公开(公告)号：CN119295954A

公开(公告)日：2025-01-10

申请号：CN202411825107.X

申请日：2024-12-12

Applicant: 杭州电子科技大学

Inventor： 赵思远 ,  胡淼 ,  郭子璇 ,  毕美华 ,  陈坤 ,  罗杰 ,  耿秀琳

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/82 ,  G06N3/096 ,  G06N3/045 ,  G06N3/0464 ,  G06V10/774 ,  G06N3/09 ,  G06N3/084

Abstract: 本发明属于遥感图像水冰分类技术领域，具体涉及基于双知识蒸馏的多光谱遥感图像的水冰分类方法及系统。方法包括步骤1，获取多光谱遥感图像并实施数据预处理；步骤2，构建冰湖提取无数据知识蒸馏网络，采取冰湖指数ILI作为第一教师模型，搭建U‑net网络作为第一学生模型，完成无数据的知识蒸馏；步骤3，构建冰湖提取无数据知识蒸馏框架；步骤4，构建水冰分类教师‑学生离线蒸馏网络，用于对提取冰湖后的图像进行水冰分类；步骤5，构建水冰分类知识蒸馏框架；步骤6，将遥感图像作为输入，通过步骤3的冰湖提取无数据知识蒸馏框架进行冰湖提取，再通过步骤5的水冰分类教师‑学生离线蒸馏框架进行水冰分类操作。

公开(公告)号：CN119295955A

公开(公告)日：2025-01-10

申请号：CN202411825108.4

申请日：2024-12-12

Applicant: 杭州电子科技大学

Inventor： 赵思远 ,  胡淼 ,  郭子璇 ,  冯午 ,  毕美华 ,  罗杰 ,  耿秀琳

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06N3/084 ,  G06N3/048 ,  G06T3/4053 ,  G06N3/04

Abstract: 本发明公开了基于KAN网络的水质参数遥感反演方法及系统，方法如下：1、获取设定区域实地探测的水质参数，按时间进行分类；2、获取多光谱遥感图像并预处理；3、构建KAN网络模型架构，输入为某一点处遥感图像的波段反射率，输出为该点处的水质参数，标签为水质参数的真实探测数据，损失函数为输出与标签的均方误差；4、将水质参数、波段反射率数据集作为训练集，用损失函数训练KAN网络；5、将待检测水质参数值的波段反射率输入训练好的KAN网络中，得到整个水域的水质参数值。本发明能够有效降低计算成本和模型复杂度，且可以对模型结果进行可解释性操作，以更好地适应实际应用需求。

公开(公告)号：CN117874708A

公开(公告)日：2024-04-12

申请号：CN202311711049.3

申请日：2023-12-13

Applicant: 杭州电子科技大学

Inventor： 曹佳斐 ,  薛安克 ,  耿秀琳 ,  胡晓静 ,  杨勇 ,  顾家豪

IPC: G06F18/27 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/049 ,  G06N3/084 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/082 ,  G06F18/213 ,  C02F1/00

Abstract: 本发明公开了一种应用互信息的时间图卷积网络预测方法。该方法首先使用CNN网络对工业污水处理厂的入水数据进行特征提取。然后计算入水数据不同参数间的互信息相关系数，通过图卷积网络将不同参数间的相关性嵌入到CNN网络的输出特征中。再将嵌入了拓扑信息的特征输入GRU和注意力机制，进行进一步的特征提取与增强，最后输入全连接层，输出工业污水处理厂未来入水中的COD、氨氮、总氮、总磷含量。本方法通过互信息的方法监测和量化了工业污水处理厂入水关键参数之间的相关性，构建变量之间的邻接关系形成图数据、获取特征邻接矩阵，有效地融合了不同变量间的特征信息。并且通过实验证明了该方法的先进性、有效性和准确性。

公开(公告)号：CN116842988A

公开(公告)日：2023-10-03

申请号：CN202310750042.6

申请日：2023-06-25

Applicant: 杭州电子科技大学

Inventor： 毕美华 ,  柴杰 ,  施浩远 ,  滕旭阳 ,  胡淼 ,  王宇希 ,  耿秀琳 ,  杨国伟 ,  周雪芳

IPC: G06N3/006 ,  G06N3/04 ,  G06N3/067 ,  G06N3/08

Abstract: 本发明公开了基于萤火虫算法的深度光学神经网络训练方法及系统，方法步骤如下：S1.将基于马赫曾德尔干涉仪(MZIs)和电光调制器(EOMs)的深度光学神经网络(DONN)看作萤火虫，将真实值和预测值之间的均方误差(MSE)的倒数作为适应度值；S2.随机初始化萤火虫的位置，计算每只萤火虫的发光强度；S3.计算萤火虫之间的吸引度，从而更新萤火虫的位置和发光强度；S4.经过多次更新迭代萤火虫的位置，直到满足终止条件，找到发光强度最大的萤火虫，即具有全局最优网络参数的DONN个体。本发明采用光信号作为信息传播的载体，具有高并行、抗干扰、低延迟、低功耗等特性。

公开(公告)号：CN119339250A

公开(公告)日：2025-01-21

申请号：CN202411907401.5

申请日：2024-12-24

Applicant: 杭州电子科技大学

Inventor： 冯午 ,  耿秀琳 ,  毕美华 ,  胡淼

IPC: G06V20/10 ,  G06V10/25 ,  G06V10/26 ,  G06V10/40 ,  G06N3/0499 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种利用多光谱遥感图像提取极地海冰的深度学习方法及系统，方法具体包含以下步骤：S1.获取极地海冰区域的Sentinel‑2数据；S2.对步骤S1获取的Sentinel‑2数据进行预处理与标注，得到海冰的真彩色图像TCI以及标注图像，形成数据集；S3.使用基于特征图重构的深度学习模型对数据进行训练以及测试；S4.通过调优，得到最佳模型参数，并将最佳模型参数加载至所述的深度学习模型，所述的深度学习模型输入步骤S2处理好的TCI进行海冰的提取，得到输出结果。本发明有效地降低了海冰标注数据的获取难度，降低了标注时间。