-
公开(公告)号：CN117636071A
公开(公告)日：2024-03-01
申请号：CN202410074057.X
申请日：2024-01-18
Applicant: 北京工商大学
IPC: G06V10/764 , G06V10/80 , G06V20/13 , G06N3/0464 , G06N3/08 , G06N3/126
Abstract: 本发明公布一种基于多源数据的深度学习泥石流易感性评估方法。其中，对于输入数据的泥石流影响因子数据，首先通过因子共线性分析和重要性分析，输出区域内关键泥石流影响因子数据，再通过基于深度学习的特征提取网络分别提取关键泥石流影响因子和遥感影像的特征，并基于特征级融合策略融合特征，最后对区域的泥石流易感性进行评估并绘制区域的泥石流易感性分布图。在灾害防治工作中，泥石流易感性评估能够提供快速支持。相对于现有的泥石流易感性评估方法，本发明方法有效地提高了评估的准确率和效率，并降低了日常评估的时间。涉及灾害评估领域，可应用于区域泥石流灾害预防与治理。
-
公开(公告)号：CN116958541A
公开(公告)日：2023-10-27
申请号：CN202310689398.3
申请日：2023-06-12
Applicant: 北京工商大学
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06V10/52 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于全尺度跳跃连接U型结构的图像分割方法，涉及图像分割、深度学习等。本发明方法包括：将医学图像进行块分割，将分割得到的块特征输入到基于的Swin Transformer模块的编码器中进行下采样，通过下采样的方式抽取全局信息。将下采样后的特征输入到基于的Swin Transformer模块的解码器中进行上采样，通过上采样将特征图的分辨率恢复到输入分辨率，同时通过全尺度跳跃连接将每一个下采样块的输出传送给解码器中的每一个上采样块进行合并拼接，最终输出像素级分割预测。本发明方法通过全尺度跳跃连接，使分割模型捕获了全尺度下的细粒度语义和粗粒度语义，再融合Swin Transformer结构，改善了卷积的归纳偏置问题，有效提高了医学影像的语义分割性能。
-
公开(公告)号：CN111125358B
公开(公告)日：2023-07-11
申请号：CN201911302220.9
申请日：2019-12-17
Applicant: 北京工商大学
Abstract: 本发明公开一种基于超图的文本分类方法，包括：步骤一、构建语料库和语料库的关键词库，基于语料库生成超图，得到超图的超边和结点；步骤二、基于共现窗口计算关键词的邻接矩阵；步骤三、对语料库中的每一个文档通过超边向量表示，形成超边矩阵；步骤四、计算超边之间的相似度，构建超边的相似度矩阵；步骤五、构建由词向量组成的超图结点特征矩阵；步骤六、使用图神经网络模型对超边进行分类，得到语料库中每个文档类别的第一次预测概率；步骤七、基于文档的真实标签，采用随机梯度下降算法更新图神经网络模型的参数矩阵，完成语料库中无标签文本的分类；本发明实现了对语料库中无标签文本的准确分类。
-
-
-
Patent Agency Ranking
公开(公告)号：CN115565370A
公开(公告)日：2023-01-03
申请号：CN202211148650.1
申请日：2022-09-20
Applicant: 北京工商大学
Abstract: 本发明公布了一种局部时空图卷积交通流量预测方法及系统，对图卷积网络模型结构进行改进，在交通数据的时间维度添加边，在相邻两个时间点的节点之间连边，构建局部时空图，将构造的局部时空图表示为邻接矩阵；构建局部时空图卷积网络模型，用于捕获局部时空图时空数据中的时空关联性，实现局部时空图卷积交通流量预测。局部时空图卷积交通流量预测系统包括地铁实时流量数据模块、数据预处理模块和交通流量预测模型模块；还可包括地铁满载率的实时分析模块。
-
公开(公告)号：CN113053115B
公开(公告)日：2022-04-22
申请号：CN202110284607.7
申请日：2021-03-17
Applicant: 中国科学院地理科学与资源研究所 , 北京工商大学
Abstract: 本发明公布了一种基于多尺度图卷积网络模型的交通预测方法，采用多尺度图卷积网络和门控循环单元GRU，通过同时捕获交通路网的时间依赖性即交通流的局部时间变化趋势和空间依赖性即拓扑空间结构，通过历史时间步的交通流量预测未来时间步的各个路段的交通流量，由此准确预测道路网络的交通流。本发明方法能够有效预测交通流的时空变化特征和规律，预测精度高，提升了交通流预测效果。
-
公开(公告)号：CN109191181B
公开(公告)日：2021-08-27
申请号：CN201810895497.6
申请日：2018-08-08
Applicant: 北京工商大学
IPC: G06Q30/02
Abstract: 本发明涉及一种基于神经网络和Huff模型的数字标牌广告受众人群分类方法，包括：要素选取及处理、模型构建、模型验证；构造空间化的数字标牌区位因子，得到数字标牌区位因子的标准格网栅格图层，包括其像素值及对应的坐标值；采用改进的神经网络模型对经过归一化处理的数字标牌区位因子进行计算，得到每个区位包含各种受众人群的概率；再利用改进的Huff模型计算已布设数字标牌区位对未布设数字标牌区位的受众人群影响力；然后将两种模型，即所述改进的神经网络模型和改进的Huff模型得到的结果进行融合，完成数字标牌广告受众人群分类；最后利用多标签分类算法的五种验证指标对模型进行有效性验证。本发明方法综合考虑多源要素与空间距离，分类结果精准性高、数字标牌广告投放效益高、数字标牌影响效果佳。
-
公开(公告)号：CN112966114A
公开(公告)日：2021-06-15
申请号：CN202110388284.6
申请日：2021-04-10
Applicant: 北京工商大学 , 中国科学院地理科学与资源研究所
Abstract: 本发明是关于一种基于对称图卷积神经网络的文献分类方法和装置，方法包括：获取文献引用数据集作为图结构数据，读取文献数据集生成对应的特征矩阵和邻接矩阵，构建相似度矩阵；分别以相似度矩阵和邻接矩阵作为聚合矩阵，对文献数据的特征矩阵进行图卷积操作，得到基于相似度矩阵的第一预测值和基于邻接矩阵的第二预测值；分别计算文献数据中标记节点的监督损失和基于第一预测值和第二预测值的所有文献节点的无监督损失，并将监督损失和无监督损失进行合并，确定最终损失；利用最终损失训练和预设训练集进行训练，得到目标图卷积神经网络，对文献数据集中的目标数据进行半监督分类。通过该技术方案，可以充分嵌入图形知识，提高文献分类的准确性。
-
公开(公告)号：CN111401436A
公开(公告)日：2020-07-10
申请号：CN202010174544.5
申请日：2020-03-13
Applicant: 北京工商大学 , 中国科学院地理科学与资源研究所
Abstract: 本发明公布了一种融合网络和双通道注意力机制的街景图像分割方法，包括训练阶段和测试阶段；训练阶段构建基于高分辨率融合网络和双通道注意力机制的图像分割卷积神经网络模型并训练模型，模型包括输入层、隐层和输出层；隐层包括以密集采样方式堆叠的四个扩张卷积块、高分辨率融合网络和双通道注意力机制；测试阶段对待进行分割的街景图像进行预测，得到预测语义分割图像，即实现基于高分辨率融合网络和双通道注意力机制的图像语义分割。本发明方法分割精度高，鲁棒性更好。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.049 seconds)
