-
公开(公告)号：CN112561064B
公开(公告)日：2023-03-24
申请号：CN202011518699.2
申请日：2020-12-21
Applicant: 福州大学
IPC: G06N5/025 , G06N5/02 , G06N3/042 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06F16/36
Abstract: 本发明涉及一种基于OWKBC模型的知识库补全方法，包括以下步骤：步骤S1:获取知识库数据，并预处理，得到的实体对应的文本嵌入表示和图像嵌入表示；步骤S2：结合多模态知识编码器和TransE模型，构建基于翻译的多模态知识编码器；步骤S3:将实体的图像嵌入表示和文本嵌入表示输入到基于翻译的多模态知识编码器，得到实体和关系的嵌入表示;步骤S4:根据得到的实体和关系的嵌入表示输入到解码器中，获得实体和关系之间潜在的语义关系，完成知识库补全。本发明能够有效融合实体对应的图像信息和文本信息生成实体的嵌入表示，解决OOKB（Out‑Of‑Knowledge‑Base）实体问题，完成开放世界下的知识库补全。
-
公开(公告)号：CN112348191B
公开(公告)日：2022-06-21
申请号：CN202011159918.2
申请日：2020-10-26
Applicant: 福州大学
IPC: G06N5/02
Abstract: 本发明涉及一种基于多模态表示学习的知识库补全方法，给定知识库KB，所述KB包含两部分，一是已知的知识集合，二是未知的知识集合；对知识库中的数据进行数据预处理；提出知识库补全模型ConvAt，对获取的数据首先生成头实体和尾实体的多模态表示；然后将头实体的多模态表示、关系的结构特征向量和尾实体的多模态表示按列拼接后，分别通过卷积神经网络模块、通道注意力模块和空间注意力模块处理，最后与一个权重矩阵相乘得到三元组(h,r,t)的评分；使用损失函数对步骤S2中的补全模型进行训练，并使用训练后的模型进行知识库补全。本发明提出的算法能够融合外部信息，能够利用更丰富的语义信息。
-
公开(公告)号：CN113051824B
公开(公告)日：2022-06-14
申请号：CN202110324151.2
申请日：2021-03-26
Applicant: 福州大学
IPC: G06F30/27 , G06N3/08 , G06N3/04 , G01K13/02 , G01K3/14 , G06F113/08 , G06F119/08
Abstract: 本发明涉及一种基于剖面观测数据的海洋内部温度场重建方法，包括以下步骤：步骤S1：获取历史海洋观测的剖面数据，并对剖面数据进行格网化预处理，得到格网化剖面观测数据；步骤S2：通过预设比例随机选取格网化剖面观测数据作为交叉验证集，其余作为输入数据；步骤S3：根据输入数据集生成训练集和测试集；步骤S4：基于卷积自编码器神经网络对训练集进行迭代训练，构建卷积自编码器模型；步骤S5：将测试集输入到自编码器模型中，重建长时间序列的海洋温度数据。本发明提高了海洋内部温度时空观测分辨率与完整性，在海洋遥感及全球气候变化领域有较高的应用价值。
-
公开(公告)号：CN109543356B
公开(公告)日：2022-06-14
申请号：CN201910010746.3
申请日：2019-01-07
Applicant: 福州大学
Abstract: 本发明涉及一种考虑空间非平稳性的海洋内部温盐结构遥感反演方法，基于地理加权回归模型，利用多源海表卫星观测数据，结合海洋内部Argo浮标实测数据，反演全球海洋内部的温盐结构并取得了很好的反演效果，不仅能直观、准确地展示全球海洋内部温盐信息空间分布特征，还能得到各解释变量贡献值的空间分布。该发明考虑了海洋表层和内部的空间非平稳性，采用局部建模思想建立海洋内部参数和海表参数之间的关系，推演中深层海洋温盐结构关键动力参数，弥补了浮标实测数据的稀疏与不足，大大提高了反演结果的精度。
-
公开(公告)号：CN109543768A
公开(公告)日：2019-03-29
申请号：CN201811448590.9
申请日：2018-11-30
Applicant: 福州大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于多源卫星遥感的海洋内部温盐信息智能提取方法，利用多源海表遥感观测数据，结合海洋内部Argo浮标实测数据，采用XGBoost高级机器学习方法，建立基于多源卫星观测的智能遥感反演模型，对海洋内部温盐结构进行遥感反演，获得很好的反演效果，能直观、准确地展示全球海洋内部温盐信息空间分布及其特征。该发明构建了一种面向海洋内部的海洋遥感新方法，从海表卫星观测推测海洋内部关键动力参量，可拓展卫星对海观测范围，提升海洋内部信息观测分辨率，弥补海洋内部浮标观测的稀疏与不足，为海洋内部观测提供了一种新方法，在海洋遥感领域具有较高的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN109409441A
公开(公告)日：2019-03-01
申请号：CN201811365431.2
申请日：2018-11-16
Applicant: 福州大学
Abstract: 本发明涉及一种基于改进随机森林的近岸水体叶绿素a浓度遥感反演方法，利用时间序列遥感影像数据，结合时序浮标观测数据，以“时间连续弥补空间稀疏”为建模策略，采用改进后的随机森林——双权重随机森林方法，建立智能遥感反演模型对近岸水域叶绿素a浓度进行遥感反演，获得很好的反演结果，能直观、准确地展示近岸大范围叶绿素a浓度空间分布。该发明可为近岸水体叶绿素a浓度监测提供了一种宏观、连续、有效的方法，可弥补传统叶绿素a浓度监测的不足，具有较高的实用价值。
-
公开(公告)号：CN116883594A
公开(公告)日：2023-10-13
申请号：CN202310862233.1
申请日：2023-07-14
Applicant: 福州大学
IPC: G06T17/00 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/08 , G06T3/40
Abstract: 本发明涉及一种融合卫星与浮标观测的海洋三维温度遥感超分重建方法，包括：获取海洋多源卫星遥感观测数据与海洋内部温度数据并预处理；根据Argo实测格网数据的坐标，将海洋内部温度量数据与海表遥感及时空参量对应，标记、合并为相应矩阵后划分训练、验证和测试数据集；基于CNN‑LSTM网络模型构建基于多源卫星遥感观测和海洋内部Argo浮标实测数据的智能遥感时序超分重建模型，输入1º分辨率的训练数据集训练模型；将0.25º×0.25º空间分辨率的海表遥感数据组为长时序特征矩阵并输入模型，重建考虑时空特征的长时序高空间分辨率全球海洋三维温度数据；对重建精度进行定量和定性分析。该方法可以实现卫星观测从海表到海洋内部的扩展，提高海洋三维温度观测的空间分辨率。
-
公开(公告)号：CN113408929B
公开(公告)日：2022-07-12
申请号：CN202110741615.X
申请日：2021-07-01
Applicant: 福州大学
Abstract: 本发明涉及一种基于空间几何原理的四维遥感生态指数构建方法，利用了多波段遥感数据，耦合了代表植被的垂直植被指数PVI、代表干旱程度的改进型地表干旱指数MPDI、代表地表干化程度的地表干化指数NDSI和代表地表温度的地表温度指数LST等四个指标，引入了空间几何原理构建四维空间，分别表征绿度、干旱度、干化度和温度四个对生态有较大影响的四个要素，然后计算综合遥感生态指数SGEI。SGEI包含了四个指标所有的信息量，且四个指标对于SGEI的影响是根据其数据本身的性质决定，具有一定客观性，有效地提高了SGEI的物理意义和合理性。SGEI可以用于快速监测与评价区域生态状况。
-
公开(公告)号：CN113063737A
公开(公告)日：2021-07-02
申请号：CN202110324115.6
申请日：2021-03-26
Applicant: 福州大学
Abstract: 本发明涉及一种结合遥感与浮标数据的海洋热含量遥感反演方法，包括以下步骤：获取全球海洋多源海表遥感观测数据以及Argo实测格网数据并进行预处理，得到海表数据、时空参量以及海洋内部热含量数据；根据Argo实测坐标数据，将每个格网点海洋内部热含量数据与输入模型的海表遥感和时空参量一一对应，分别标记为特征矩阵X、标签矩阵Y；将X和Y纵向合并，并按时间序列划分成训练数据集、验证数据集、测试数据集；基于长短期记忆神经网络LSTM时间序列深度学习方法对训练数据集进行训练，并根据数据集的损失函数的变化，选择最优的网络深度及参数，建立反演模型；获取历史长时序特征矩阵X'，并作为模型的输入数据，进一步重建海洋内部热含量OHC数据集。
-
公开(公告)号：CN113051824A
公开(公告)日：2021-06-29
申请号：CN202110324151.2
申请日：2021-03-26
Applicant: 福州大学
IPC: G06F30/27 , G06N3/08 , G06N3/04 , G01K13/00 , G01K3/14 , G06F113/08 , G06F119/08
Abstract: 本发明涉及一种基于剖面观测数据的海洋内部温度场重建方法，包括以下步骤：步骤S1：获取历史海洋观测的剖面数据，并对剖面数据进行格网化预处理，得到格网化剖面观测数据；步骤S2：通过预设比例随机选取格网化剖面观测数据作为交叉验证集，其余作为输入数据；步骤S3：根据输入数据集生成训练集和测试集；步骤S4：基于卷积自编码器神经网络对训练集进行迭代训练，构建卷积自编码器模型；步骤S5：将测试集输入到自编码器模型中，重建长时间序列的海洋温度数据。本发明提高了海洋内部温度时空观测分辨率与完整性，在海洋遥感及全球气候变化领域有较高的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.028 seconds)
