-
公开(公告)号：CN118760981A
公开(公告)日：2024-10-11
申请号：CN202410882198.4
申请日：2024-07-03
Applicant: 中国科学院计算技术研究所
IPC: G06F18/2415 , G06F18/2433 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06F18/213 , G06N3/048
Abstract: 本申请公开了一种基于深度卷积神经网络的轨迹分类方法，包括：基于待分类的原始轨迹数据，进行数据清洗和数据格式转换，输出压缩的网格序列；将压缩的网格序列的编码输入预构建的静态轨迹分类模型，通过双向长短期记忆网络提取轨迹序列中的上下文信息，采用多头自注意力机制结合分块最大池化方法，提取轨迹语义信息，综合输出轨迹的静态信息分类结果；将压缩前的网格序列的编码转换为单通道灰度图，输入预构建的时空图像轨迹分类模型进行特征提取分类，输出轨迹的动态图像信息分类结果；其中，所述轨迹图像分类模型采用改进的卷积神经网络。本发明采用静态与动态轨迹信息分类方法相结合，有效地利用整个网格序列，在轨迹分类任务上取得性能提升。
-
公开(公告)号：CN117113206A
公开(公告)日：2023-11-24
申请号：CN202311156428.0
申请日：2023-09-08
Applicant: 中国科学院计算技术研究所
IPC: G06F18/2411 , G06F18/214
Abstract: 本发明提供了一种轻量化的大尺度多元时间序列预测模型及其训练方法，该训练方法包括：获取训练集，其包括多个交通流量样本和对应的标签；获取初始构建的交通流量预测模型，其包括：用于存储多个源表示向量的存储体，每个源表示向量是表示一种空间属性的原型向量，用于提取每个时间序列的时序特征的编码器，用于根据每个时间序列的时序特征、空间标识向量和时间序列被采集时对应的时间属性确定每个时间序列对应的道路在一个或者多个未来时刻的交通流量的解码器，每个时间序列的空间标识向量是根据每个时间序列的时序特征与存储体中各个源表示向量的注意力值对各个源表示向量进行加权得到；利用训练集对交通流量预测模型进行多次迭代训练。
-
公开(公告)号：CN119494967A
公开(公告)日：2025-02-21
申请号：CN202411433967.9
申请日：2024-10-15
Applicant: 中国科学院计算技术研究所 , 航天东方红卫星有限公司
IPC: G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/08
Abstract: 本发明提供一种用于匿名时空轨迹识别的模型，包括：原始轨迹图构建模块，用于根据匿名用户在一段时间内生成的轨迹数据，构建原始轨迹图，其包括表示轨迹数据的多个签到记录的多个节点和表示节点间关系的多条边，对原始轨迹图的多个节点进行嵌入表示，得到多个节点的空间信息；多尺度轨迹图构建模块，用于基于原始轨迹图按预设的多种采样率构建不同尺度的多个轨迹图；轨迹空间信息提取模块，用于基于多个节点的空间信息提取多个轨迹图中每个轨迹图的各个节点的空间特征，聚合多个轨迹图中每个轨迹图的各个节点的空间特征，得到多尺度的轨迹空间特征；轨迹识别模块，用于根据轨迹空间特征识别轨迹数据属于各个已知用户的概率值。
-
公开(公告)号：CN119313962A
公开(公告)日：2025-01-14
申请号：CN202411423629.7
申请日：2024-10-12
Applicant: 中国科学院计算技术研究所
IPC: G06V10/764 , G06V10/40 , G06V10/774 , G06V10/62 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/042 , G06N3/045
Abstract: 本申请公开了一种基于时空图神经网络学习模型的轨迹预测方法及其装置，包括：基于待分类的原始轨迹数据，进行数据清洗和轨迹压缩，输出压缩的网格序列；基于网格序列，执行静态轨迹信息分类，提取轨迹静态属性；并执行动态时空图像轨迹分类，提取轨迹动态空间特征属性；预构建基于行驶路段连通性属性特征的有向加权网络，基于轨迹静态属性、动态空间特征属性及有向加权网络，完成轨迹预测模型的训练；基于轨迹预测模型，输入待预测轨迹时空特征数据，获取最优轨迹路径预测结果。本发明方法能够有效利用道路网络上不确定的轨迹地理背景信息，同时避免地图匹配带来的误差。
-
公开(公告)号：CN118967784A
公开(公告)日：2024-11-15
申请号：CN202411019287.2
申请日：2024-07-29
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种基于港口遥感图像的油罐储量的评估方法，用于评估浮顶油罐的油量，方法包括：S1、获取卫星在满足预设拍摄条件时采集的港口遥感图像，拍摄条件包括：当前卫星和太阳的位置位于港口的同一侧，且当前卫星的方位角与太阳的方位角不同；S2、从所述图像中提取油罐的前阴影区域和后阴影区域，前阴影区域为太阳光照射油罐后在地面形成的卫星可见的阴影区域，后阴影区域为太阳光照射油罐后在油罐的浮顶形成的卫星可见的阴影区域；S3、从所述图像中提取油罐的罐顶区域，根据罐顶区域和前阴影区域确定油罐体积；S4、计算前阴影区域和后阴影区域的面积之比并将其作为油罐的油量占油罐体积的预估比例，根据预估比例和油罐体积计算油罐的油量。
-
Patent Agency Ranking
公开(公告)号：CN117725411A
公开(公告)日：2024-03-19
申请号：CN202311547462.0
申请日：2023-11-20
Applicant: 中国科学院计算技术研究所
IPC: G06F18/214 , G06F18/15 , G06F18/213 , G06N3/042 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F123/02
Abstract: 本发明提供一种面向数据缺失的多元时间序列数据预测模型训练方法，所述多元时间序列数据预测模型用于根据一个时间段内多个节点的多元时间序列数据预测该时间段的未来时间段的多个节点的多元时间序列数据，所述方法包括：S1、获取多个节点在相同时间窗口的多元时间序列数据以构建训练集；S2、构建初始模型，所述初始模型包括归纳注意力模块、自适应图卷积模块和解码器，其中，所述归纳注意力模块用于对特征数据进行补全，所述自适应图卷积模块用于对补全后的特征数据进行特征提取，所述解码器用于对特征提取后的特征数据进行预测；S3、采用所述训练集对所述初始模型进行多轮迭代训练直至收敛得到多元时间序列数据预测模型。
-
公开(公告)号：CN112181667B
公开(公告)日：2023-08-08
申请号：CN202011192104.9
申请日：2020-10-30
Applicant: 中国科学院计算技术研究所
IPC: G06F9/50
Abstract: 本发明实施例提供了一种假设树的虚拟化管理方法，用于边缘设备中假设树的虚拟化管理，包括：在边缘设备中运行向应用程序提供假设树虚拟化管理的中间程序；响应于一个或者多个应用程序的管理请求，所述中间程序向相应的应用程序提供管理服务，其中，所述管理服务包括：在相应的假设树过大而不能放入当前的边缘设备的内存时，对加载过程进行虚拟化以提供将相应的假设树加载到该内存中的可执行方案；本发明避免了虚拟内存规模受系统限制或者无法使用虚拟内存的边缘设备上无法加载占用过大内存的假设树的问题，使得不同应用程序的假设树能够通过中间程序在边缘服务器上加载和管理。
-
公开(公告)号：CN116432024A
公开(公告)日：2023-07-14
申请号：CN202310226232.8
申请日：2023-03-03
Applicant: 中国科学院计算技术研究所
IPC: G06F18/214 , G06F18/10 , G06F18/25 , G06N3/0442 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明实施例提供了一种用于机动目标的轨迹观测数据去噪模型的训练方法，所述模型包括预处理单元和去噪自编码器，所述方法包括：获取训练集，训练集中每个样本包括输入数据和标签，输入数据为传感器在预定时间间隔内观测目标运动轨迹得到的多帧观测数据，标签为对应时间内目标的真实运动轨迹；利用训练集训练模型，并基于计算的损失更新模型的参数，其中，预处理单元对输入数据进行降噪预处理，去噪自编码器对降噪预处理后的输入数据进行编解码，模型基于去噪自编码器编解码后的输出得到去噪后的运动轨迹，本发明实施例通过该训练方法训练得到的模型能对观测数据进行有效去噪的能力，从而提高模型对机动目标的运动轨迹估计的准确性。
-
公开(公告)号：CN112949628A
公开(公告)日：2021-06-11
申请号：CN202110168050.0
申请日：2021-02-07
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种基于嵌入‑混合的轨迹数据增强及轨迹识别方法。所述轨迹数据增强方法包括：将轨迹数据中的每条轨迹转换成相应感兴趣点的集合；基于所有感兴趣点的总集计算包含每个感兴趣点编码的嵌入矩阵；基于所述嵌入矩阵确定每一条轨迹的轨迹编码向量；对任意两条或更多条轨迹的编码向量进行加权融合，获得新的编码向量；按照步骤S3的逆过程，对所获得的编码向量进行解码获得新的轨迹数据。本发明的轨迹数据增强方法可以有效地应用在轨迹数据上，可以同时针对轨迹数据的顺序性、空间性、语义性进行数据增强工作。既不会破坏轨迹数据的顺序性，又能考虑到轨迹数据的空间性和语义性。进而可以达到提升轨迹识别模型精度的效果。
-
公开(公告)号：CN112181667A
公开(公告)日：2021-01-05
申请号：CN202011192104.9
申请日：2020-10-30
Applicant: 中国科学院计算技术研究所
IPC: G06F9/50
Abstract: 本发明实施例提供了一种假设树的虚拟化管理方法，用于边缘设备中假设树的虚拟化管理，包括：在边缘设备中运行向应用程序提供假设树虚拟化管理的中间程序；响应于一个或者多个应用程序的管理请求，所述中间程序向相应的应用程序提供管理服务，其中，所述管理服务包括：在相应的假设树过大而不能放入当前的边缘设备的内存时，对加载过程进行虚拟化以提供将相应的假设树加载到该内存中的可执行方案；本发明避免了虚拟内存规模受系统限制或者无法使用虚拟内存的边缘设备上无法加载占用过大内存的假设树的问题，使得不同应用程序的假设树能够通过中间程序在边缘服务器上加载和管理。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.045 seconds)
