-
公开(公告)号：CN115062551B
公开(公告)日：2022-11-04
申请号：CN202210935359.2
申请日：2022-08-05
Applicant: 成都信息工程大学
IPC: G06F30/27 , G06F30/28 , G06N3/04 , G06N3/08 , G06F111/04 , G06F113/08 , G06F119/14
Abstract: 本发明提出了一种基于时序神经网络的湿物理过程参数化方法，方法首先基于时序预测神经网络去学习过去时刻大气状态、对流和云的动态变化关系，然后通过融合筛选这些学习到的特征来预测湿物理过程中湿度和温度变化趋势以及云水和云冰含量。最后，根据预测出的湿度变化趋势计算出当前的降水量。此外，在网络训练过程中加入了物理约束来保证该方法遵循一般的物理规律。该方法相比传统湿物理参数化方案和其他神经网络能够准确再现社区大气模式超参数版本SPCAM的模拟结果，模拟的湿物理过程中的湿度和温度变化趋势、云水和云冰含量，降水等偏差也远小于它们。
-
公开(公告)号：CN114896826B
公开(公告)日：2022-09-09
申请号：CN202210819294.5
申请日：2022-07-13
Applicant: 成都信息工程大学
IPC: G06F30/20 , G06F30/17 , G06N3/04 , G06N3/08 , G06F111/10
Abstract: 本发明涉及一种基于物理学结合残差注意力网络的行星边界层参数化方法，设计一种同时结合物理学和深度学习的残差注意力网络，包括依次连接的八个时空结合模块，每个时空结合模块包括通道注意力模块CAB和空间注意力模块PNSAB，通过卷积、CAB模块和PNSAB模块提取重要特征和模拟具体的物理过程，CAB模块用来模拟大气湍流过程中的能量交换，让网络不断地学习大气物理常识，PNSAB模块去挑选对于预测结果比较重要的气象要素，能够有效的替换传统模式中的参数化，设计的多个模块协同作用模拟边界层中的物理过程。本发明的模型能更好地模拟边界层内的速度、温度、风速和水汽的垂直分布，同时使用较低的计算成本和较短的时间。
-
公开(公告)号：CN110633734B
公开(公告)日：2022-08-19
申请号：CN201910776915.4
申请日：2019-08-22
Applicant: 成都信息工程大学
IPC: G06K9/62 , G06V10/764 , G06V10/774 , G06V10/762
Abstract: 本发明公开了一种基于图论相关理论进行异常检测的方法，包括该方法具体包括以下步骤：第一步，将原始数据集进行聚类操作，将数据集分割成不同的簇；第二步，计算出原始数据集的均值密度，将原数据集均值密度作为阈值与簇密度比较对数据集进行精简；第三步，对数据集进行特征提取和空间距离计算并对结果进行数据化操作第四步，将有效检测的数据簇的所有数据点按计算出来的权重值分配构建无向连通图；第五步，采用弗洛伊德算法查找相应簇的最短路径。在对于数据集的预处理上，本发明采取了二次精简数据集的办法，以不同的基准信息来对数据集进行降维操作，可以有效地减少大量无用数据集，极大程度的减少了异常检测过程的时间复杂度和空间复杂度。
-
公开(公告)号：CN109409508B
公开(公告)日：2022-03-15
申请号：CN201811310962.1
申请日：2018-11-06
Applicant: 成都信息工程大学
Abstract: 本发明属于图像重建技术领域，公开了一种基于生成对抗网络使用感知损失解决模型崩塌的方法，利用随机向量z生成与实际数据分布相似的图像，在训练的过程中采用感知损失将z和真实数据映射到特征空间中来提取更高层次的特征，并结合对抗损失来鼓励生成网络产生与实际图像相似的图像样本；最后，使得鉴别器不能判断这是一个虚假图像。本发明针对已有网络采用较小的数据集解决了模型崩塌问题，VGG‑GAN在两个小场景数据集上进行评价；实验结果表明，用VGG‑GAN方法生成的图像质量优于现有方法。
-
公开(公告)号：CN112365556A
公开(公告)日：2021-02-12
申请号：CN202011244337.9
申请日：2020-11-10
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于感知损失和风格损失的图像扩展方法，包括：对预处理后的数据集送入到构建好的图像扩展网络中，图像扩展网络包括重构路径和生成路径，重构路径用于输入待补全区域图像，获取其待补全部分的先验信息，最后重构出原始图像；生成路径用于输入缺失图像，利用重构路径得到的先验分布，引导图像的生成过程，在训练过程中，重点引入感知损失和风格损失约束生成图像的纹理和风格，改善了传统方法的扭曲模糊结构。感知损失和风格损失分别获取已知区域的语义信息和整体风格，从而有助于网络把握图像的真实纹理风格。
-
Patent Agency Ranking
公开(公告)号：CN107341514B
公开(公告)日：2020-07-21
申请号：CN201710548763.3
申请日：2017-07-07
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于联合密度及角度的异常点和边缘点检测方法，本发明基于边缘点和异常点具有较低的局部密度和较小的角度方差变化的思想，结合数据集的角度与密度的联合信息，利用联合测度去判定样本点属于异常点和边缘点的程度，通过设置门限值自动确定特殊点。提出了一种较稳定的异常点与边缘点的检测方法，提高了边缘点与异常点检测的性能，可较好地反映数据集的特征，并且能够检测出噪音数据，更好的去除噪音。克服了现有技术在复杂数据集中特殊点检测的效果不好和不稳定的缺点。
-
公开(公告)号：CN109584246A
公开(公告)日：2019-04-05
申请号：CN201811363678.0
申请日：2018-11-16
Applicant: 成都信息工程大学
Abstract: 本发明属于医学影像处理技术领域，公开了一种基于多尺度特征金字塔的DCM心肌诊疗放射影像分割方法,将心脏MRI图像进行分割，完整得分割出心肌和血池等医学解剖结构。本发明通过使用带孔卷积取代传统的卷积，这样的好处就是卷积核的感受野更大能够获取到更大的上下文信息；通过使用空间金字塔池化，可以在不同尺度上对图像进行信息提取，应对图像的多尺度特性，即使是很小的物体也能有效地捕捉；通过使用编码器和解码器结构可以恢复细节信息，将浅层的特征和高层的特征进行融合，得到语义丰富且细节完整的分割掩膜；本发明减轻了医生的工作负担，对病情分析还有后续的治疗计划和术后评估都有重大的意义。
-
公开(公告)号：CN109063710A
公开(公告)日：2018-12-21
申请号：CN201810907208.X
申请日：2018-08-09
Applicant: 成都信息工程大学
CPC classification number: G06K9/342 , G06K2209/05 , G06N3/0454
Abstract: 本发明涉及图像分割领域中的鼻咽部肿瘤图像分割技术，具体的说是一种基于多尺度特征金字塔的3D CNN鼻咽癌分割方法。针对训练样本，需要由有经验的放射科肿瘤医师对若干鼻咽癌病例进行标注，使用整个三维MRI图像建立数据集，并对数据集进行一定的预处理，然后用网络对训练数据集进行训练，取得高精度的分割模型。对于新的病例，可以用该分割模型分割其MRI图像。相对传统的方法，除了训练阶段需要人工标注外，其余部分均可实现自动处理，大大降低对于有经验医师的需求，且与五种主流网络对比能取得较高的精度。
-
公开(公告)号：CN107341514A
公开(公告)日：2017-11-10
申请号：CN201710548763.3
申请日：2017-07-07
Applicant: 成都信息工程大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于联合密度及角度的异常点和边缘点检测方法，本发明基于边缘点和异常点具有较低的局部密度和较小的角度方差变化的思想，结合数据集的角度与密度的联合信息，利用联合测度去判定样本点属于异常点和边缘点的程度，通过设置门限值自动确定特殊点。提出了一种较稳定的异常点与边缘点的检测方法，提高了边缘点与异常点检测的性能，可较好地反映数据集的特征，并且能够检测出噪音数据，更好的去除噪音。克服了现有技术在复杂数据集中特殊点检测的效果不好和不稳定的缺点。
-
公开(公告)号：CN106709918A
公开(公告)日：2017-05-24
申请号：CN201710041808.8
申请日：2017-01-20
Applicant: 成都信息工程大学
CPC classification number: G06K9/6223
Abstract: 本发明公开了一种基于空间平滑的多元学生t分布混合模型图像分割方法，包括：输入待分割图像，得到图像的颜色信息；设置聚类数目K及迭代终止的似然函数变化值和迭代的最大次数；初始化参数；利用当前的均值μk和协方差Σk计算高斯分布，计算学生t分布；计算场景混合系数πnk和后验概率znk；然后再利用所求的值修改均值μk和协方差Σk的值；修改ηk的值并求得精度值；计算对数似然函数的值，当计算其变化值小于等于给定的值或迭代次数超过规定次数就退出循环操作，否则迭代执行前面的计算操作步骤；最后计算像素的最大后验概率，根据最大后验概率原则得到像素的类别。本发明能有效的提高图像分割的鲁棒性和分割质量，分割结果有利于后续图像理解应用。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.033 seconds)
