-
公开(公告)号：CN111626056A
公开(公告)日：2020-09-04
申请号：CN202010281724.3
申请日：2020-04-11
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06F40/295 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明属于命名实体识别技术领域，特别涉及一种基于RoBERTa-BiGRU-LAN模型的中文命名实体识别方法及装置，该方法包括将待处理中文语料转换为字向量序列；将获得的字向量序列输入RoBERTa-BiGRU-LAN模型的第一层BiGRU-LAN，获取融合局部信息的编码序列；将上面获得的编码序列输入RoBERTa-BiGRU-LAN模型的第二层BiGRU-LAN，获取融合全局信息的注意力分布；根据上面获得的注意力分布得到命名实体识别结果。本发明改进字嵌入方法更好地进行中文表征，同时将BiLSTM-CRF改进为BiGRU-LAN，减少了模型的参数，降低模型复杂度，节省了训练时间。
-
公开(公告)号：CN117331055A
公开(公告)日：2024-01-02
申请号：CN202210725552.3
申请日：2022-06-23
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明涉及机载激光测深近水面渗透误差修正的半经验波形分解方法，属于机载激光测深技术领域，本发明利用激光分别到达水面和水底的时刻、回波强度和形状调节参数构建水面回波模型和水底回波模型，再通过简化激光辐射传输理论构建水体后向散射模型，从而整体构成半经验信号卷积模型；利用深水波形样本估计模型中水体参数的概率分布，进而确定水体参数的合理初值和取值范围，结合水体参数初值和取值范围对半经验信号卷积模型参数进行优化求解，由模型参数确定水面信号位置并修正近水面渗透误差。本发明能够对波形各组成部分进行合理建模，同时能够适应不同水深下的波形处理，有效提高了水面信号的检测精度。
-
公开(公告)号：CN113720351B
公开(公告)日：2023-10-03
申请号：CN202111006411.8
申请日：2021-08-30
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G01C25/00
Abstract: 本发明属于遥感测绘技术领域，具体涉及一种星载激光测高数据与遥感立体影像的联合区域网平差方法。该方法首先生成测区的DSM，并将其与星载激光测高数据进行轨迹匹配；然后将DSM上的匹配轨迹点依据平差后的影像RPC参数进行反投影得到对应的像点坐标；之后采用多种约束条件对星载激光测高点进行筛选得到可靠的激光测高点数据；最终利用筛选后的激光测高点数据和卫星遥感立体影像数据进行顾及激光测高点平面坐标误差的光束法联合区域网平差。本发明利用自由区域网平差后测区内立体影像内符合精度高的优势，减轻影像RPC参数误差的影响，得到激光测高点对应的准确像点坐标，保证了物像一致性，有效提高了平差精度和无控条件下的遥感立体影像定位精度。
-
公开(公告)号：CN116543191A
公开(公告)日：2023-08-04
申请号：CN202310040195.1
申请日：2023-01-11
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06V10/764 , G06V20/10 , G06V20/70 , G06V10/26 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 本发明属于遥感数据处理与应用技术领域，具体涉及一种多源遥感数据自适应融合地物分类方法。获取同一地区同一时间的遥感影像和LiDAR点云，输入至构建的地物分类模型中，得到地物分类结果；其中，地物分类模型包括二维网络、三维网络、采样重构模块、特征融合模块和分类器；二维网络用于对输入的遥感影像进行特征提取得到二维特征，三维网络用于对输入的LiDAR点云进行特征提取得到三维特征；采样重构模块用于实现二维特征和三维特征的对齐；特征融合模块用于将对齐后的二维特征和三维特征进行融合处理。本发明突破了现有融合方法大多基于影像而对三维信息利用不够充分的问题，为异源数据融合提供了新的思路，在实际应用中具有重要意义。
-
公开(公告)号：CN113870042A
公开(公告)日：2021-12-31
申请号：CN202111144429.4
申请日：2021-09-28
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06Q50/00
Abstract: 本发明属于局部扩展社区发现技术领域，特别涉及一种基于网络motif的局部高阶社区发现方法及装置，该方法包括基于motif的高阶邻接矩阵与基于边的一阶邻接矩阵进行融合，得到权重矩阵；在网络中选择优质的种子节点；将挑选出的每一个种子进行扩展，得到种子的局部社区结构；对上面得到的社区进行优化处理。本发明在寻找优质种子节点以及局部扩展的过程中将网络的低阶信息和高阶信息进行融合，更好地利用网络信息挖掘更优的种子节点以及节点的局部社区结构，从而提高了社区划分的精度。
-
Patent Agency Ranking
公开(公告)号：CN114814781A
公开(公告)日：2022-07-29
申请号：CN202210220921.3
申请日：2022-03-08
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明提出一种星载光子计数激光雷达数据的地面光子提取方法，属于地面光子提取技术领域。首先将目标区的星载光子计数激光雷达数据分割成多个长段和对应若干短段，利用长段的高程差和短段的高程差计算每个短段的地形指数，根据计算出的地形指数对原有的布料模拟中的布料颗粒间的回弹距离进行调整，利用调整后布料模拟算法对获取的数据进行地面光子的提取。本发明考虑到星载光子计数激光雷达数据覆盖区域较广，区域内地形差异较大，采用分段的方式，用不同短段下的地形指数来准确表征对应短段下的地形，提取每段的地面光子，保证了提取地面光子的准确性，提高了地面光子提取精度。
-
公开(公告)号：CN114239303A
公开(公告)日：2022-03-25
申请号：CN202111581900.6
申请日：2021-12-22
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明涉及一种基于二流法模型的水体漫衰减系数反演方法。该反演方法包括获得水体的吸收系数、后向散射系数和太阳天顶角；将获取的吸收系数、后向散射系数和太阳天顶角输入反演模型获得水体漫衰减系数，其中反演模型基于二流法模型获得；获得方法包括利用二流法模型获得漫衰减系数的表达式和恰在水面下辐照度反射率进而获得水体漫衰减系数反演模型的初始表达式；对初始表达式进行预处理获得多个待定参数；利用预设的模拟数据集对各待定参数进行参数化处理以获得各待定参数的最终表达式，基于各待定参数的最终表达式获得水体漫衰减系数反演模型的最终表达式，从而得到反演模型。根据本发明能够解决现有技术反演模型的精度有待提高的问题。
-
公开(公告)号：CN114047494A
公开(公告)日：2022-02-15
申请号：CN202111188873.6
申请日：2021-10-12
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G01S7/48
Abstract: 本发明属于光子计数激光雷达技术领域，具体涉及一种光子计数激光雷达数据地面高程反演方法。首先，获取光子计数雷达的原始光子数据，提取原始光子数据中的噪声光子，去除提取的噪声光子以得到信号光子；然后，采用布料模拟方法从信号光子中提取出地面光子；最后，反演地面高程。经过实验表明，本发明能够有效提取信号光子，进而获得不同土地覆盖和地形条件下的高精度地面高程曲线，反演地面高程的平均误差和均方根误差均较低，反演精度角度，为利用光子计数激光雷达数据估算地面高程提供了一种有效的解决方案。
-
公开(公告)号：CN116704330A
公开(公告)日：2023-09-05
申请号：CN202310523166.0
申请日：2023-05-10
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06V20/10 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/74 , G06N3/0455 , G06N3/0464 , G06N3/0985
Abstract: 本发明涉及一种基于元学习的多模态遥感数据地物分类方法，属于遥感数据处理技术领域。本发明构建多模态融合关系网络能够仅利用少量样本实现多模态遥感影像的融合分类，通过跨模态重建从多模态数据中提取更多的内部互补信息；利用三步元学习过程对所构建的网络进行训练和学习，在源数据集上通过训练获得学习能力，在仅具有少量标记样本的目标数据集下微调就能够快速适应到不同的目标场景，具备良好的泛化性能。本发明通过元学习对每个类别更多的关注有效地缓解了复杂场景中其他方法中存在的混杂错分现象，更精细准确地划分了细节目标，并且很好地保留了地物的边界信息，提升了分类的精度。
-
公开(公告)号：CN116664826A
公开(公告)日：2023-08-29
申请号：CN202310130974.0
申请日：2023-02-17
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06V10/26 , G06V10/774 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于点云数据处理技术领域，具体涉及一种小样本点云语义分割方法。首先采用元学习训练策略对构建的语义分割网络模型进行训练；所述语义分割网络模型包括特征提取网络、多原型生成模型和关系学习网络；特征提取网络用于分别对支撑集和查询集进行语义特征提取得到支撑集特征和查询集特征，多原型生成模型用于对支撑集特征进行特征选择得到原型特征，关系学习网络用于学习原型特征和查询特征之间的相似性关系；然后将待分类点云数据输入至训练后的语义分割网络模型得到分类结果。本发明设计了一种小样本分类元学习方法，面对全新场景时仅需要少量标记样本就能够实现新类别的分类，相较于基于监督的深度学习方法能提高整体分类精度。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.041 seconds)
