-
公开(公告)号：CN110188324A
公开(公告)日：2019-08-30
申请号：CN201910411640.4
申请日：2019-05-17
Applicant: 武汉大学
Abstract: 本发明公开了一种基于特征向量空间滤值的交通事故poisson回归分析方法，包括：步骤1、统计每个街区里面的交通事故数量总和作为因变量；步骤2、获取交通事故总量对应的相关因子数据，并按街区分别计算各相关因子数据；步骤3、对相关因子进行筛选；步骤4、对街区数据进行空间邻接关系的判断，计算中心化的空间邻接矩阵矩阵；步骤5、计算空间邻接矩阵的特征值和特征向量组；步骤6、提取特征向量作为交通事故数据的空间影响因子；步骤7、求解基于特征函数空间滤值的poisson回归模型系数，得到交通事故量与自变量之间的关系模型；步骤8、对关系模型的精度进行验证和评价。本发明可有效的提高回归模型的拟合精度，实现对交通事故的有效分析和准确模拟。
-
公开(公告)号：CN114972506B
公开(公告)日：2024-04-30
申请号：CN202210478747.2
申请日：2022-05-05
Applicant: 武汉大学
IPC: G06T7/73 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于深度学习和街景图像的图像定位方法，为了提取图像中具有地理位置信息的图像特征，构建了基于深度学习的特征提取网络，利用地标数据集来提高网络对含有位置信息的特征的权重；然后通过特征聚合方法提取街景图像的聚合特征来提高特征进行匹配时的速度，同时利用特征相似度计算方法来降低重复纹理特征的影响；最后通过核密度估计方法的局部峰值确定待定位图像的地理位置坐标，并可以提高结果中正确位置的坐标排名，从而进一步提高整体定位的准确率，为图像中反映的事件的空间分布和发展趋势分析提供支持。
-
公开(公告)号：CN108038081B
公开(公告)日：2020-02-11
申请号：CN201711425595.5
申请日：2017-12-25
Applicant: 武汉大学
Abstract: 本发明提出了一种基于空间滤值的logistic回归滑坡灾害分析方法，即针对滑坡灾害分析研究，将空间滤值思想引入到普通logistic回归模型中，设计一种包括未滑坡点选取、致灾因子值的获取和分级、邻接矩阵构建、特征值与特征向量计算、逐步回归特征向量选取、回归建模等步骤的滑坡回归分析算法。本发明能够解决logistic回归模型受变量间的空间自相关影响而导致的模型精度不高的问题。利用选取的特征向量来构建滤值算子加入到logistic回归模型中，能够有效滤去残差的自相关影响，提高回归模型的拟合优度和预测准确度，实现对滑坡灾害的准确模拟和预测。
-
公开(公告)号：CN110070018A
公开(公告)日：2019-07-30
申请号：CN201910295923.7
申请日：2019-04-12
Applicant: 武汉大学
Abstract: 本发明提出了一种结合深度学习的地震灾害场景识别方法，获取震后场景的遥感图像后进行切片处理，然后进行扩展得到用于深度学习的数据，使用对单点多盒探测器目标检测器方法SSD的改进方案来进行地震场景的深度学习以及识别，所述对单点多盒探测器目标检测器方法SSD的改进方案，包括对网络进行修改，将第十六层卷积层加上一个ReLU激活函数，将第十九层卷积层加上一个ReLU激活函数以及maxpooling池化层，得到修改后的模型。本发明针对地震场景复杂且种类多样的问题，将传统的地震场景识别与深度学习相结合，能够在复杂场景快速而准确地识别地震场景，满足了实际应用中的精度需求和速度需求。
-
公开(公告)号：CN114331842B
公开(公告)日：2024-04-05
申请号：CN202111622850.1
申请日：2021-12-28
Applicant: 武汉大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/084 , G06T17/05
Abstract: 本发明涉及一种结合地形特征的DEM超分辨率重建方法。通过将双滤波器卷积神经网络应用于DEM超分辨率重建，同时考虑了不同邻域信息及坡度信息对DEM超分辨率重建的影响，有效地提高了DEM超分辨率重建的精度。利用大比例尺地形图的矢量等高线与水网数据信息，结合神经网络重建的高分辨率DEM，使用栅格插值方式重建了河谷DEM，用于替换神经网络产生的高分辨率DEM相应部分，在保证精度的前提下，减弱了神经网络重建DEM的棋盘效应所造成的水系中心线匹配率不佳问题，为高分辨率DEM的应用提供了解决方案。
-
Patent Agency Ranking
公开(公告)号：CN114331842A
公开(公告)日：2022-04-12
申请号：CN202111622850.1
申请日：2021-12-28
Applicant: 武汉大学
Abstract: 本发明涉及一种结合地形特征的DEM超分辨率重建方法。通过将双滤波器卷积神经网络应用于DEM超分辨率重建，同时考虑了不同邻域信息及坡度信息对DEM超分辨率重建的影响，有效地提高了DEM超分辨率重建的精度。利用大比例尺地形图的矢量等高线与水网数据信息，结合神经网络重建的高分辨率DEM，使用栅格插值方式重建了河谷DEM，用于替换神经网络产生的高分辨率DEM相应部分，在保证精度的前提下，减弱了神经网络重建DEM的棋盘效应所造成的水系中心线匹配率不佳问题，为高分辨率DEM的应用提供了解决方案。
-
公开(公告)号：CN108038081A
公开(公告)日：2018-05-15
申请号：CN201711425595.5
申请日：2017-12-25
Applicant: 武汉大学
Abstract: 本发明提出了一种基于空间滤值的logistic回归滑坡灾害分析方法，即针对滑坡灾害分析研究，将空间滤值思想引入到普通logistic回归模型中，设计一种包括未滑坡点选取、致灾因子值的获取和分级、邻接矩阵构建、特征值与特征向量计算、逐步回归特征向量选取、回归建模等步骤的滑坡回归分析算法。本发明能够解决logistic回归模型受变量间的空间自相关影响而导致的模型精度不高的问题。利用选取的特征向量来构建滤值算子加入到logistic回归模型中，能够有效滤去残差的自相关影响，提高回归模型的拟合优度和预测准确度，实现对滑坡灾害的准确模拟和预测。
-
公开(公告)号：CN107944194A
公开(公告)日：2018-04-20
申请号：CN201711353830.2
申请日：2017-12-15
Applicant: 武汉大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于矢量网络的地形湿度指数模拟方法，首先利用DEM生成规则三角面的矢量网络，然后利用三角面网络TFN算法从矢量网络上获取汇水累积量，之后利用一种新算法从矢量网络上获得坡向和坡度，最后将由汇水累积量和坡向计算得到的单位汇水面积SCA和坡度相结合模拟地形湿度指数。本发明不仅提出了一种新的坡向和坡度计算方法，而且将其与TFN算法相结合得到了一种新的地形湿度指数模拟方法，提高了地形湿度指数的模拟精度，保证了土壤湿度的合理分布，满足了实际应用中的精度需求。
-
-
公开(公告)号：CN115274129A
公开(公告)日：2022-11-01
申请号：CN202210472157.9
申请日：2022-04-29
Applicant: 武汉大学
IPC: G16H50/80 , G06Q10/04 , G06F17/18 , G06F17/16 , G06F16/215
Abstract: 本发明提供一种基于动态人口流动矩阵空间滤值的新冠时空建模预测方法，包括获取新冠疫情数据及与新冠疫情传播相关的数据，对数据产品进行预处理和筛选，用于后续建模；根据空间单元的空间邻接关系构建邻接矩阵，构建人口流动网络邻接矩阵，构建时间邻接矩阵，空间邻接关系的时空扩展，人口流动网络邻接关系的时空扩展，时空特征向量的提取与筛选，构建基于动态人口流动矩阵时空滤值的新冠疫情回归模型，对新冠疫情数据进行建模预测和评价。本发明提高了新冠疫情时空建模的预测准确性，新冠疫情以及其它传染病的自动化分析与防控提供重要参考依据。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.017 seconds)
