-
公开(公告)号：CN119250185B
公开(公告)日：2025-04-01
申请号：CN202411779017.1
申请日：2024-12-05
Applicant: 中南大学
IPC: G06N5/022
Abstract: 本申请涉及知识图谱技术领域，提供了一种基于矢量增量的耕地知识图谱更新方法及相关设备，该方法包括：获取多个耕地指标、多个耕地业务场景、多个数据类型，以及目标区域的多个耕地地块的标识；将每个耕地指标、每个耕地业务场景、每个数据类型、每个耕地地块的标识均作为耕地实体，并获取每两个耕地实体之间的实体关系；基于所有耕地实体和所有实体关系构建耕地知识图谱；构建用于对耕地知识图谱进行更新的多条规则；当接收矢量增量数据时，根据矢量增量数据从所有规则中确定出目标规则，并根据目标规则对耕地知识图谱进行更新，得到更新后的耕地知识图谱。本申请的方法能够提高对耕地知识图谱进行更新的准确性。
-
公开(公告)号：CN117743601B
公开(公告)日：2024-05-17
申请号：CN202410162567.2
申请日：2024-02-05
Applicant: 中南大学
Abstract: 本申请适用于自然语言处理技术领域，提供了一种自然资源知识图谱补全方法、装置、设备及介质，该方法包括：确定已知自然资源知识图谱中与新三元组相似的三元组集合，并确定已知自然资源知识图谱是否含有新三元组的知识信息；若未含有新三元组的知识信息，则分别对新三元组的头实体、关系和尾实体进行链接预测，并利用链接预测候选集中对新三元组的头实体、关系和尾实体进行替换，得到替换三元组；利用三元组集合和替换三元组构建知识对；利用知识对构建验证题目；根据多个用户对验证题目选择的答案选项筛选出目标三元组，并基于目标三元组对已知自然资源知识图谱进行补全。本申请能增强自动补全的自然资源知识图谱的可解释性。
-
公开(公告)号：CN115292532B
公开(公告)日：2024-03-15
申请号：CN202210729817.7
申请日：2022-06-24
Applicant: 中南大学
IPC: G06F16/532 , G06F16/55 , G06F16/583 , G06N3/0464 , G06N3/08 , G06V10/40 , G06V10/764 , G06V10/82
Abstract: 本发明涉及基于伪标签一致性学习的遥感图像域适应检索方法，包括如下步骤：A)获取遥感图像；B)构建输入数据、三元组卷积神经网络和损失函数；C)利用输入数据并结合所述损失函数对三元组卷积神经网络进行优化训练，利用训练好的三元组卷积神经网络提取目标域内的遥感图像的遥感图像特征向量，形成特征库向量，提取用户查询的查询特征向量，并将查询特征向量与特征库向量中的遥感图像特征向量进行比较，得到设定的相似度排名内的所述遥感图像特征向量。本发明的基于伪标签一致性学习的遥感图像域适应检索方法受目标域与源域的分布差异的影响小，检索效果好。
-
公开(公告)号：CN115471739A
公开(公告)日：2022-12-13
申请号：CN202210927707.1
申请日：2022-08-03
Applicant: 中南大学
IPC: G06V20/10 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , G06F16/583 , G06F16/55
Abstract: 本发明涉及基于自监督对比学习的跨域遥感场景分类与检索方法，包括如下步骤：A)获取遥感图像，构建输入数据；B)基于自监督对比学习并结合目标域图像的已知类样本和未知类样本构建损失函数，并构建深度域适应学习网络，并利用输入数据和损失函数对其进行训练；C)利用深度域适应学习网络对目标域图像进行分类，提取目标域图像的目标图像特征向量构建特征数据库，提取目标域查询图像的查询图像特征向量，计算查询图像特征向量与特征数据库中的目标图像特征向量的欧式距离，以基于欧式距离选出所需的检索目标。本发明的基于自监督对比学习的跨域遥感场景分类与检索方法能够在目标域存在未知类别的情况下仍具有良好的跨域分类与检索精度。
-
公开(公告)号：CN119250181A
公开(公告)日：2025-01-03
申请号：CN202411760570.0
申请日：2024-12-03
Applicant: 中南大学
Abstract: 本发明实施例中提供了一种基于耕地保护法规的时空知识图谱构建方法，属于数据处理技术领域，具体包括：利用模式层定义面向耕地保护法规的知识图谱的实体和关系表达，将实体作为耕地保护法规的知识图谱中的基本节点，将不同实体之间在语义层面上的关联性或依存性作为关系表达；利用数据层将土地类行政裁量基准文件中涉及耕地保护的基础数据、裁量基准数据及推理决策数据梳理为实体和关系表达的形式填充至面向耕地保护法规的知识图谱；根据实体和关系表达的形式将推理层分为规则推理机制、时空推理机制和学习推理机制；应用层根据规则推理机制、时空推理机制和学习推理机制的推理分析结果生成决策方案。通过本发明的方案，提高了针对性和适应性。
-
Patent Agency Ranking
公开(公告)号：CN119128195A
公开(公告)日：2024-12-13
申请号：CN202411165233.7
申请日：2024-08-23
Applicant: 中南大学
IPC: G06F16/58 , G06V10/764 , G06F16/55 , G06V10/80 , G06V10/82 , G06N3/0499
Abstract: 本公开实施例中提供了一种融合空间域和频率域的闭集域适应遥感图像分类检索方法，属于数据处理技术领域，具体包括：建立融合遥感图像空间域和频率域的闭集域适应模型；建立模型训练策略；将样本数据集按预设比例划分为训练集、测试集和验证集，通过训练集和模型训练策略训练闭集域适应模型，并通过测试集和验证集对其进行测试和验证，得到训练好的分类检索模型；将目标遥感图像输入训练好的分类检索模型，得到分类结果和检索结果。通过本公开的方案，解决了由于遥感图像背景复杂性与多源数据分布差异性的影响，复杂遥感图像跨域分类检索任务仅聚焦于空间域信息并不能得到很好的泛化结果的问题，提高了分类检索精准度和适应性。
-
公开(公告)号：CN118798743A
公开(公告)日：2024-10-18
申请号：CN202411278805.2
申请日：2024-09-12
Applicant: 中南大学 , 广州市阿尔法软件信息技术有限公司
IPC: G06Q10/0639 , G06N5/022 , G06N5/04 , G06Q10/10 , G06Q50/26 , G06F18/241
Abstract: 本申请适用于城市体检技术领域，提供了一种多维协同的城市体检智能决策系统，该系统包括用于获取对目标城市进行城市体检的多个阶段的时空数据的数据模块；用于根据时空数据，构建目标城市的城市体检指标体系的指标模块；用于根据城市体检指标体系，获取每个城市体检指标的指标特征的分析模块；用于根据指标特征，获取目标城市的评估结果的评估模块；用于根据评估结果，获取目标城市的治理决策的决策模块；用于构建目标城市进行城市体检的多个场景，并根据多个场景对治理决策进行分类，得到每个场景对应的治理决策的体检模块；本申请可以提高城市体检的效率，并且通过系统中各模块协同工作的特点体现出在辅助城市体检决策过程中的智能化优势。
-
公开(公告)号：CN116028588A
公开(公告)日：2023-04-28
申请号：CN202310301446.7
申请日：2023-03-27
Applicant: 中南大学
IPC: G06F16/29 , G06F16/23 , G06F16/2458
Abstract: 本发明涉及拓扑关系的增量复杂多边形更新方法，包括如下步骤：a对基态数据和增量数据进行预处理，并将预处理后的所述基态数据和所述增量数据记录在专业矢量数据库中；b遍历所述增量数据，在所述专业矢量基态数据库中检索与当前所述增量数据空间临近的所述基态数据；c计算所述增量数据和与所述增量数据临近的所述基态数据的拓扑关系；d根据所述增量数据和与所述增量数据临近的所述基态数据的所述拓扑关系，按照增量更新规则，逐个数据进行更新处理；e拓扑检查与质量控制。本发明提供一种能够在基态数据和增量数据均为带空洞的复杂多边形时进行增量更新的方法，实现了复杂增量多边形自动化更新与拓扑一致性的维护。
-
公开(公告)号：CN115292532A
公开(公告)日：2022-11-04
申请号：CN202210729817.7
申请日：2022-06-24
Applicant: 中南大学
IPC: G06F16/532 , G06F16/55 , G06F16/583 , G06N3/04 , G06N3/08 , G06V10/40 , G06V10/764 , G06V10/82
Abstract: 本发明涉及基于伪标签一致性学习的遥感图像域适应检索方法，包括如下步骤：A)获取遥感图像；B)构建输入数据、三元组卷积神经网络和损失函数；C)利用输入数据并结合所述损失函数对三元组卷积神经网络进行优化训练，利用训练好的三元组卷积神经网络提取目标域内的遥感图像的遥感图像特征向量，形成特征库向量，提取用户查询的查询特征向量，并将查询特征向量与特征库向量中的遥感图像特征向量进行比较，得到设定的相似度排名内的所述遥感图像特征向量。本发明的基于伪标签一致性学习的遥感图像域适应检索方法受目标域与源域的分布差异的影响小，检索效果好。
-
公开(公告)号：CN114694019A
公开(公告)日：2022-07-01
申请号：CN202210176333.4
申请日：2022-02-25
Applicant: 中南大学
IPC: G06V20/10 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/74 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明涉及遥感图像检测，公开了基于异常检测的遥感影像建筑物迁移提取方法，包括以下步骤:S1、利用开放数据集对深度语义分割网络模型进行训练，将遥感影像输入训练好的语义分割模型中，得到输出结果；S2、提取输出结果中的建筑预测结果和道路预测结果，并对建筑预测结果进行预处理，得到建筑层、非建筑层和待分层；S3、对建筑层进行异常检测并剔除异常后得到建筑样本，并将非建筑层作为非建筑样本；S4、将道路预测结果从待分层中擦除，结合建筑样本和非建筑样本对待分层进行重分类，得到重分类后的建筑物分类结果；S5、将建筑物分类结果与建筑样本叠加，得到建筑物迁移提取结果。本发明能够从遥感影像中提取建筑物，保证建筑物提取的总体精度。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.023 seconds)
