-
公开(公告)号：CN114547985A
公开(公告)日：2022-05-27
申请号：CN202210188052.0
申请日：2022-02-28
Applicant: 中南林业科技大学
IPC: G06F30/27 , G06K9/62 , G06N3/04 , G06N3/08 , G06F119/12
Abstract: 本发明公开一种环境监测缺失数据补偿处理的方法，包括：获取环境监测初始数据；对所述环境监测初始数据进行分析，计算各环境污染指标与目标指标的相关度，其中，所述相关度用于度量所述环境污染指标与所述目标指标的相关程度强弱；构建数据补偿模型，将所述环境监测初始数据和所述相关度输入所述数据补偿模型，训练并利用形状和时间失真损失函数优化所述数据补偿模型，获得最优数据补偿模型；利用所述最优数据补偿模型，对环境监测缺失数据进行补偿处理。本发明提高了环境监测缺失数据补偿的准确性。
-
Patent Agency Ranking
公开(公告)号：CN111619992A
公开(公告)日：2020-09-04
申请号：CN202010532678.X
申请日：2020-06-11
Applicant: 中南林业科技大学
Abstract: 本发明公开了一种基于机器视觉的智能垃圾分类系统及方法，运用MobileNet深度学习与机器视觉技术，采用Raspberry pi、STM32为主控制器，设计实现了传送装置，实现垃圾的全自动投放，无需人力投入。测试结果显示，本作品的关键性能比市面上的分类垃圾桶有极大提升，成功实现了：(1)适应不同温度和光照环境，准确判断；(2)识别精度提高至95％以上；(3)具有出色的处理能力，可在7秒以内高速完成最多128个点的检测，识别速度块。
-
公开(公告)号：CN116894524A
公开(公告)日：2023-10-17
申请号：CN202310959090.6
申请日：2023-08-01
Applicant: 中南林业科技大学
IPC: G06Q10/04 , G06Q50/26 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06F16/2458
Abstract: 本发明公开了一种基于组合网络模型的大气温度预测方法，包括以下步骤：获取气象信息数据集；对所述气象信息数据集进行特征选择，获取初始目标气象指标；对所述初始目标气象指标进行划分，并进行归一化处理，获取目标气象指标；将所述目标气象指标输入CNN‑BiLSTM‑RandomForest组合网络模型，获取最终预测结果，完成基于组合网络模型的大气温度预测。本发明采用的CNN‑BiLSTM‑Random Forest温度预测模型可应用于城市范围内的未来温度短期预测，为气温预测提供新的思路和方法，具有较高的预测准确性和稳定性，能够应用于温度预测应用中，且具有较高的应用价值。
-
公开(公告)号：CN116108993A
公开(公告)日：2023-05-12
申请号：CN202310110101.3
申请日：2023-02-14
Applicant: 中南林业科技大学
IPC: G06Q10/04 , G06N3/08 , G06N3/0442 , G06N3/045 , G06N3/0464
Abstract: 本发明提供了结合自适应权重的MPC‑LSTM空气质量预测方法，包括：构建空气质量样本的数据集，并对所述数据集进行预处理；构建MPC‑LSTM空气质量预测模型；基于预处理后的所述数据集，对所述MPC‑LSTM空气质量预测模型进行训练；基于训练后的所述MPC‑LSTM空气质量预测模型，获取预测的空气质量数据。本发明结合了多尺度并行卷积融合网络、长短记忆神经网络和注意力机制，实现了对数据潜在特征关系的进一步挖掘，并选出最优权重，构建出最优的空气质量预测模型，从而提高空气质量预测精度。
-
公开(公告)号：CN115937693A
公开(公告)日：2023-04-07
申请号：CN202310134104.0
申请日：2023-02-20
Applicant: 中南林业科技大学
IPC: G06V20/10 , G06V10/774 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种基于遥感图像的道路识别方法及系统，其中，方法包括：S1、构建道路识别模型；S2、将训练集遥感图像输入所述道路识别模型，得到道路识别训练预测图；S3、根据训练集标签图像和所述训练预测图计算损失值，更新模型参数；S4、重复所述S2和所述S3，得到训练后的道路识别模型；S5、将测试集遥感图像输入所述训练后的道路识别模型中，得到道路识别测试预测图；S6、将所述测试预测图与测试集标签图进行比对，得到各评估指标，根据评估指标值，评价所述训练后的道路识别模型。本申请使用多尺度特征提取模块加强U‑Net特征提取能力，并在U‑Net模型跳跃连接处添加注意力机制使得模型能够充分利用有效特征信息。
-
公开(公告)号：CN114547985B
公开(公告)日：2024-11-26
申请号：CN202210188052.0
申请日：2022-02-28
Applicant: 中南林业科技大学
IPC: G06F30/27 , G06F18/214 , G06F18/22 , G06N3/0442 , G06N3/0455 , G06N3/09 , G06F119/12
Abstract: 本发明公开一种环境监测缺失数据补偿处理的方法，包括：获取环境监测初始数据；对所述环境监测初始数据进行分析，计算各环境污染指标与目标指标的相关度，其中，所述相关度用于度量所述环境污染指标与所述目标指标的相关程度强弱；构建数据补偿模型，将所述环境监测初始数据和所述相关度输入所述数据补偿模型，训练并利用形状和时间失真损失函数优化所述数据补偿模型，获得最优数据补偿模型；利用所述最优数据补偿模型，对环境监测缺失数据进行补偿处理。本发明提高了环境监测缺失数据补偿的准确性。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
