-
公开(公告)号：CN107944482B
公开(公告)日：2021-10-19
申请号：CN201711141786.9
申请日：2017-11-17
Applicant: 上海海洋大学
Abstract: 本发明涉及一种基于半监督学习的高光谱图像的降维方法，所述方法包括以下步骤：构造改进的半监督相似权重矩阵Q；计算相似权重矩阵的对角矩阵D*以及拉普拉斯矩阵L*；根据半监督相似权重矩阵构造改进后的目标函数；根据目标函数求解广义特征方程；求解转换矩阵A＝(a1，a2，…，ad)以及低维子空间Y＝ATX＝{y1,y2,…,yN}。其优点表现在：利用样本的类标信息，又考虑了样本点之间的邻域信息，能够最小化同类样本间的距离，最大化不同类样本间的距离，从而提高了样本的分类精度。
-
公开(公告)号：CN113326864A
公开(公告)日：2021-08-31
申请号：CN202110365966.5
申请日：2021-04-06
Applicant: 上海海洋大学
Abstract: 一种图像检索模型训练方法，该模型的损失函数其中，m是全部样本的数量；P为正样本对集合；Pi为第i个样本作查询样本时，正样本对的集合；N为负样本对集合；Ni为第i个样本作查询样本时，负样本对的集合；n为选择的负样本对数量；δ为负样本对相似度从高到底排序的顺序(1‑n)；r为阈值参数，代表对负样本对优化的权重；λ、d为阈值参数，共同表示将正负样本拉开的距离；S表示相似度；Sik表示第i个样本和第k的样本的相似度；α、β为阈值参数，分别代表对正样本对损失的权重和对负样本对损失的权重。
-
公开(公告)号：CN110400276A
公开(公告)日：2019-11-01
申请号：CN201910671108.6
申请日：2019-08-28
Applicant: 上海海洋大学
Abstract: 一种高光谱图像去噪方法，该方法根据高光谱图像数据中局部空间低秩先验、光谱低秩先验和全局光谱低秩先验，基于地物类别建立低秩矩阵恢复模型；根据不同的地物类别对高光谱图像分块；在高光谱图像局部分块内去除噪声；对整个高光谱图像空间数据和光谱数据内再一次去除噪声。
-
公开(公告)号：CN110197307A
公开(公告)日：2019-09-03
申请号：CN201910477316.2
申请日：2019-06-03
Applicant: 上海海洋大学
Abstract: 本发明公开了一种结合注意力机制的区域型海表面温度预测方法，步骤包括：1)、将区域内每天的SST数据处理成一个矩阵，依次按时间先后进行排列，构成矩阵序列，作为CA-ConvLSTM模型的输入；2)、对SST矩阵进行处理，通过卷积层提取各个记录点的分布特征；3)、利用注意力机制为获得的矩阵特征分配注意力权重，然后将注意力权重乘上对应的矩阵特征，得到加权特征；4)、最后，将加权特征作为ConvLSTM模型的输入，利用ConvLSTM训练预测模型，最终获得预测结果。本发明将区域内SST整理为一个矩阵，作为一个整体输入到模型中，便于模型提取SST的时间和空间相关性。
-
公开(公告)号：CN105913402B
公开(公告)日：2019-04-16
申请号：CN201610341777.3
申请日：2016-05-20
Applicant: 上海海洋大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于DS证据理论的多幅遥感图像融合去噪方法,该方法具体包括以下步骤：选取同一位置某一时间段的多幅遥感图像，然后对每幅图像建立四个噪声模型；对四个噪声模型进行数据统计分析，并得到每个模型下每个像素点是噪声的概率，作为DS证据理论的基本概率分配；使用DS证据理论融合规则将四个证据融合成一个证据，得到每幅图像每个像素点是噪声的概率；重复使用DS证据理论的融合规则，将多幅遥感图像的信息融合起来，得到多幅遥感图像融合的总证据；最终根据证据计算出信任区间，并利用设计好的决策规则进行去噪，得到融合去噪的图像。其优点表现在：凭借丰富的信息源，实现去噪的同时更好的保留遥感图像边缘纹理细节。
-
Patent Agency Ranking
公开(公告)号：CN109190800A
公开(公告)日：2019-01-11
申请号：CN201810898056.1
申请日：2018-08-08
Applicant: 上海海洋大学
Abstract: 本发明公开了一种基于spark框架的海面温度预测方法，包括如下步骤：在spark框架下启动动态时间归整DTW算法，并从分布式文件系统中将数据载入到Spark集群，完成数据的预处理；将完成预处理的数据collect到本地生成类比模式和参考模式；在Spark框架下，调用Spark的工作集群，计算类比模式与参考模式的动态时间归整距离DTW；按动态时间归整DTW距离的大小排序后，取出前k个类比模式作为训练集，训练一个具有预测能力的模型；将参考模式作为预测模型的输入得到输出结果，再对输出结果进行反归一化处理得到最终预测结果。本发明通过历史海面温度时间序列数据预测出未来五天内的海面温度，有效克服了现有海面温度预报中预报效率和预报精度不高的问题。
-
公开(公告)号：CN109117883A
公开(公告)日：2019-01-01
申请号：CN201810918499.2
申请日：2018-08-13
Applicant: 上海海洋大学
IPC: G06K9/62
Abstract: 本发明属于海冰监测技术领域，公开了一种基于长短时记忆网络的SAR影像海冰分类方法及系统，以多幅连续观测的海冰SAR影像数据直接作为长短时记忆网络训练输入提取特征，并在网络训练中将海冰的密集度数据作为一维特征一起参与分类网络的训练，得到兼顾空间和时间维度的海冰分类网络；考虑未知海冰密集度数据的情况下，先训练基于长短时记忆网络的海冰密集度预测模型，然后将预测的密集度数据和SAR影像图像数据集合输入训练好的海冰分类网络进行分类。本发明在SAR影像海冰的分类中考虑到时间演变过程中海冰类别变化的时间维度特征，对于相近海冰类别的识别率具有很大的提升。
-
公开(公告)号：CN105117497B
公开(公告)日：2018-12-07
申请号：CN201510626937.4
申请日：2015-09-28
Applicant: 上海海洋大学
IPC: G06F17/30
Abstract: 本发明涉及一种基于Spark云网络的海洋大数据主从索引系统及方法，尤其适用于具有空间自相关性、强相似性、实时等特点的海洋大数据；将大数据时代物联网、云计算等技术应用于分布式索引领域，以物联网作为海洋信息采集的触角，依托聚类思想设计数据划分策略，并将数据分布式部署和存储到各物理云；结合多层主从索引结构实现多源海洋数据快速一站式调用，满足各类海上预警及应急模型中高性能计算、强实时反馈、高频度查询等需求。采用该种结构的基于Spark云网络的海洋大数据主从索引系统及方法，以物理云存储为基础，保证了多源数据毫秒级查询响应需求，从而聚焦快速实时灾害反演及预警，加快了海洋防灾减灾等的数字化和信息化进程。
-
公开(公告)号：CN108520279A
公开(公告)日：2018-09-11
申请号：CN201810326062.X
申请日：2018-04-12
Applicant: 上海海洋大学
Abstract: 本发明涉及一种局部稀疏嵌入的高光谱图像半监督降维方法，所述方法包括以下步骤：步骤S1.设高维空间RD中存在数据集X＝{x1，x2，…，xl，xl+1，…，xl+u}，l+u＝N，其中前l个样本Xl为有类标样本，类别标签为c，各类样本数为Ni，i＝(1，2，…，c)，后u个样本Xu是无类标样本；步骤S2.通过稀疏表示构建稀疏系数矩阵S；步骤S3.基于半监督局部稀疏嵌入投影算法构造投影矩阵W；步骤S4.根据投影矩阵W，求出低维子空间Y＝WTX＝{y1，y2，…，yN}。其优点表现在：通过对高光谱图像进行局部稀疏嵌入的半监督降维，既利用了数据的类标信息，也保持了数据局部特性且降低了图像的噪声信息，从而提高了图像的分类精度。
-
公开(公告)号：CN107944482A
公开(公告)日：2018-04-20
申请号：CN201711141786.9
申请日：2017-11-17
Applicant: 上海海洋大学
CPC classification number: G06K9/6268 , G06K9/6215 , G06K9/6276 , G06K9/66
Abstract: 本发明涉及一种基于半监督学习的高光谱图像的降维方法，所述方法包括以下步骤：构造改进的半监督相似权重矩阵Q；计算相似权重矩阵的对角矩阵D*以及拉普拉斯矩阵L*；根据半监督相似权重矩阵构造改进后的目标函数；根据目标函数求解广义特征方程；求解转换矩阵A＝(a1，a2，…，ad)以及低维子空间Y＝ATX＝{y1,y2,…,yN}。其优点表现在：利用样本的类标信息，又考虑了样本点之间的邻域信息，能够最小化同类样本间的距离，最大化不同类样本间的距离，从而提高了样本的分类精度。
-
-
-
-
-
-
-
-
-
Search Results
155
records
(took 0.025 seconds)
