-
公开(公告)号：CN119989005A
公开(公告)日：2025-05-13
申请号：CN202510467901.X
申请日：2025-04-15
Applicant: 南京信息工程大学
IPC: G06F18/22 , G06F18/27 , G06F18/15 , G06F18/2131 , G06F18/25 , G06F18/214 , G06F18/21 , G06N3/045 , G06N3/049 , G06N3/084 , G01W1/10 , G06F123/02 , G06N3/048
Abstract: 本发明公开了一种基于深度时间索引注意力模型的海表温度预测方法，包括以下步骤：利用开源网站提供的插值海温OISST数据集，选取南海区域内5个观测点的海表温度SST数据；对采集到的一维海温数据和对应的时间索引数据进行预处理并将数据集划分为训练集、验证集和测试集；构建基于深度时间索引注意力的SST预测模型并进行训练，其中模型包括：傅里叶特征变换层、隐式神经表示INR层和双重注意力层构成；将测试集输入至训练好的模型进行预测，并对SST预测结果进行反标准化处理，最终与观测值比较；本发明使模型具有更优的泛化能力，添加注意力模块进一步提升了预测精度。
-
公开(公告)号：CN118364230B
公开(公告)日：2024-10-25
申请号：CN202410798770.9
申请日：2024-06-20
Applicant: 南京信息工程大学
IPC: G06F18/10 , G06F18/2135 , G06F18/214 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于EmaDformer的中长期海浪有效波高预测方法，包括以下步骤：（1）利用再分析数据集ERA5获取有效波高数据及其他环境海洋数据，并进行预处理，得到时间序列数据集；（2）利用主成分分析法PCA计算海洋环境数据的累计贡献率，并设置累计贡献率阈值，得到处理后的时间序列数据集；（3）构建EmaDformer模型，并进行训练，得到评价指标值和有效波高预测结果；（4）对预测结果进行反归一化得到有效波高预测值；本发明提高中长期预测性能，预测准确率明显提升。
-
公开(公告)号：CN104182511B
公开(公告)日：2017-09-26
申请号：CN201410413719.8
申请日：2014-08-20
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 针对现有的WFCM算法在聚类时没有考虑样本硬划分实际情况且对样本分布不均衡情况数据聚类效果不好，FCS算法没有考虑硬划分边界点的情况以及忽略样本特征参数对各类聚类影响的问题，本发明公开了一种簇特征加权的模糊紧致散布聚类方法,通过对样本隶属度、特征权重进行调整，遵循了样本硬划分的实际情况，并充分考虑样本特征参数对各类聚类的影响，尽可能使得样本类内紧致、类间分散，解决了位于硬划分边界的样本隶属度问题，在样本分布不均衡情况下对于噪声数据和异常数据实现了更有效的划分。本方法聚类性能良好，收敛速度快、迭代效率高。聚类性能良好，迭代效率高，适于应用在工业控制中样本分布不均衡、实时性、准确率要求高的场合。
-
公开(公告)号：CN103235954A
公开(公告)日：2013-08-07
申请号：CN201310147108.9
申请日：2013-04-23
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于改进AdaBoost算法的地基云图识别方法，使用聚类算法将云目标与背景分离，仅对云目标进行特征提取，计算特征值用于云的识别，从而提高了识别的准确率；使用AdaBoost集成算法将SVM学习算法训练出的多个单个分类器进行集成，在训练数据过程中对SVM算法中的参数进行合理的调整，使得训练出的分类器具有多样性，不仅提高了云图识别的准确率，而且使得泛化性能得到很大的改善。由于使用了集成算法，对单个分类器设计的要求并不高，这有效的降低了单个分类器设计难度；本发明结构简单，利用现有的图形采集设备和普通计算机即可进行实现，提高了实用性和适用性。
-
公开(公告)号：CN118378665A
公开(公告)日：2024-07-23
申请号：CN202410817315.9
申请日：2024-06-24
Applicant: 南京信息工程大学
IPC: G06N3/0455 , G06N3/0464 , G06F18/15 , G06F18/214 , G06F18/21 , G06F18/25 , G06N3/082
Abstract: 本发明公开了基于注意力的多尺度残差U‑Net的海洋中尺度涡旋检测方法，包括以下步骤：（1）获取海平面异常数据SLA，选取海表面温度数据SST，选取基于卫星高度计的海洋涡旋识别追踪数据集；（2）对基于卫星高度计的海洋涡旋识别追踪数据集制作涡旋标签，对海平面异常数据和海表面温度数据进行归一化处理；（3）对得到的归一化结果进行拼接；遍历涡旋标签数据，根据预设的区域对涡旋标签进行数组截取，得到涡旋标签数据集；（4）构建双交叉多尺度特征融合网络模型并进行训练；（5）将测试集输入最优的模型中进行性能测试，得到测试结果，将测试结果与涡旋标签进行对比得到评价指标；本发明提升了检测精度与效率。
-
Patent Agency Ranking
公开(公告)号：CN118364230A
公开(公告)日：2024-07-19
申请号：CN202410798770.9
申请日：2024-06-20
Applicant: 南京信息工程大学
IPC: G06F18/10 , G06F18/2135 , G06F18/214 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于EmaDformer的中长期海浪有效波高预测方法，包括以下步骤：（1）利用再分析数据集ERA5获取有效波高数据及其他环境海洋数据，并进行预处理，得到时间序列数据集；（2）利用主成分分析法PCA计算海洋环境数据的累计贡献率，并设置累计贡献率阈值，得到处理后的时间序列数据集；（3）构建EmaDformer模型，并进行训练，得到评价指标值和有效波高预测结果；（4）对预测结果进行反归一化得到有效波高预测值；本发明提高中长期预测性能，预测准确率明显提升。
-
公开(公告)号：CN117807518A
公开(公告)日：2024-04-02
申请号：CN202410233603.X
申请日：2024-03-01
Applicant: 南京信息工程大学
IPC: G06F18/2413 , G01W1/10 , G06F18/15 , G06Q50/26
Abstract: 本发明公开了常规天气图上槽线或切变线的自动识别方法、系统及设备，涉及气象预报技术领域，包括以下步骤：接收风向相关数据，对风向相关数据进行处理，得到风向相关处理数据集，对风向相关处理数据集从上而下、自西向东寻找异常点；根据异常点的风向，以异常点为中心，在周围寻找与其有风切变的点，然后利用反距离权重插值法在异常点与有风切变的点进行插值，得到一个插值点；在异常点以东或者西南方向寻找下一个异常点，利用反距离权重插值法计算得出一个插值点，在不再出现异常点时停止计算，得出多个插值点；将多个插值点进行折线拟合，之后再进行平滑处理，若出现两个或两个以上的拐点就分段分析，绘制得出一条或多条完整的槽线或切变线。
-
公开(公告)号：CN112984311A
公开(公告)日：2021-06-18
申请号：CN202110253539.8
申请日：2021-03-08
Applicant: 南京信息工程大学
Abstract: 本发明属于物联网技术领域，尤其为一种基于物联网的数据分析处理装置，包括分析仪本体，所述分析仪本体的底部设置有海绵，所述海绵的底部设置有底板，所述底板的底部设置有方向轮，所述底板的一侧设置有支撑柱，所述支撑柱的一侧设置有限位柱，所述限位柱的内部贯穿设置有长型螺栓。通过方向轮便于将分析仪本体移动携带，改变以往需要抬着移动的现象，使其携带起来更为便捷，通过安装的太阳能板和安装板，可以将太阳能转换为电能，绿色环保，适合户外使用，方便调节太阳能板的角度，方便折叠，方便携带，通过海绵设置在底板和分析仪本体之间，可以将底板顶部及分析仪本体底部的潮气吸干，防止潮气影响分析仪本体的使用。
-
公开(公告)号：CN103246894B
公开(公告)日：2016-01-13
申请号：CN201310144406.2
申请日：2013-04-23
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种解决光照不敏感问题的地基云图识别方法，使用Retinex算法减弱或消除太阳光照对云图样本的影响，获取增强云图图像样本，便于提取光照不变量相关特征，能够提高云图的识别率；使用聚类算法将云目标与背景分离，仅对云目标进行特征提取，计算特征值用于云的识别，从而提高了识别的准确率；使用AdaBoost集成算法将SVM学习算法训练出的多个单个分类器进行集成，在训练数据过程中对SVM算法中的参数进行合理的调整，使得训练出的分类器具有多样性，不仅提高了云图识别的准确率，而且使得泛化性能得到很大的改善。
-
公开(公告)号：CN104834708A
公开(公告)日：2015-08-12
申请号：CN201510214209.2
申请日：2015-04-29
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于兴趣度度量的频繁模式挖掘方法，其特征在于，包括如下步骤：步骤一：用户指定top k结果频繁集合中的元素数量k；步骤二：用户指定原始数据集，原始数据集即需要进行挖掘的频繁模式数据集；步骤三：读入原始数据集中的数据；步骤四：将原始数据集中的出现的元素，按照出现频率从大到小排列，组成元素集合IS；步骤五：针对元素集合IS，逐个生成备选频繁项集S；并进行检查，检查中符合条件的项集更新到top k结果频繁集合中；步骤六：输出top k结果频繁集合中的内容。本发明使用兴趣度度量作为频繁模式挖掘结果的评判依据，提高了挖掘结果的实用性；减少了算法输入参数的数量，方便用户使用。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.032 seconds)
