面向特定社会群体的网络舆情主题发现及趋势预测方法

    公开(公告)号:CN112364164A

    公开(公告)日:2021-02-12

    申请号:CN202011260902.0

    申请日:2020-11-12

    Inventor: 郁云

    Abstract: 面向特定社会群体的网络舆情主题发现及趋势预测方法,属于自然语言处理技术领域,首先将收集的面向特定社会人群的网络舆情文档通过文本预处理后,输入到舆情主题发现模型进行主题发现和文档主题分类,而后由领域专家人工对分主题的文档进行情感极性人工标注,再基于预训练中文语义理解模型,实现对舆情文档的情感极性分类;最后对历史舆情文档集进行时间序列分析,输出舆情发展趋势预测结果。本发明实现了对网络舆情文档的主题自动发现,极大提高了主题对文档的舆论内容和情感倾向的覆盖范围;充分利用上下文信息,提高了模型对训练文本的利用效率,适合广泛应用于针对各类网络舆论主题的,面向各特定社会群体的网络舆情分析预测场景。

    一种基于自动标注和迁移学习的密集堆垛目标检测方法

    公开(公告)号:CN110866476A

    公开(公告)日:2020-03-06

    申请号:CN201911074733.9

    申请日:2019-11-06

    Inventor: 郁云

    Abstract: 一种基于自动标注和迁移学习的密集堆垛目标检测方法,由高分辨率图像分割建立已标注的训练图像集;然后将已标注的训练图像集输入已预训练的目标检测模型YOLOv3,优化YOLOv3模型的先验框尺寸和损失函数,利用训练图像集对模型进行精调;最后将待检测图像输入精调后的YOLOv3模型,输出目标子区域的分类和子区域位置,再将输出结果图拼接恢复成原始图像,并统计总计数结果。本发明方法具有很强的抗干扰性和鲁棒性,对图像拍摄者和拍摄光照条件的要求较低;通过无监督学习方法,实现了图像的准自动标注,极大降低了人工标注的工作量,提高了模型训练效率;能用于包含大量相互遮挡的密集堆垛目标的图像识别,适合各种密集堆垛目标自动计数的场景。

    一种地表太阳辐射预测方法及系统

    公开(公告)号:CN115860261A

    公开(公告)日:2023-03-28

    申请号:CN202211705847.0

    申请日:2022-12-29

    Inventor: 郁云 杨波

    Abstract: 本发明公开了一种地表太阳辐射预测方法及系统,获取用于预测的云图图像集,对云图图像集进行预处理,得到云图时序序列;通过天文学规律计算大气层顶辐射,获取地表水平辐射测量值,确定云图时序序列对应的云辐射衰减时间序列数据;将云图时序序列和云辐射衰减时间序列数据输入到预先训练好的基于3D卷积神经网络构造的云辐射衰减预测模型,输出未来时刻的云辐射衰减预测,利用云辐射衰减率计算模型计算出未来地表水平辐射预测值。优点:利用3D卷积神经网络可以同时提取图像特征和图像序列时变特征的能力,直接建立云图图像序列特征与未来时刻云对辐射的衰减之间的关联关系,在复杂天气条件下获得了稳定的预测精度。

    一种结合支持向量机阈值统计与斑点检测的钢管计数方法

    公开(公告)号:CN105976390B

    公开(公告)日:2018-09-18

    申请号:CN201610356789.3

    申请日:2016-05-25

    Inventor: 郁云 魏瑾 徐坚

    Abstract: 本发明提供了一种结合支持向量机阈值统计与斑点检测的钢管计数方法,步骤包括:将待识别的钢管堆垛横截面二维图像处理为堆垛横截面灰度图像;利用SVM算法对灰度图像进行分类,再对目标子区域的圆度特征参数和面积特征参数进行阈值统计,再根据阈值统计结果生成圆度阈值范围和面积阈值范围;利用斑点检测算法对堆垛横截面灰度图像中的类圆斑点进行识别,再利用圆度阈值范围和面积阈值范围对识别结果进行筛选,最后统计筛选斑点集合内的斑点个数即为目标钢管数。该钢管计数方法具有很强的抗干扰性和鲁棒性,对图像拍摄的要求较低,对于包含大量钢管目标的图像识别,在较低算法复杂度下,表现出优秀的性能,适合嵌入移动类设备实现实时计数。

    一种结合支持向量机阈值统计与斑点检测的钢管计数方法

    公开(公告)号:CN105976390A

    公开(公告)日:2016-09-28

    申请号:CN201610356789.3

    申请日:2016-05-25

    Inventor: 郁云 魏瑾 徐坚

    CPC classification number: G06T7/0004 G06K9/4633 G06K9/6269 G06T2207/30242

    Abstract: 本发明提供了一种结合支持向量机阈值统计与斑点检测的钢管计数方法,步骤包括:将待识别的钢管堆垛横截面二维图像处理为堆垛横截面灰度图像;利用SVM算法对灰度图像进行分类,再对目标子区域的圆度特征参数和面积特征参数进行阈值统计,再根据阈值统计结果生成圆度阈值范围和面积阈值范围;利用斑点检测算法对堆垛横截面灰度图像中的类圆斑点进行识别,再利用圆度阈值范围和面积阈值范围对识别结果进行筛选,最后统计筛选斑点集合内的斑点个数即为目标钢管数。该钢管计数方法具有很强的抗干扰性和鲁棒性,对图像拍摄的要求较低,对于包含大量钢管目标的图像识别,在较低算法复杂度下,表现出优秀的性能,适合嵌入移动类设备实现实时计数。

    一种基于自动标注和迁移学习的密集堆垛目标检测方法

    公开(公告)号:CN110866476B

    公开(公告)日:2023-09-01

    申请号:CN201911074733.9

    申请日:2019-11-06

    Inventor: 郁云

    Abstract: 一种基于自动标注和迁移学习的密集堆垛目标检测方法,由高分辨率图像分割建立已标注的训练图像集;然后将已标注的训练图像集输入已预训练的目标检测模型YOLOv3,优化YOLOv3模型的先验框尺寸和损失函数,利用训练图像集对模型进行精调;最后将待检测图像输入精调后的YOLOv3模型,输出目标子区域的分类和子区域位置,再将输出结果图拼接恢复成原始图像,并统计总计数结果。本发明方法具有很强的抗干扰性和鲁棒性,对图像拍摄者和拍摄光照条件的要求较低;通过无监督学习方法,实现了图像的准自动标注,极大降低了人工标注的工作量,提高了模型训练效率;能用于包含大量相互遮挡的密集堆垛目标的图像识别,适合各种密集堆垛目标自动计数的场景。

Patent Agency Ranking