-
公开(公告)号：CN114861775A
公开(公告)日：2022-08-05
申请号：CN202210423009.8
申请日：2022-04-21
Applicant: 南京信息工程大学
Abstract: 本发明了一种特征选择与聚类分析后的混合神经网络模型天气分类方法，本发明首先使用MIC最大信息系数最特征进行选择，去除MIC最大信息系数低于0.5,即与其他特征关联性低的特征；接着使用BIC系数估计最佳的聚类模型集群数k，对数据集进行高斯混合模型聚类，筛选相似的样本；然后分别搭建MLP分类神经网络和MLNN分类神经网络；最后使用集成学习中的AdaBoost自适应加强算法，对两个模型进行顺序训练并生成MLP和MLNN神经网络混合模型。本发明结合了特征选择、聚类分析及混合神经网络对天气数据进行处理，缩减了训练时间。训练多层感知机和形态学‑线性神经网络并加入集成学习的思想混合，在模型训练及混合时应用AdaBoost自适应加强算法，提高天气分类准确率。
-
Patent Agency Ranking
公开(公告)号：CN114881357B
公开(公告)日：2024-09-17
申请号：CN202210612448.3
申请日：2022-05-31
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06Q50/02 , G06N3/0455 , G06N3/0442 , G06N3/0499 , G06N3/045 , G06N3/092 , G06N3/084
Abstract: 本发明公开了一种基于给定农灾资料强化学习的灾后作物产值预估方法，基于历史气象农灾数据和历史环境信息数据构成的原始数据集，农业灾害发生概率模型、模拟作物生长模型、多层感知机模型、初级灾后作物产值预估模型；并结合环境特征向量集、历史气象农灾数据动态变量和历史环境信息数据静态变量、动态静态气象及农业关联数据分组数据特征之间的关联性，获得最终灾后作物产值预估模型同时利用Q学习算法，本发明提出带有环境信息编码的针对收成季节推移的农业产值异构预测网络，遵循时间维度，解析各关联数据分组所对应二维特征平面集合，并采用异构神经网络组件细粒度解析动态与静态特征要素，全面考虑了气象与农业各要素在产值与灾害上的相关性。
-
公开(公告)号：CN114819344B
公开(公告)日：2024-10-18
申请号：CN202210441892.3
申请日：2022-04-25
Applicant: 南京信息工程大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/02 , G06Q50/26 , G06F40/279 , G06N3/0442 , G06N3/0464 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于关键影响因子的全局时空气象农灾预测方法，包括以下步骤：对异构数据按照时间与空间进行融合，融合成时空数据立方体；收集特定农业灾害指标的历史数据；选出对农业灾害影响最大的指标组合作为影响因子；将时空数据立方体转化为无纲量平面；从云平台时空数据立方体中按时间与空间提取气象与农业关联数据分组；在二维特征平面集合基础上构建带有全局时空特性的农业灾害预测的第二神经网络，计算农灾发生概率。本发明针对全局时空气象农灾预测方法的改进，基于关键影响因子的全局时空气象农灾预测方法，能够从时间与空间两方面对特定区域与时间段气象与农业观测值进行全局分析，更准确预测未来可能发生的农业灾害。
-
公开(公告)号：CN114819344A
公开(公告)日：2022-07-29
申请号：CN202210441892.3
申请日：2022-04-25
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于关键影响因子的全局时空气象农灾预测方法，包括以下步骤：对异构数据按照时间与空间进行融合，融合成时空数据立方体；收集特定农业灾害指标的历史数据；选出对农业灾害影响最大的指标组合作为影响因子；将时空数据立方体转化为无纲量平面；从云平台时空数据立方体中按时间与空间提取气象与农业关联数据分组；在二维特征平面集合基础上构建带有全局时空特性的农业灾害预测的第二神经网络，计算农灾发生概率。本发明针对全局时空气象农灾预测方法的改进，基于关键影响因子的全局时空气象农灾预测方法，能够从时间与空间两方面对特定区域与时间段气象与农业观测值进行全局分析，更准确预测未来可能发生的农业灾害。
-
公开(公告)号：CN115423106A
公开(公告)日：2022-12-02
申请号：CN202211374352.4
申请日：2022-11-04
Applicant: 南京信息工程大学
IPC: G06N5/04 , G06N5/02 , G06N3/04 , G06N3/08 , G06F16/36 , G06F40/169 , G06F40/205 , G06F16/35
Abstract: 本发明提供了一种基于多模态事件知识图谱的溯因推理方法，有机混合了事件知识图谱和多模态知识图谱的本体层和事实层，使事实知识可以通过多模态事件知识图谱的形式存储和使用，丰富了现行的知识组织和使用形式；同时对ege‑RoBERTa模型进行拓宽，增加了额外知识接口以及卷积自编码器训练通道，使其可以支持多模态事件信息作为额外知识辅助推理，得到更好的推理结果。
-
公开(公告)号：CN114881357A
公开(公告)日：2022-08-09
申请号：CN202210612448.3
申请日：2022-05-31
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于给定农灾资料强化学习的灾后作物产值预估方法，基于历史气象农灾数据和历史环境信息数据构成的原始数据集，农业灾害发生概率模型、模拟作物生长模型、多层感知机模型、初级灾后作物产值预估模型；并结合环境特征向量集、历史气象农灾数据动态变量和历史环境信息数据静态变量、动态静态气象及农业关联数据分组数据特征之间的关联性，获得最终灾后作物产值预估模型同时利用Q学习算法，本发明提出带有环境信息编码的针对收成季节推移的农业产值异构预测网络，遵循时间维度，解析各关联数据分组所对应二维特征平面集合，并采用异构神经网络组件细粒度解析动态与静态特征要素，全面考虑了气象与农业各要素在产值与灾害上的相关性。
-
-
-
-
-
Search Results
6
records
(took 0.03 seconds)
