-
公开(公告)号：CN118038291B
公开(公告)日：2024-06-25
申请号：CN202410431029.9
申请日：2024-04-11
Applicant: 厦门大学
IPC: G06V20/13 , G06V20/10 , G06V10/80 , G06V10/52 , G06V10/58 , G06V10/26 , G06V10/54 , G06V10/56 , G06V10/764 , G06V10/82 , G06N3/084
Abstract: 本发明公开了一种基于面向对象的河口海湾水体自动提取方法，包括以下步骤：S1、分别对Sentinel‑2图像、ASTER GDEM图像、SAR图像和TIR波段图像进行预处理，得到多通道融合图像；S2、采用手动标注和半监督学习方法标注近岸区域的水体样本与非水体样本，得到样本数据；S3、采用面向对象的方法分割图像并通过最大响应法，得到最优分割结果；S4、基于各个图像数据计算最优分割结果下各个对象的特征参数；S5、以特征参数为输入变量，样本数据为训练样本，构建BP神经网络并进行训练，通过训练后的BP神经网络对河口海湾的水体范围进行自动提取；该方法灵活易用，无须任何先验知识，即可得到高精度的河口海湾水体范围，能有效减少近岸区域陆地和水体错分的现象。
-
公开(公告)号：CN117973237B
公开(公告)日：2024-06-25
申请号：CN202410387927.9
申请日：2024-04-01
Applicant: 厦门大学
IPC: G06F30/27 , G06F111/04
Abstract: 本发明公开了一种基于领域适应和机器学习的无资料流域径流模拟方法，包括以下步骤：S1、分别收集有资料流域和无资料流域的气象数据和地理数据，及收集有资料流域的径流数据，并进行数据预处理；S2、利用随机森林特征重要程度和递归特征消除算法进行模型输入参数选取；S3、利用核均值匹配算法为有资料流域输入数据集中的每个样本分配权重，降低有资料流域和无资料流域之间输入数据集的均值分布差异；S4、利用核均值匹配算法处理后的有资料流域输入数据集构建随机森林模型，并将无资料流域的输入数据集输入到模型中进行径流模拟；该发明灵活易用，对数据量的依赖性较低，能够有效提升无资料流域的径流模拟精度。
-
公开(公告)号：CN117973237A
公开(公告)日：2024-05-03
申请号：CN202410387927.9
申请日：2024-04-01
Applicant: 厦门大学
IPC: G06F30/27 , G06F111/04
Abstract: 本发明公开了一种基于领域适应和机器学习的无资料流域径流模拟方法，包括以下步骤：S1、分别收集有资料流域和无资料流域的气象数据和地理数据，及收集有资料流域的径流数据，并进行数据预处理；S2、利用随机森林特征重要程度和递归特征消除算法进行模型输入参数选取；S3、利用核均值匹配算法为有资料流域输入数据集中的每个样本分配权重，降低有资料流域和无资料流域之间输入数据集的均值分布差异；S4、利用核均值匹配算法处理后的有资料流域输入数据集构建随机森林模型，并将无资料流域的输入数据集输入到模型中进行径流模拟；该发明灵活易用，对数据量的依赖性较低，能够有效提升无资料流域的径流模拟精度。
-
公开(公告)号：CN118038291A
公开(公告)日：2024-05-14
申请号：CN202410431029.9
申请日：2024-04-11
Applicant: 厦门大学
IPC: G06V20/13 , G06V20/10 , G06V10/80 , G06V10/52 , G06V10/58 , G06V10/26 , G06V10/54 , G06V10/56 , G06V10/764 , G06V10/82 , G06N3/084
Abstract: 本发明公开了一种基于面向对象的河口海湾水体自动提取方法，包括以下步骤：S1、分别对Sentinel‑2图像、ASTER GDEM图像、SAR图像和TIR波段图像进行预处理，得到多通道融合图像；S2、采用手动标注和半监督学习方法标注近岸区域的水体样本与非水体样本，得到样本数据；S3、采用面向对象的方法分割图像并通过最大响应法，得到最优分割结果；S4、基于各个图像数据计算最优分割结果下各个对象的特征参数；S5、以特征参数为输入变量，样本数据为训练样本，构建BP神经网络并进行训练，通过训练后的BP神经网络对河口海湾的水体范围进行自动提取；该方法灵活易用，无须任何先验知识，即可得到高精度的河口海湾水体范围，能有效减少近岸区域陆地和水体错分的现象。
-
-
-
Search Results
4
records
(took 0.013 seconds)
