一种植被二向性反射多次散射贡献项的获取方法

    公开(公告)号:CN105806784B

    公开(公告)日:2018-08-14

    申请号:CN201610152711.X

    申请日:2016-03-17

    Applicant: 北京大学

    Abstract: 本发明公开了一种植被二向性反射多次散射贡献项的获取方法,包括以下步骤:通过植被结构参数和聚集指数,获得孔隙率;利用步骤1的孔隙率,结合植被生理参数获得再碰撞概率;求取太阳直射与天空散射光强的比例;通过上述获得的结果,获得植被二向性反射多次散射贡献项。该方法准确度高,计算简便,适用于各种植被类型,能准确描述光子与植被冠层相互作用过程中物理参数间的解析关系,包括真实叶面积指数、聚集指数、单叶片反照、地面反射率、太阳天顶角和天空散射光比例。

    一种基于主动学习和模型剪枝的集成学习方法及装置

    公开(公告)号:CN106779086A

    公开(公告)日:2017-05-31

    申请号:CN201611060500.X

    申请日:2016-11-28

    CPC classification number: G06N20/00

    Abstract: 本发明公开了一种综合了主动学习技术和模型剪枝技术的集成学习方法及装置。所述集成学习方法包括:通过度量未标注样本对集成模型的适用程度,自动的从未标记样本集合中选择关键样本,交给人工标注,并用以重新训练集成模型,从而提高集成模型的准确度;通过度量某个模型集合对一组已标注数据的适用程度,对已有的模型集合做筛选,得到一个更优的子集;将最终保留的模型集合集成起来,形成最终的集成模型。本发明还公开了一种综合了主动学习技术和模型剪枝技术的集成学习装置。本发明不仅可以利用未标注数据,还降低了人工标注成本,同时降低了集成模型的复杂度,提高了集成模型的性能。

    一种基于互信息的数据离散化与特征选择集成方法及装置

    公开(公告)号:CN106407304A

    公开(公告)日:2017-02-15

    申请号:CN201610772796.1

    申请日:2016-08-30

    CPC classification number: G06F16/2474 G06F16/2465

    Abstract: 本发明公开了一种基于互信息的数据离散化与特征选择集成方法。本方法为:1)通过对数据进行断点分析,生成合适的候选断点集;2)采用前向搜索在候选断点集上寻找最优断点子集,对断点子集的评价通过计算其对数据进行划分的结果和数据的原始标签分布之间的互信息实现;3)搜索停止条件为信息增益比小于预设阈值或所选断点总数超过预设阈值;4)使用最优断点子集对数据进行离散化和特征选择。本发明还公开了一种基于互信息的数据离散化与特征选择集成装置。本发明中基于互信息的数据离散化与特征选择集成方法及装置将数据离散化与特征选择两个过程有机地集成在一起,能够有效去除数据中的无关和冗余信息,提高后续学习算法的性能。

    一种植被二向性反射多次散射贡献项的获取方法

    公开(公告)号:CN105806784A

    公开(公告)日:2016-07-27

    申请号:CN201610152711.X

    申请日:2016-03-17

    Applicant: 北京大学

    CPC classification number: G01N21/17 G01N2021/1797

    Abstract: 本发明公开了一种植被二向性反射多次散射贡献项的获取方法,包括以下步骤:通过植被结构参数和聚集指数,获得孔隙率;利用步骤1的孔隙率,结合植被生理参数获得再碰撞概率;求取太阳直射与天空散射光强的比例;通过上述获得的结果,获得植被二向性反射多次散射贡献项。该方法准确度高,计算简便,适用于各种植被类型,能准确描述光子与植被冠层相互作用过程中物理参数间的解析关系,包括真实叶面积指数、聚集指数、单叶片反照、地面反射率、太阳天顶角和天空散射光比例。

    一种植被二向性反射一次散射贡献项的获取方法

    公开(公告)号:CN105841804B

    公开(公告)日:2018-02-02

    申请号:CN201610153240.4

    申请日:2016-03-17

    Applicant: 北京大学

    Abstract: 本发明公开了一种植被二向性反射一次散射贡献项的获取方法,包括以下步骤:通过植被生理参数和聚集指数,获得孔隙率;利用步骤1的孔隙率,定义并计算出立足于植被元素的植被四分量面积比例;求取太阳直射与天空散射光强的比例;通过叶子和土壤的相关参数和上述步骤获得的孔隙率、植被四分量面积比例、太阳直射与天空散射光强的比例,获得植被二向性反射一次散射贡献项。该方法准确度高,计算简便,适用于各种植被类型,把植被冠层非各向同性的起因归结为三个方面:太阳、目标、传感器三者之间的几何关系;多尺度群聚;太阳直射与天空散射光强的比例。

    基于异构信息网络和贝叶斯个性化排序的推荐方法及装置

    公开(公告)号:CN106934071A

    公开(公告)日:2017-07-07

    申请号:CN201710286010.X

    申请日:2017-04-27

    Abstract: 本发明公开了一种基于异构信息网络和贝叶斯个性化排序的推荐方法及装置。所述方法使用异构信息网络来描述用户、物品及有关的信息,并使用基于带重启的随机游走的迭代方法来计算用户对每个物品的评分。对于异构信息网络中的各边的权重,本方法使用基于贝叶斯个性化排序的机器学习方法自动学习。在学习的过程中,本方法通过多次迭代求解,并从多轮迭代得到的多个候选解中选择最优的解。本发明还公开了一种基于异构信息网络和贝叶斯个性化排序的推荐装置。本发明中的推荐方法及装置,不仅可以自动的从数据中学习各异构信息网络中边的权重,从而大大提高对不同数据的适应能力,还可以更好的对用户偏好进行刻画,从而得到更好的个性化推荐结果。

Patent Agency Ranking