-
公开(公告)号：CN116860824A
公开(公告)日：2023-10-10
申请号：CN202310623030.7
申请日：2023-05-30
Applicant: 南京信息工程大学
IPC: G06F16/2458 , G06F16/215 , G06N3/0464 , G06N3/044
Abstract: 本发明公布了一种气象数据知识发现方法及系统，基于多源异构气象数据包括时空观测数据、历史再分析资料等数据，通过统计和机器学习算法进行数据清洗和数据质量控制处理缺失数据和异常值，结合气象数据统一时空技术形成完整、准确的智能算法训练数据集；基于人工智能和深度学习技术构建多个算法模型形成算法池，使数据集通过算法池可以进行强对流天气识别、精准天气预报等形成知识，存储在气象特征知识数据集中，以支持环境信息应用；将得到的知识产品进行数据应用，根据知识产品生成的气象时空演变规律，帮助决策者做出相应的决策，减少与天气相关的安全不确定性。本发明更加注重“数据”向“知识”的转变，相对于传统机器学习有着更高的准确率。
-
公开(公告)号：CN116822696A
公开(公告)日：2023-09-29
申请号：CN202310406558.9
申请日：2023-04-17
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G01N33/00 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/084 , G06Q50/26
Abstract: 本发明公开了融合多源数据的人工智能臭氧浓度预测方法，建立了CNN‑BiLSTM的臭氧浓度预测模型。收集地面观测站数据、ERA5再分析数据和卫星观测数据，对地面站数据的缺失值和异常值预处理，将ERA5再分析数据和卫星观测数据时间降尺度与地面观测站同一时间分辨率，并将其裁剪至研究区域。通过CNN提取ERA5再分析和卫星数据的特征，然后和地面观测站数据拼接进入BiLSTM网络进行臭氧浓度的时序预测。本发明采用上述方法，考虑了除地面观测站以外的气象因素，最终预测精度更高，解决了现有预测方法臭氧预测模型精准度较差的问题。
-
公开(公告)号：CN116702981A
公开(公告)日：2023-09-05
申请号：CN202310674359.6
申请日：2023-06-08
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06N3/0442 , G06N3/0464 , G06F18/214 , G06F18/213 , G06F18/15
Abstract: 本发明公开了一种臭氧浓度预测方法、装置、电子设备及介质，包括获取待预测大气环境观测站点的臭氧浓度及各气象因子的历史数据；对所述臭氧浓度及各气象因子的历史数据进行预处理，获得完整可用的数据集；将预处理后的数据集输入预先构建并训练好的臭氧浓度预测模型中，获得所述大气环境观测站点的臭氧浓度预测结果；其中，所述臭氧浓度预测模型是通过基于单头注意力模块及图卷积神经网络的SA‑GCN网络提取数据之间的空间特征，以及通过LSTM网络提取数据的时序特征，并利用臭氧浓度及各气象因子的历史数据以均方差损失函数最小为目标训练获得的。本发明通过将LSTM与SA‑GCN耦合捕获臭氧浓度的时空依赖关系，进一步提高预测的准确性。
-
公开(公告)号：CN116523110A
公开(公告)日：2023-08-01
申请号：CN202310338247.3
申请日：2023-03-31
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06Q50/26 , G06N3/0464 , G06N3/08 , G01W1/14
Abstract: 本发明公开了一种降雨量估算方法包括：获取GPM卫星数据、GridSat‑B1卫星数据、DEM数据、NDVI数据以及地面雨量站数据；对获取的所有数据进行预处理；统一预处理后GPM卫星数据、GridSat‑B1热红外数据、DEM数据以及NDVI数据的分辨率并对统一分辨率后的数据进行归一化；建立GPM卫星数据、GridSat‑B1卫星数据与地面雨量站数据时空匹配的卫星数据集；根据卫星数据集、DEM数据以及NDVI数据构建样本数据集；通过样本数据集对预构建的降雨量估算模型进行训练；将获取的GPM卫星数据、GridSat‑B1卫星数据、DEM数据以及NDVI数据输入训练好的降雨量估算模型得到最终的降雨量估算值。本发明能够对降雨量进行更加精确的估算。
-
公开(公告)号：CN107896374A
公开(公告)日：2018-04-10
申请号：CN201711234702.6
申请日：2017-11-30
Applicant: 南京信息工程大学
CPC classification number: H04W16/18 , G06F8/61 , G06K9/6223 , H04L41/12 , H04L67/10
Abstract: 本发明公开了一种面向移动终端设备的朵云动态部署方法，包括以下步骤：步骤1，根据移动设备当前位置，通过K-means算法可以获取K个移动设备聚集中心位置；步骤2，将移动设备聚集中心的位置抽象到一幅路径图中进行处理；步骤3，根据上述聚集中心，通过朵云放置策略过滤掉不符合条件的移动设备聚集中心；步骤4，将聚集中心位置与朵云当前位置进行位置匹配，获得每一个朵云要到达的位置；步骤5，通过Dijkstra算法获得朵云的移动路径，将朵云移动到目标位置。
-
Patent Agency Ranking
公开(公告)号：CN107861796A
公开(公告)日：2018-03-30
申请号：CN201711235873.0
申请日：2017-11-30
Applicant: 南京信息工程大学
CPC classification number: G06F9/45558 , G06F9/4887 , G06F9/5072 , G06F2009/4557
Abstract: 本发明公开了一种支持云数据中心能耗优化的虚拟机调度方法，包括以下步骤：步骤1：基于虚拟机实例占用记录数据集，并获取云数据中心中处于运行状态的物理机列表和虚拟机列表；步骤2：根据虚拟机实例占用状态，获取步骤1中处于运行状态物理机的空闲空间；步骤3：根据虚拟机的资源需求以及步骤2所得的物理机的空闲空间，采用启发式检索，获取可行的虚拟机迁移策略；步骤4：计算云数据中心面向任务执行和虚拟机迁移的能耗值；步骤5：针对步骤3获得的虚拟机迁移策略，利用步骤4计算虚拟机迁移操作后云数据中心所产生的能耗值集合；步骤6：根据步骤5中所获的能耗值，选择能耗最优的虚拟机迁移策略为最终的虚拟机调度策略。
-
公开(公告)号：CN106991432A
公开(公告)日：2017-07-28
申请号：CN201710130391.2
申请日：2017-03-07
Applicant: 南京信息工程大学
CPC classification number: G06K9/6231 , G06N20/00
Abstract: 基于评分机制的森林优化算法的特征选择方法属于一种新的演化算法，从候选集选优策略、单个特征对特征集合的评分策略角度出发，够让具有较高适应度值的解具有更高的被选中的概率。使得每一次的选择不是完全随机的，而是带有一定的倾向性。从而能降低陷入局部最优解的概率，能够快速、有效的搜索到近似最优的特征子集。可应用在社交网络分类、web文本数据挖掘、图像处理等高维数据领域，能够起到很好的降维作用。
-
公开(公告)号：CN103458369B
公开(公告)日：2016-08-10
申请号：CN201310346648.X
申请日：2013-08-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于锚点和位置指纹识别算法的WiFi室内定位方法，采用锚点信号强度对位置指纹数据进行修正，能够精确地定位终端接收机位置，且反应迅速。本发明采用锚点作为基准值进行强度矫正，较好的修正了瞬时信号强度变化，弥补了位置指纹平均值在某一具体时刻的不确定性，采用KNN匹配算法和基于权重的坐标计算方法获得待测点位置，有效降低了信号波动带来的误差。此外，采用待测点向量对数据库中向量集合进行精炼，能够避免AP变化引起的RSS向量错位。本发明定位精度高，反应迅速，特别适合Android设备端室内位置定位。
-
公开(公告)号：CN105530303A
公开(公告)日：2016-04-27
申请号：CN201510934456.X
申请日：2015-12-15
Applicant: 南京信息工程大学
IPC: H04L29/08
CPC classification number: H04L67/2852
Abstract: 本发明提供一种网络缓存线性替换方法，首先建立一个缓存替换模型作为实验基础，先对网站固定缓存容量大小，然后对其发送大量的访问请求，再对网路缓存中出现的数据信息进行提取分析，同时将向网络中所发送的请求数据按照一定的数量分成不同的序列，这些序列也可以作为实验对象。在该网站的网络缓存存储满时，要对接下来的访问数据与之前已经存储的数据进行替换。在替换的过程中，采用了三种递进式的方法，来设计出了一个最为优秀的缓存替换方法。本发明结合传统的缓存替换方法。通过本设计的缓存替换方法，可以快速的给用户返还所需数据，提高数据查询请求的速度，适合于处理大数据的请求访问。
-
公开(公告)号：CN105005968A
公开(公告)日：2015-10-28
申请号：CN201510315447.2
申请日：2015-06-10
Applicant: 南京信息工程大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于贝叶斯原理与维纳滤波的相机抖动模糊图像复原方法，首先采用零均值的高斯混合模型对原始图像的梯度分布进行建模，同时采用混合指数分布对降质函数进行建模，并以零均值的高斯模型作为噪声模型。通过变分贝叶斯估计方法估计降质函数。然后利用估计的降质函数，通过迭代盲解卷积算法进行图像恢复。对于图像恢复过程中产生的振铃效应，通过Laplacian算子进行边缘检测，获取边缘图像。然后分别获取边缘图像中细节、振铃和平坦区域的掩膜，通过维纳滤波器进行滤波处理，进而得到去振铃效应后的复原图像。本发明能够有效地去除因相机抖动产生的图像模糊，同时保持图像的细节及边缘，有效地减少振铃效应对复原图像质量的影响。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.051 seconds)
