-
公开(公告)号：CN115062551B
公开(公告)日：2022-11-04
申请号：CN202210935359.2
申请日：2022-08-05
Applicant: 成都信息工程大学
IPC: G06F30/27 , G06F30/28 , G06N3/04 , G06N3/08 , G06F111/04 , G06F113/08 , G06F119/14
Abstract: 本发明提出了一种基于时序神经网络的湿物理过程参数化方法，方法首先基于时序预测神经网络去学习过去时刻大气状态、对流和云的动态变化关系，然后通过融合筛选这些学习到的特征来预测湿物理过程中湿度和温度变化趋势以及云水和云冰含量。最后，根据预测出的湿度变化趋势计算出当前的降水量。此外，在网络训练过程中加入了物理约束来保证该方法遵循一般的物理规律。该方法相比传统湿物理参数化方案和其他神经网络能够准确再现社区大气模式超参数版本SPCAM的模拟结果，模拟的湿物理过程中的湿度和温度变化趋势、云水和云冰含量，降水等偏差也远小于它们。
-
公开(公告)号：CN114896826B
公开(公告)日：2022-09-09
申请号：CN202210819294.5
申请日：2022-07-13
Applicant: 成都信息工程大学
IPC: G06F30/20 , G06F30/17 , G06N3/04 , G06N3/08 , G06F111/10
Abstract: 本发明涉及一种基于物理学结合残差注意力网络的行星边界层参数化方法，设计一种同时结合物理学和深度学习的残差注意力网络，包括依次连接的八个时空结合模块，每个时空结合模块包括通道注意力模块CAB和空间注意力模块PNSAB，通过卷积、CAB模块和PNSAB模块提取重要特征和模拟具体的物理过程，CAB模块用来模拟大气湍流过程中的能量交换，让网络不断地学习大气物理常识，PNSAB模块去挑选对于预测结果比较重要的气象要素，能够有效的替换传统模式中的参数化，设计的多个模块协同作用模拟边界层中的物理过程。本发明的模型能更好地模拟边界层内的速度、温度、风速和水汽的垂直分布，同时使用较低的计算成本和较短的时间。
-
公开(公告)号：CN114419449B
公开(公告)日：2022-06-24
申请号：CN202210308387.1
申请日：2022-03-28
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种自注意力多尺度特征融合的遥感图像语义分割方法，所述分割网络包括特征编码器和解码器，特征编码器将前三个阶段不同尺度大小的特征图传递给解码器中对应的自注意力多尺度特征融合模块，解码器从最后一个阶段的特征图开始上采样并与自注意力多尺度特征融合的特征图进行叠加，逐步进行直到和第一阶段的特征图尺度一样，最后将所有尺度的特征图分别上采样至原图大小并对每个像素预测分类，并将四个尺度的预测结果进行融合得到最终的遥感图像语义分割结果，本发明方法能够有效融合不同尺度的遥感语义特征，提升分割性能。
-
公开(公告)号：CN114419449A
公开(公告)日：2022-04-29
申请号：CN202210308387.1
申请日：2022-03-28
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种自注意力多尺度特征融合的遥感图像语义分割方法，所述分割网络包括特征编码器和解码器，特征编码器将前三个阶段不同尺度大小的特征图传递给解码器中对应的自注意力多尺度特征融合模块，解码器从最后一个阶段的特征图开始上采样并与自注意力多尺度特征融合的特征图进行叠加，逐步进行直到和第一阶段的特征图尺度一样，最后将所有尺度的特征图分别上采样至原图大小并对每个像素预测分类，并将四个尺度的预测结果进行融合得到最终的遥感图像语义分割结果，本发明方法能够有效融合不同尺度的遥感语义特征，提升分割性能。
-
公开(公告)号：CN109272056B
公开(公告)日：2021-09-21
申请号：CN201811280097.0
申请日：2018-10-30
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于伪负样本的数据平衡方法及提高数据分类性能的方法，包括步骤：步骤1：正负样本分离，得到正样本集和负样本集；步骤2：计算得到负样本皮尔逊相关系数集合；步骤3：将伪负样本集和被挑选样本集初始化；步骤4：使用最大相关‑最小冗余方法计算权重，得到权重集合；步骤5：挑选出最大权重，更新伪负样本集和被挑选样本集；步骤6：重复步骤4和步骤5，直到挑选出伪负样本集；步骤7：将挑选出的伪负样本集并入正样本集，同时，从所述负样本集中剔除挑选出的伪负样本集；本发明首次提出并定义了伪负样本的概念，提出的算法可提高数据分类准确性，进而提高分类器性能，特别是在处理不平衡的生物信息数据方面优势明显。
-
Patent Agency Ranking
公开(公告)号：CN108921800B
公开(公告)日：2021-01-22
申请号：CN201810667226.5
申请日：2018-06-26
Applicant: 成都信息工程大学
IPC: G06T5/00
Abstract: 本发明公开了基于形状自适应搜索窗口的非局部均值去噪方法，包括：步骤1：输入噪声图像V，步骤2：计算噪声图像V在水平方向的梯度图像Vx和垂直方向的梯度图像Vy；步骤3：计算噪声图像V所对应的结构张量T(s,σ)；步骤4：计算得到当前像素i的形状自适应搜索窗口ASi；步骤5：划分图像块，计算相似性权重值w(i,j)；步骤6：计算得到当前像素i去噪后的像素值步骤7：逐行逐列扫描，依次对噪声图像V中的每一像素进行步骤4到步骤6的处理过程，直到处理完所有像素，输出去噪后的图像本发明方法使得到的估计值更接近真实值，对图像中边缘和纹理细节信息具有更好地保护能力，取得的去噪效果优于大小和形状固定搜索窗口的非局部均值去噪方法。
-
公开(公告)号：CN111127532B
公开(公告)日：2020-12-22
申请号：CN201911413634.9
申请日：2019-12-31
Applicant: 成都信息工程大学
Abstract: 本发明属于图像处理技术领域，公开了一种基于深度学习特征光流的医学图像形变配准方法及系统，提取像素所在图像块，用训练好的Siamese网络提取像素所在图像块的深度学习特征，基于该特征求解光流场。本发明通过Siamese特征提取良好的特征描述符，提高像素点的匹配精度；通过对比损失函数学习到的映射关系，使得在高维空间中相同类别但距离较远的点在特征维空间中距离更近；而不同类别但距离较近的点在特征维空间中距离更远；基于对比损失函数训练的Siamese卷积神经网络提取的Siamese特征比SIFT特征以及一般的深度学习特征等区分度更高、更稳定，更适宜于差异计算和得到更加准确的计算结果。
-
公开(公告)号：CN107341514B
公开(公告)日：2020-07-21
申请号：CN201710548763.3
申请日：2017-07-07
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于联合密度及角度的异常点和边缘点检测方法，本发明基于边缘点和异常点具有较低的局部密度和较小的角度方差变化的思想，结合数据集的角度与密度的联合信息，利用联合测度去判定样本点属于异常点和边缘点的程度，通过设置门限值自动确定特殊点。提出了一种较稳定的异常点与边缘点的检测方法，提高了边缘点与异常点检测的性能，可较好地反映数据集的特征，并且能够检测出噪音数据，更好的去除噪音。克服了现有技术在复杂数据集中特殊点检测的效果不好和不稳定的缺点。
-
公开(公告)号：CN109272056A
公开(公告)日：2019-01-25
申请号：CN201811280097.0
申请日：2018-10-30
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于伪负样本的数据平衡方法及提高数据分类性能的方法，包括步骤：步骤1：正负样本分离，得到正样本集和负样本集；步骤2：计算得到负样本皮尔逊相关系数集合；步骤3：将伪负样本集和被挑选样本集初始化；步骤4：使用最大相关-最小冗余方法计算权重，得到权重集合；步骤5：挑选出最大权重，更新伪负样本集和被挑选样本集；步骤6：重复步骤4和步骤5，直到挑选出伪负样本集；步骤7：将挑选出的伪负样本集并入正样本集，同时，从所述负样本集中剔除挑选出的伪负样本集；本发明首次提出并定义了伪负样本的概念，提出的算法可提高数据分类准确性，进而提高分类器性能，特别是在处理不平衡的生物信息数据方面优势明显。
-
公开(公告)号：CN107341514A
公开(公告)日：2017-11-10
申请号：CN201710548763.3
申请日：2017-07-07
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于联合密度及角度的异常点和边缘点检测方法，本发明基于边缘点和异常点具有较低的局部密度和较小的角度方差变化的思想，结合数据集的角度与密度的联合信息，利用联合测度去判定样本点属于异常点和边缘点的程度，通过设置门限值自动确定特殊点。提出了一种较稳定的异常点与边缘点的检测方法，提高了边缘点与异常点检测的性能，可较好地反映数据集的特征，并且能够检测出噪音数据，更好的去除噪音。克服了现有技术在复杂数据集中特殊点检测的效果不好和不稳定的缺点。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.037 seconds)
