公开(公告)号：CN114821322A

公开(公告)日：2022-07-29

申请号：CN202210452243.3

申请日：2022-04-27

Applicant: 上海海洋大学

Inventor： 贺琪 ,  宋巍 ,  黄冬梅 ,  曹翔 ,  张津源 ,  刘铖龙 ,  孔令斌

IPC: G06V20/10 ,  G06V10/77 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于注意力机制的小样本遥感影像分类方法，包括：获取元任务中支持集的高维空间特征和查询集的查询特征；对支持集的高维空间特征进行处理获得类原型特征；对查询特征和不同的类原型特征之间的距离进行度量，完成分类。除此之外，还提出了一种基于注意力机制的小样本遥感影像分类系统。上述基于注意力机制的小样本遥感影像分类方法和系统，在实际应用中，使得遥感影像分类性能更优，泛化能力强，对未参与训练的数据集识别效果好，分类精度高，同时不需要研究工作者进行复杂和冗余的数据处理工作，能够大大降低人工成本，提高各领域对遥感影像分类的效率以及准确率，提高工作效率。

公开(公告)号：CN114780618A

公开(公告)日：2022-07-22

申请号：CN202210533499.7

申请日：2022-05-17

Applicant: 上海海洋大学

Inventor： 贺琪 ,  赵丹枫 ,  黄冬梅 ,  刘铖龙 ,  曹万万 ,  孔令斌 ,  曹翔

IPC: G06F16/2458 ,  G06F16/26 ,  G06V10/762 ,  G06K9/62 ,  G06Q50/26

Abstract: 本发明涉及一种面向海洋数据异常检测的多视图协同可视分析方法，包括：通过时序MDS算法计算海洋数据，得到时序MDS聚类视图；引入多要素信息熵视图，并与时序MDS聚类视图结合，展示每个要素在时序上的变化趋势；引入焦点区域平行坐标视图，并将变化趋势内与异常现象对应的焦点区域数据投影到平行坐标视图中，对焦点区域的数据做进一步的可视分析。上述面向海洋数据异常检测的多视图协同可视分析方法，通过时序MDS算法计算得到时序MDS聚类视图，并引入了多要素信息熵视图，揭示每个要素的变化趋势，同时用户可以选中时序MDS聚类视图中异常模式对应的时间，将原始数据投影到焦点区域平行坐标视图中，可适用于对存在异常模式的海洋时序数据进行检测。

公开(公告)号：CN114780618B

公开(公告)日：2024-10-15

申请号：CN202210533499.7

申请日：2022-05-17

Applicant: 上海海洋大学

Inventor： 贺琪 ,  赵丹枫 ,  黄冬梅 ,  刘铖龙 ,  曹万万 ,  孔令斌 ,  曹翔

IPC: G06F16/2458 ,  G06F16/26 ,  G06V10/762 ,  G06Q50/26

Abstract: 本发明涉及一种面向海洋数据异常检测的多视图协同可视分析方法，包括：通过时序MDS算法计算海洋数据，得到时序MDS聚类视图；引入多要素信息熵视图，并与时序MDS聚类视图结合，展示每个要素在时序上的变化趋势；引入焦点区域平行坐标视图，并将变化趋势内与异常现象对应的焦点区域数据投影到平行坐标视图中，对焦点区域的数据做进一步的可视分析。上述面向海洋数据异常检测的多视图协同可视分析方法，通过时序MDS算法计算得到时序MDS聚类视图，并引入了多要素信息熵视图，揭示每个要素的变化趋势，同时用户可以选中时序MDS聚类视图中异常模式对应的时间，将原始数据投影到焦点区域平行坐标视图中，可适用于对存在异常模式的海洋时序数据进行检测。

公开(公告)号：CN114819338B

公开(公告)日：2024-07-19

申请号：CN202210438445.2

申请日：2022-04-25

Applicant: 上海海洋大学

Inventor： 贺琪 ,  黄冬梅 ,  杜艳玲 ,  孔令斌 ,  李汶龙 ,  曹翔 ,  刘铖龙

IPC: G06F18/20 ,  G06F18/213 ,  G06F18/15 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/049 ,  G06N3/08 ,  G06F123/02

Abstract: 本发明涉及一种基于双注意力机制的多要素海表面温度预测方法，包括：对海面监测数据进行预处理，获得输入时间序列X，并将其作为要素注意力模块的输入获得k时刻的要素注意力权重#imgabs0#再将要素注意力权重#imgabs1#和对应的输入时间序列X相乘得到加权特征X′；通过编码器对加权特征X′进行转换获得所有时间步长的隐藏状态hl，并将其作为时间注意力模块的输入获得t时刻的时间注意力权重βt。上述基于双注意力机制的多要素海表面温度预测方法，通过编码器‑解码器架构的预测模型用于长期时间序列SST预测，显著提高了预测精度。其中要素注意力和时间注意力模块不仅可以自适应地选择最相关的要素特征，还可以适当地捕捉时间序列SST数据的长期时间相关性。

公开(公告)号：CN114819338A

公开(公告)日：2022-07-29

申请号：CN202210438445.2

申请日：2022-04-25

Applicant: 上海海洋大学

Inventor： 贺琪 ,  黄冬梅 ,  杜艳玲 ,  孔令斌 ,  李汶龙 ,  曹翔 ,  刘铖龙

IPC: G06Q10/04 ,  G06Q50/26 ,  G06F16/2458 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于双注意力机制的多要素海表面温度预测方法，包括：对海面监测数据进行预处理，获得输入时间序列X，并将其作为要素注意力模块的输入获得k时刻的要素注意力权重再将要素注意力权重和对应的输入时间序列X相乘得到加权特征X′；通过编码器对加权特征X′进行转换获得所有时间步长的隐藏状态hl，并将其作为时间注意力模块的输入获得t时刻的时间注意力权重βt。上述基于双注意力机制的多要素海表面温度预测方法，通过编码器‑解码器架构的预测模型用于长期时间序列SST预测，显著提高了预测精度。其中要素注意力和时间注意力模块不仅可以自适应地选择最相关的要素特征，还可以适当地捕捉时间序列SST数据的长期时间相关性。