-
公开(公告)号：CN112231983A
公开(公告)日：2021-01-15
申请号：CN202011146347.9
申请日：2020-10-23
Applicant: 河南大学
Abstract: 本发明提供一种面向遥感时空大数据的污染前体物排放源(ESPP)的类脑跨模态识别及其并行类脑智能处理方法。具体包括：基于卫星遥感反演分别反演NO2、O3、SO2和NH3等大气污染痕量气体的对流层柱浓度，同时计算近地面的PM2.5浓度；根据卫星遥感反演结果、高光谱图像和合成孔径雷达图像及ESPP的目标语义标签Cp，基于脑启发计算进行训练，建立面向ESPP的跨模态神经认知计算模型；基于深度学习提取遥感时空大数据中的跨模态、多层次和多尺度的ESPP特征；基于概率认知框架的面向对象的遥感跨模态ESPP表示和推理方法，对ESPP特征进行多尺度的主题聚类、跨模态的ESPP认知处理和ESPP识别的增量学习。本发明可有效地实现基于类脑计算的ESPP识别，为大气污染溯源提供系统的解决方案。
-
Patent Agency Ranking
公开(公告)号：CN114549973B
公开(公告)日：2024-09-06
申请号：CN202210084998.2
申请日：2022-01-25
Applicant: 河南大学
IPC: G06V20/10 , G06F17/16 , G06N3/0464 , G06N3/06 , G06N3/08 , G06V10/77 , G06V10/764 , G06V10/82
Abstract: 本发明提供一种面向软件定义卫星的高光谱图像类脑分类方法。该方法包括以下步骤：步骤1：在地面控制中心内构建并训练基于类脑注意力机制的脉冲神经网络模型ASNN，所述ASNN模型用于对高光谱图像进行分类；步骤2：将训练好的ASNN模型上传至软件定义卫星，并在所述软件定义卫星内部署好支持所述ASNN模型运行的软硬件环境；步骤3：所述地面控制中心控制所述软件定义卫星获取高光谱图像；步骤4：在所述软件定义卫星内对所述高光谱图像进行预处理后输入至所述ASNN模型，得到高光谱图像的分类结果；步骤5：所述地面控制中心从所述软件定义卫星处下载所述高光谱图像和对应的分类结果。
-
公开(公告)号：CN113077017B
公开(公告)日：2022-12-13
申请号：CN202110566295.9
申请日：2021-05-24
Applicant: 河南大学
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于脉冲神经网络的合成孔径图像分类方法。具体包括：使用深度卷积神经网络对合成孔径雷达图像进行预训练，保存训练好的权重参数；对合成孔径声呐图像进行显著性计算，将显著性计算结果输入至脉冲编码器中进行脉冲编码；将预训练的深度卷积神经网络权重参数迁移到多层脉冲神经网络作为初始权重参数，使用集成学习的方法对多层脉冲神经网络进行训练；将合成孔径声呐图像的脉冲编码结果作为训练好的多层脉冲神经网络的输入，采用脉冲解码器对多层脉冲神经网络的输出结果进行解码以判别最终分类结果。针对小样本合成孔径图像的识别问题，本发明利用合成孔径雷达图像可有效提高合成孔径声呐图像分类的准确率。
-
公开(公告)号：CN112231983B
公开(公告)日：2024-02-02
申请号：CN202011146347.9
申请日：2020-10-23
Applicant: 河南大学
IPC: G06F30/27 , G06N3/0464 , G06N3/08 , G06V20/13 , G06V10/764 , G06V10/82
Abstract: 本发明提供一种面向遥感时空大数据的污染前体物排放源(ESPP)的类脑跨模态识别及其并行类脑智能处理方法。具体包括：基于卫星遥感反演分别反演NO2、O3、SO2和NH3等大气污染痕量气体的对流层柱浓度，同时计算近地面的PM2.5浓度；根据卫星遥感反演结果、高光谱图像和合成孔径雷达图像及ESPP的目标语义标签Cp，基于脑启发计算进行训练，建立面向ESPP的跨模态神经认知计算模型；基于深度学习提取遥感时空大数据中的跨模态、多层次和多尺度的ESPP特征；基于概率认知框架的面向对象的遥感跨模态ESPP表示和推理方法，对ESPP特征进行多尺度的主题聚类、跨模态的ESPP认知处理和ESPP识别的增量学习。本发明可有效地实现基于类脑计算的ESPP识别，为大气污染溯源提供系统的解决方案。
-
公开(公告)号：CN114549973A
公开(公告)日：2022-05-27
申请号：CN202210084998.2
申请日：2022-01-25
Applicant: 河南大学
IPC: G06V20/10 , G06F17/16 , G06K9/62 , G06N3/04 , G06N3/06 , G06N3/08 , G06V10/77 , G06V10/764 , G06V10/82
Abstract: 本发明提供一种面向软件定义卫星的高光谱图像类脑分类方法。该方法包括以下步骤：步骤1：在地面控制中心内构建并训练基于类脑注意力机制的脉冲神经网络模型ASNN，所述ASNN模型用于对高光谱图像进行分类；步骤2：将训练好的ASNN模型上传至软件定义卫星，并在所述软件定义卫星内部署好支持所述ASNN模型运行的软硬件环境；步骤3：所述地面控制中心控制所述软件定义卫星获取高光谱图像；步骤4：在所述软件定义卫星内对所述高光谱图像进行预处理后输入至所述ASNN模型，得到高光谱图像的分类结果；步骤5：所述地面控制中心从所述软件定义卫星处下载所述高光谱图像和对应的分类结果。
-
公开(公告)号：CN113077017A
公开(公告)日：2021-07-06
申请号：CN202110566295.9
申请日：2021-05-24
Applicant: 河南大学
Abstract: 本发明提供一种基于脉冲神经网络的合成孔径图像分类方法。具体包括：使用深度卷积神经网络对合成孔径雷达图像进行预训练，保存训练好的权重参数；对合成孔径声呐图像进行显著性计算，将显著性计算结果输入至脉冲编码器中进行脉冲编码；将预训练的深度卷积神经网络权重参数迁移到多层脉冲神经网络作为初始权重参数，使用集成学习的方法对多层脉冲神经网络进行训练；将合成孔径声呐图像的脉冲编码结果作为训练好的多层脉冲神经网络的输入，采用脉冲解码器对多层脉冲神经网络的输出结果进行解码以判别最终分类结果。针对小样本合成孔径图像的识别问题，本发明利用合成孔径雷达图像可有效提高合成孔径声呐图像分类的准确率。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
