义的显著时空级联模式，且无需人为设置频繁度阈值，降低了现有方法的主观性，并进一步提高时空级联模式挖掘结果辅助解决公安事件防控问题的实用性与可靠性。
-
Patent Agency Ranking
公开(公告)号：CN110515961A
公开(公告)日：2019-11-29
申请号：CN201910804309.9
申请日：2019-08-28
Applicant: 中南大学
IPC: G06F16/23 , G06F16/29 , G06F16/951 , G06F16/9537
Abstract: 本发明公开了一种基于时空大数据的基础地理信息更新需求评价方法，利用网络爬虫程序提取更新区域的地名地址信息，得到更新区域的新增地名地址数据量a和更新区域的属性内容变化较大的地名地址数据量b；获取更新区域的道路地址元素，基于路名提取的道路信息变化获取道路变化情况c；根据人口活动热度获取更新区域人口密集度数据d；根据城市规划图及区域发展状况获取更新区域所处城市等级信息e；通过城市规划图，提取不同城市功能区的地理空间范围得到该更新地区的城市功能区等级信息f；根据所得到的单位更新区域内的地名地址数据变化情况、道路变化情况以及区域更新对人类活动影响情况，通过公式求取单位更新区域的更新需求得分ω。
-
公开(公告)号：CN107729293B
公开(公告)日：2019-11-12
申请号：CN201710889198.7
申请日：2017-09-27
Applicant: 中南大学
Abstract: 本发明公开了一种基于多元自适应回归的地理空间异常探测方法，充分考虑了地理空间数据的相关性与异质性，针对获取的探测变量及其它地理变量进行数据预处理及回归变量的确定，以构建自适应空间邻近域，并基于自适应带宽的权函数选择和空间邻域实体专题属性变化梯度修复，构建地理加权回归模型，然后计算所有空间实体的稳健空间异常度，并组成集合，最后将异常度偏离均值一定倍数的采样点判别为空间异常。本发明不仅顾及空间相关性的自适应带宽选择和空间异质性的探测变量与其它地理变量间关系的定量表达，还增强了本发明的实用性和解释性。
-
公开(公告)号：CN103942248A
公开(公告)日：2014-07-23
申请号：CN201410071498.0
申请日：2014-02-28
Applicant: 中南大学
IPC: G06F17/30
CPC classification number: G06F17/30554
Abstract: 本发明公开了一种基于Delaunay三角网的空间点事件集聚模式挖掘方法，根据空间点事件的空间坐标构建Delaunay三角网，并采用Delaunay邻近关系约束构建空间点事件间的空间邻接关系。进而，依据从整体到局部的策略，采用三种不同的Delaunay三角网边长约束统计量从Delaunay三角网中提取空间点事件的集聚模式。所有通过Delaunay三角网连接的空间点事件集构成一个空间簇。优点如下：空间集聚模式发现过程中不需要过多的用户输入参数（如空间集聚模式的数目），而且可以发现形状各异、密度不同的空间点事件集聚模式。最后可以将发现的空间集聚模式可视化，并输出聚类结果。
-
公开(公告)号：CN103869367A
公开(公告)日：2014-06-18
申请号：CN201410113795.7
申请日：2014-03-25
Applicant: 中南大学
IPC: G01V1/30
Abstract: 本发明涉及一种基于共享密度的地震事件时空聚集模式提取方法。本发明根据时空窗口k邻近关系，识别时空共享邻近地震事件，进而依据时空共享邻近关系，估计时空共享密度，最后依据时空共享邻近关系将高密度地震事件聚集成簇。优点如下：不需要用户设定地震事件时空聚集模式的数目与形态，同时可以提取不同密度的地震事件时空聚集模式，可以从空间和时间耦合的视角发现地震事件的动态演变规律，将地震事件的时空聚集模式可视化表达。
-
公开(公告)号：CN119648943A
公开(公告)日：2025-03-18
申请号：CN202510150268.1
申请日：2025-02-11
IPC: G06T17/05
Abstract: 本申请适用于地理信息处理技术领域，提供了一种地理场景实例化建模方法，包括：将研究区域划分为多个格网单元，并将每个格网单元作为一地理场景；构建地理场景本体模型；地理场景本体模型包括多个地理场景节点和多个地理要素节点，多个地理场景节点与多个格网单元一一对应，每个地理场景节点表示对应的地理场景，多个地理要素节点与研究区域内的多个实体一一对应，每个地理场景节点与位于其对应的格网单元内的实体对应的地理要素节点之间设有关系边；基于动态调整的相似度阈值对地理场景本体模型中的地理场景节点进行多次合并处理，并将经过多次合并处理后的地理场景本体模型作为研究区域的地理场景实例化模型。本申请能实现地理场景实例化建模。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.021 seconds)
