-
公开(公告)号：CN117830381A
公开(公告)日：2024-04-05
申请号：CN202311726097.X
申请日：2023-12-15
Applicant: 武汉大学
IPC: G06T7/62 , G06V20/13 , G06F18/213 , G06F18/214 , G06F18/21
Abstract: 本发明属于湖泊面积变化分析预测技术领域，具体涉及湖泊面积变化空间分析模型、构建与面积变化预测方法及装置，模型构建方法包括：步骤1，数据获取和预处理；步骤2，逐月合成最优影像；步骤3，提取湖泊范围并计算面积变化；步骤4，构建湖泊流域空间权重矩阵并中心化；步骤5，对中心化的矩阵进行特征分解，计算特征值和向量；步骤6，筛选特征向量；步骤7，确定影响因子；步骤8，构建湖泊面积变化空间分析模型ESF‑FNN；将步骤4数据作为标签，模型的输入层中，输入步骤6数据作为空间特征，步骤7数据作为非空间特征；使输入层的神经元个数与特征个数相同，输出层输出湖泊面积变化预测值；基于模型评价指标确定ESF‑FNN。
-
公开(公告)号：CN118941974B
公开(公告)日：2024-12-13
申请号：CN202411434741.0
申请日：2024-10-15
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种高精度DEM数据缺失区域填补方法及装置，属于摄影测量与遥感技术领域，包括：获取待填补的高精度InSAR空洞DEM以及与待填补的高精度InSAR空洞的地理位置一致的低分辨率DEM；根据低分辨率DEM确定地形特征数据和SAR特征数据；将低分辨率DEM、地形特征数据和SAR特征数据输入到预先训练好的基于多源特征的Transformer和CNN智能化学习重构模型，得到预测的空洞区域高分辨率DEM；将预测的空洞区域高分辨率DEM与待填补的高精度InSAR空洞DEM结合，生成高精度DEM产品。本发明实施方式简便易行，整体流程结构清晰，使空洞填补这一过程完全实现智能化和自动化。
-
公开(公告)号：CN119691495A
公开(公告)日：2025-03-25
申请号：CN202411559276.3
申请日：2024-11-04
Applicant: 武汉大学
Abstract: 本发明提供一种基于直接偏好优化多模态大语言模型的积水水深提取方法，包括：获取待识别的社交媒体内容；将所述待识别的社交媒体内容输入预训练的水深识别模型，获得所述水深识别模型输出的水深识别结果，其中，所述水深识别模型为基于令牌级直接偏好优化策略训练得到的多模态大语言模型。本发明基于直接偏好优化多模态大语言模型的积水水深提取方法，通过令牌级直接偏好优化策略对多模态大语言模型进行训练得到水深识别模型，从而使得水深识别模型能更加准确地根据输入的目标区域目标时段的待识别社交媒体内容识别出其对应的水深信息。
-
公开(公告)号：CN117390959A
公开(公告)日：2024-01-12
申请号：CN202311352560.9
申请日：2023-10-17
Applicant: 武汉大学
IPC: G06F30/27 , G06F18/214 , G06F18/21 , G06F18/243 , G06N5/01 , G06N20/20
Abstract: 本发明提供一种顾及空间自相关的CatBoost‑GPP遥感估算模型的构建方法集系统，包括：获取研究区范围内影响植被总初级生产力GPP的变量数据，并对各变量数据进行预处理；根据研究区范围内的监测站点坐标构建空间邻接矩阵并根据空间邻接矩阵筛选特征向量；以预处理后的变量数据作为自变量、步骤2中筛选出的特征向量作为协变量，构建用于估算植被总初级生产力的CatBoost‑GPP遥感估算模型；将研究区范围内的监测站点的GPP观测值及对应的自变量数据整理成数据集，并将该数据集划分为训练集和验证集；采用训练集训练CatBoost‑GPP遥感估算模型并采用验证集进行验证得到优化后的CatBoost‑GPP遥感估算模型。本发明考虑了空间自相关性和异质性对GPP估算的影响，提高了模型的估算精度。
-
Patent Agency Ranking
公开(公告)号：CN115757791A
公开(公告)日：2023-03-07
申请号：CN202211503457.5
申请日：2022-11-28
Applicant: 武汉大学
IPC: G06F16/35 , G06F16/31 , G06F16/36 , G06F16/335 , G06N20/00 , G06F40/247 , G06F40/205
Abstract: 本发明提供了一种基于舆情大数据的诉求案件信息抽取聚类方法及设备。所述方法包括：步骤1至步骤7。本发明能够提取舆情大数据中民众诉求案件的关键信息，通过基于深度学习的匹配模型和无监督聚类方法能够快速地在大规模的诉求数据集上对案件进行合并和聚类。
-
公开(公告)号：CN118941974A
公开(公告)日：2024-11-12
申请号：CN202411434741.0
申请日：2024-10-15
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种高精度DEM数据缺失区域填补方法及装置，属于摄影测量与遥感技术领域，包括：获取待填补的高精度InSAR空洞DEM以及与待填补的高精度InSAR空洞的地理位置一致的低分辨率DEM；根据低分辨率DEM确定地形特征数据和SAR特征数据；将低分辨率DEM、地形特征数据和SAR特征数据输入到预先训练好的基于多源特征的Transformer和CNN智能化学习重构模型，得到预测的空洞区域高分辨率DEM；将预测的空洞区域高分辨率DEM与待填补的高精度InSAR空洞DEM结合，生成高精度DEM产品。本发明实施方式简便易行，整体流程结构清晰，使空洞填补这一过程完全实现智能化和自动化。
-
公开(公告)号：CN118447388A
公开(公告)日：2024-08-06
申请号：CN202410445124.4
申请日：2024-04-15
Applicant: 武汉大学
Abstract: 本申请公开了森林碳储量遥感预测方法、装置。本方法考虑了森林碳储量与遥感植被指数、年度物候指标、年度影像统计值、地形特征指标、植被特征数据间的复杂的非线性关系，同时考虑空间效应的影响并将其以空间特征向量的形式加到机器学习模型中，能够更加准确地构建森林碳储量模型，从而提高森林碳储量预测的精度。
-
公开(公告)号：CN116381700A
公开(公告)日：2023-07-04
申请号：CN202310265544.X
申请日：2023-03-17
Applicant: 武汉大学
Abstract: 本发明提出了一种森林冠层高度遥感估测方法及计算机可读介质。本发明利用多个历史时刻森林区域近地面植被冠层高度数据作为真实标签数据，利用随机森林模型对星载激光雷达数据足印点位置的相对高度参数进行校正；利用多个历史时刻的被动光学遥感数据、合成孔径雷达数据、干涉雷达数据、地形数据计算多波段特征指标作为非环境变量，结合空间权重矩阵计算得到空间特征向量集构建环境变量集，将校正后的星载激光雷达数据足印点位置的植被冠层高度参数作为真实标签数据，构建优化后的轻量级梯度提升机器学习模型，实现基于空间滤值的森林冠层高度遥感估测。
-
公开(公告)号：CN113205565A
公开(公告)日：2021-08-03
申请号：CN202110393861.0
申请日：2021-04-13
Applicant: 武汉大学
Abstract: 本发明涉及一种基于多源数据的森林生物量遥感制图方法，该方法集成光学遥感数据、雷达遥感数据和地形数据，使用异速生长方程将样地调查数据转换为森林地上生物量，利用逐步回归与随机森林方法对遥感数据的指标进行筛选，建立多元线性回归和随机森林两种森林地上生物量模型，使用十折交叉验证方法得到的决定系数与均方根误差选取最佳模型，利用PALSAR‑2Forest/Non Forest产品得到森林掩膜完成森林地上生物量制图。本发明充分结合光学遥感和雷达遥感数据的优点，能够高效率、高精度地完成大范围生物量估算。此外，本发明根据决定系数与均方根误差指标选取最佳模型，在应用于不同区域森林生物量估测时可相应调整，模型准确性高。本发明通用性强，便于推广使用。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
