-
公开(公告)号:CN107070638A
公开(公告)日:2017-08-18
申请号:CN201710259920.9
申请日:2017-04-20
Applicant: 上海海洋大学
Abstract: 本发明涉及一种动态加权门限的海洋遥感影像秘密共享方法,其特征在于,所述的动态加权门限海洋遥感影像秘密共享方法,包括初始化阶段模块、影像特征生成哈希值模块、影子信息分发模块、秘密影像恢复模块。优点在于,支持参与者动态变化,且不需要重新分发子秘密,减少实施代价;每个子秘密由参与者自己保存,在对影像恢复时,每个参与者所持有的子秘密本身不必公开,只需提出子秘密的影子信息方可恢复影像,保证子秘密的复用性;引入公告牌发布辅助信息;基于中国剩余定理实现了带权重参与者的秘密共享,并将共享的子秘密转化为多项式线性组合,使得方法可以动态添加或更新秘密,具有灵活性。
-
公开(公告)号:CN106980791A
公开(公告)日:2017-07-25
申请号:CN201710200312.0
申请日:2017-03-30
Applicant: 上海海洋大学
IPC: G06F21/60
Abstract: 本发明涉及一种云环境下扩展加权门限海洋遥感影像秘密共享方案及方法,包括以下步骤:构造o‑mignotte模块根据参与者权重分布,构造两两互素的o‑mignotte序列,并计算每一个秘密片段的位数;敏感区影像的分块模块确定影像的分块个数并利用基于遥感影像灰度值的哈希算法计算影像的哈希序列;遥感影像秘密共享模块将计算得到的秘密片段分别嵌入到选择的宿主图像中,获得影子图像;遥感影像秘密恢复模块选择权重之和大于或等于权重门限的任意参与者提供的影子影像,用于原始秘密影像无损恢复。其优点表现在:实现了无论参与者的权重大小如何,每个参与者保存一个秘密份额,最终在简化密钥管理与使用的同时减少了秘密信息的传输量,加强了方案的安全性和灵活性。
-
公开(公告)号:CN102005105B
公开(公告)日:2012-10-31
申请号:CN201010292792.6
申请日:2010-09-27
Applicant: 上海海洋大学
Abstract: 本发明公开了一种基于时间序列相似匹配和GPS/陀螺仪、电子指南针的海洋灾害预警装置,该装置包括GPS模块、陀螺仪、电子指南针、视频获取设备、多点触控设备、数据处理装置、传感器、GIS和LBS基于位置服务、报警装置等。所述的GPS模块、陀螺仪、电子指南针三部分构成定位装置,获得定位信息。GIS和LBS基于位置服务用于地理位置的精确确定,叠加更多现实世界信息。数据处理装置存储历年海洋灾害发生时记载的特征数据及处理方法,并把传感器获得实时数据采用相似匹配的方法告知海洋灾害预警装置是否处在危险地带。最后,多点触控手持设备会在海洋灾害预警装置处在危险地段时发出警报声,及屏幕显示为红色区域,用户可以多点滑动找到安全地段并撤退或指导撤退。本发明不仅可以用于海上作业人员、普通渔民和研究员,而且领导可以把其作为一种辅助决策的手段,具有实时性,易于携带。
-
公开(公告)号:CN102081764A
公开(公告)日:2011-06-01
申请号:CN201110004234.X
申请日:2011-01-11
Applicant: 上海海洋大学
Abstract: 本发明提供一种基于ULDB的海洋环境监测数据管理系统。该系统包括数据采集、数据存储、数据检验、不确定性数据管理、数据分析、数据展示六个功能模块。海洋环境监测数据质量直接影响海洋环境管理决策的科学性。将海洋环境监测领域内的不确定性数据采用ULDB(Databases with Uncertainty and Lineage)进行存储,根据世系函数查找不确定性数据的来源,并根据用户需求和业务特点定义top-k查询语义,满足用户的不同需求。该系统能够有效的利用海洋环境监测数据,为海洋环境管理决策提供科学支持。
-
公开(公告)号:CN109840358B
公开(公告)日:2023-04-07
申请号:CN201910018341.4
申请日:2019-01-09
Applicant: 上海海洋大学
Abstract: 本发明公开了一种基于航迹时域差分的航迹分段方法,包括如下步骤:1)提取原始航迹数据中包含必要信息的航迹点作为可用航迹数据,并进行插值拟合处理,减少因数据缺失或采样间隔差异对采样点空间密度分布的影响;2)根据采样点的经纬度计算得到航迹点的航程数据,并采用差分法对航迹做多阶差分处理,在多阶差分数据的基础上通过归一化方法求得航程损失与航速标准差的平衡点,确定差分步长;3)计算原始航迹数据的平均航速作为分段阈值,实现航迹分段。本发明采用差分法来进行航迹分段,解决了基于速率阈值划分的分段过多问题,可动态确定差分步长,保证航程计算损失和停留区边界失真较小的前提下实现航迹的准确划分。且方法的时间效率更优。
-
公开(公告)号:CN109190800B
公开(公告)日:2021-12-10
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:CN106971204A
公开(公告)日:2017-07-21
申请号:CN201710209001.0
申请日:2017-03-31
Applicant: 上海海洋大学
IPC: G06K9/62
CPC classification number: G06K9/6232
Abstract: 本发明涉及一种新的基于粗集的高光谱遥感数据的降维方法,所述方法包括以下步骤:对原始的高光谱遥感影像预处理,剔除噪声干扰波段,预选地物类型,确定其拓扑结构;粗集约简,使用粗集方法去除冗余波段,保留重要波段;信息熵排序,根据信息熵对重要波段进行重要度排序,筛选出对分类结果影响大的波段组合;通过筛选出的波段组合与PCA方法进行分类精度比较,验证降维效果。其优点表现在:可以实现高光谱有效的降维,减少高光谱数据的存储量和传输量,利于高光谱图像的后续处理与分析。
-
公开(公告)号:CN106816039A
公开(公告)日:2017-06-09
申请号:CN201710200344.0
申请日:2017-03-30
Applicant: 上海海洋大学
Abstract: 一种船舶巡航预警动态监测方法,包括以下步骤:S1:与船舶进行通信,获取船舶数据;S2:计算船舶航行空间范围;S3:获取海洋数据,并形成数据集;S4:利用算法对数据集进行优化;S5:形成危险区域;S6:将危险区域数据传输到船舶;所述的船舶数据包括当前航行位置、当前航行速度,所述的船舶航行空间范围为以当前航行位置为中心、以24小时直线航行距离为半径的圆形区域,所述的海洋数据包括海风数据、海浪数据。优点在于,快速有效的显示船舶未来24小时可能航行到的危险区域;动态查询监测,保证船舶航行安全;数据的采集方法既提高预警的准确性,也对船舶进行安全航行决策提供辅助支撑;利用改进的Jarvis算法,缩短工作时间,提高工作效率。
-
公开(公告)号:CN102376167A
公开(公告)日:2012-03-14
申请号:CN201010247961.4
申请日:2010-08-09
Applicant: 上海海洋大学
IPC: G08G1/0968 , G08G1/0969 , G06Q10/00 , G01S19/42
Abstract: 本发明是关于一种应用GPU技术和汽车GPS导航系统的受灾人员疏散管理系统,特别是针对一种海洋风暴潮灾害的受灾人员疏散管理系统。本发明主要由以下几个部分组成:一是中心控制平台,包括一个用于显示道路交通信息和救灾车辆位置信息,以及发送车辆行驶指挥信息的监控系统,一个利用数据库和GPU计算并选择最优疏散路径的数据处理模块;一是存储风暴潮灾害风险图的数据库和存储电子地图的数据库;一是对救灾车辆精确定位和实时指挥的汽车GPS导航系统。本发明主要是应用于受灾人员的疏散管理,针对风暴潮灾害时道路的实时交通状况,对救灾车辆从受灾点到安置点的行驶路线进行动态地监控和指挥,以使受灾人员能快速安全地疏散到各个安置点。
-
公开(公告)号:CN113326864B
公开(公告)日:2023-11-24
申请号:CN202110365966.5
申请日:2021-04-06
Applicant: 上海海洋大学
IPC: G06V10/774 , G06V10/74 , G06N20/00
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。
-
-
-
-
-
-
-
-
-