-
公开(公告)号：CN114662582B
公开(公告)日：2025-02-18
申请号：CN202210249539.5
申请日：2022-03-14
Applicant: 浙江大学 , 中国资源卫星应用中心
IPC: G06F18/23 , G06F18/22 , G06F18/214 , G06F40/216 , G06F40/242 , G06F40/258 , G06F40/295 , G06F16/28 , G06N3/04
Abstract: 本发明公开了一种全球观测成果立体网状目录体系标签关系的建立方法，属于大数据领域。针对现有层级树状目录体系难以调整和相互兼容，导致各中心多源全球观测成果难以统一管理与共享的问题，本发明综合时间、空间和主题三个维度建立标签关联关系，采用“时间‑空间‑主题”混合关联模型，建立全球观测成果之间更深入的关联关系。本发明所建立的全球观测成果之间的标签关系，可为建立全球观测成果立体网状目录体系提供基础，通过多维映射机制兼容各中心数据组织结构，最终实现统一资源目录体系下的各中心数据共享。
-
公开(公告)号：CN117709529A
公开(公告)日：2024-03-15
申请号：CN202311713437.5
申请日：2023-12-13
Applicant: 浙江大学
IPC: G06Q10/04 , G06Q50/26 , G06N3/045 , G06N3/0442
Abstract: 本发明提出了一种基于图神经网络的海洋表面温度预测方法，属于深度学习模型预测领域。本发明基于空间距离和皮尔森相关系数的连边策略，将数据转化为图结构，从而实现海域信息完整表达；通过设计基于迭代式图神经网络的静态图编码器，整合边特征并形成多层信息传递，对热量传输过程进行深入表征；随后，构建包含静态图编码器、时序编码器和全连接层解码器的图记忆神经网络，对海洋表面温度进行预测。本发明将海洋表面温度数据以图的方式进行编码，在多个预测步长上均表现出较对比方法更优越的泛化能力，克服了现有模型未充分考虑空间信息的不足，提升了图神经网络对海表温度预测的精度。
-
公开(公告)号：CN116151136A
公开(公告)日：2023-05-23
申请号：CN202310443276.6
申请日：2023-04-24
Applicant: 浙江大学
IPC: G06F30/27 , G06N3/084 , G06N20/00 , G06F111/08 , G06F113/08
Abstract: 本发明公开了一种基于概率误差补偿的全球表层海水pH反演方法及系统，属于机器学习和数据预测领域。本发明利用经过训练的第一机器学习模型，基于海表温度、海表盐度、点位坐标和监测时间获得不同数据点的总碱度后将其转换为pH估计值，再通过计算概率分布补偿因子和时空分布补偿因子，利用pH实测值对pH估计值进行误差补偿，最后利用误差补偿后的pH估计值作为训练样本的标签，对第二机器学习模型进行训练得到pH反演模型，用于反演全球海洋表层高空间分辨率pH分布。本发明可解决当前海洋pH实测样本时空分布稀疏、反演pH产品空间分辨率较低等问题，利用pH反演模型能够构建长时序高分辨率全球海表pH产品。
-
公开(公告)号：CN113806349B
公开(公告)日：2022-02-18
申请号：CN202111369399.7
申请日：2021-11-18
Applicant: 浙江大学
IPC: G06F16/215 , G06F16/29 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多视图学习的时空缺失数据补全方法、装置及介质，该方法针对海量多类型的环境监测数据集，对其中的每个数据缺失监测站点构建包含监测站点、监测时间、监测参数三个维度的数据张量，并分解出三个混合视图矩阵，运用矩阵完备算法对构建的三个混合视图从局部和全局尺度进行缺失数据估算，再基于人工深度神经网络进行多视图学习，得到最终监测参数缺失值的估算结果。本发明能够实现环境监测数据集的缺失值补全，在海洋环境监测、智慧城市发展等领域具有重要的意义。
-
公开(公告)号：CN113704565B
公开(公告)日：2022-02-18
申请号：CN202111259608.2
申请日：2021-10-28
Applicant: 浙江大学
IPC: G06F16/901 , G06F16/9537 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于全局区间误差的学习型时空索引方法、装置及介质。该索引方法分为索引模型构建与基于索引模型的范围检索两大流程，是一种多向学习型时空索引。索引模型构建时需要对重复数据进行聚合，然后将数据转化为均匀分布，再对索引模型进行训练；基于索引模型的范围检索时，需要将检索范围转化至均匀分布数据空间，再对各个维度独立进行位置分布范围检索，最后将各个维度的位置分布范围交叉比对，确定最终的多维检索返回结果。该索引方法相较于常用时空树形索引具有更优的时空范围检索性能，特别是索引模型构建流程中的重复数据聚合操作与数据空间转换操作，对于其优越性起到了有效地提升作用。
-
Patent Agency Ranking
公开(公告)号：CN113641765B
公开(公告)日：2022-02-18
申请号：CN202111190600.5
申请日：2021-10-13
Applicant: 浙江大学
Abstract: 本发明公开了一种面向巨量多源遥感数据的统一逻辑模型组织方法及其装置，属于大数据领域。本发明针对多源遥感数据出现的同名异义、同义异名等问题，采用一种基于映射模板的异构遥感元数据组织方法，基于遥感元数据核心编目集来统一组织并转换多数据中心遥感元数据，并可在多数据中心之间同步遥感元数据，从而实现了适用于遥感影像的统一逻辑模型。本发明将多数据中心按照无中心节点的星型拓扑结构建立分布式存储网络，能够实现对于巨量多源遥感数据的高效组合和存取，可以在多数据中心之间实现全局统一共享，并且具有动态扩展的能力。
-
公开(公告)号：CN113806352A
公开(公告)日：2021-12-17
申请号：CN202111375722.1
申请日：2021-11-19
Applicant: 浙江大学
IPC: G06F16/215 , G06F16/2458 , G06F16/29 , G06N3/04 , G06N3/08 , G06Q50/26
Abstract: 本发明公开了一种基于MODIS的无机氮完整时空分布数据获取方法、装置及介质，属于遥感大数据领域。该方法步骤如下：1）对目标海洋区域的MODIS反射率产品、海水深度产品和无机氮采样数据进行匹配和数据清洗，形成由不同采样样本组成的样本集合；2）利用深度信念网络模型建立多波段反射率和时空特征信息与实测无机氮浓度值的回归关系，进而获得无机氮的有缺失时空分布；3）基于时空插值补全方法对有缺失时空分布进行重构，获得无机氮的完整时空分布。本发明充分考虑了无机氮遥感反演建模的时空异质性与复杂非线性特征，以及遥感反演结果受限于高缺失率的问题，能够获得近岸海域无机氮的完整时空分布，其反演精度较高，时空分布合理。
-
公开(公告)号：CN113538239A
公开(公告)日：2021-10-22
申请号：CN202110784921.1
申请日：2021-07-12
Applicant: 浙江大学
Abstract: 本发明公开了一种基于时空自回归神经网络模型的插值方法。本发明利用神经网络架构，将时空距离和时空权重解算任务转化为可量化的神经网络模型构建与训练优化问题。以时空对象的投影坐标和时间为基本输入单元，再分别计算对象间的空间距离差和时间距离差，设计模型将其向量化表达，通过神经网络拟合时空距离和时空权重，输出未知时空点的属性值。本发明的优点在于将神经网络模型引入到时空权重的解算中，利用神经网络充分拟合时空相关关系，实现时空插值，操作简单易行，能够减小插值模型和参数选择的主观因素影响，对于时空权重解算和时空数据插值具有一定应用价值。
-
公开(公告)号：CN113537586A
公开(公告)日：2021-10-22
申请号：CN202110784806.4
申请日：2021-07-12
Applicant: 浙江大学
Abstract: 本发明公开了一种集成小波分解与深度神经网络的水质指标多步预测方法。其步骤如下：1)对原始水质指标的监测历史数据使用线性插值法填补缺失值；2)对填补缺失值后的数据进行离散小波变换；3)基于双向门控循环单元构建编码器，构建基于单向门控循环单元与全连接层的解码器，结合注意力机制提取解码器每步隐藏层状态与编码器所有隐藏层状态的相关关系，结合编码器和解码器构建神经网络模型，以小波分解后获得的多个分解序列作为输入。本方法的优点在于充分考虑水质数据非线性、波动复杂的特点，减弱噪音影响，自适应提取各步历史数据的影响程度，一步式、端到端预测未来多周的水质指标，对于水资源管理与生态保障具有实际应用价值。
-
公开(公告)号：CN113254599B
公开(公告)日：2021-10-08
申请号：CN202110720798.7
申请日：2021-06-28
Applicant: 浙江大学
Abstract: 本发明公开了一种基于半监督学习的多标签微博文本分类方法，涉及自然语言处理领域。该方法首先对原始微博文本进行预处理，并对少量文本进行标注；然后使用反向翻译生成标注数据集的增广数据，使用同义词替换和随机噪声注入生成无标注数据集的增广数据，使用分类器猜测生成无标注数据的伪标签，与增广后的标注数据集共同组成新的训练集；再将多标签分类任务转化为多个二分类任务，训练半监督微博文本分类模型，训练时每次从新的训练集中随机抽取两个样本，在文本隐藏空间使用样本混合技术生成新的样本，计算损失值，更新网络参数；最后综合使用训练好的多个分类器对微博文本进行分类。本发明对微博文本的细粒度信息提取具有重要的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.025 seconds)
