公开(公告)号：CN117952803A

公开(公告)日：2024-04-30

申请号：CN202410161316.2

申请日：2024-02-05

Applicant: 福州大学 ,  福建省水土保持试验站(福建省水土保持监测站)

Inventor： 江洪 ,  林敬兰 ,  林静 ,  唐丽芳 ,  汪小钦 ,  夏卫平 ,  陈芸芝

IPC: G06Q50/26 ,  G06V20/10 ,  G06V10/764 ,  G06T7/62

Abstract: 本发明属于山区生态资产研究技术领域，并公开了一种山区生态系统的服务价值估算方法，包括：获取待测生态系统的历史数据、基本当量因子表和遥感影像；基于所述历史数据计算所述待测生态系统的标准当量因子；基于所述遥感影像构建所述待测生态系统的时空动态调节因子；基于所述标准当量因子、基本当量因子表和所述时空动态调节因子对所述待测生态系统的服务价值进行估算，得到所述待测生态系统的服务价值数据。本发明所述技术方案将传统的当量因子法与阴影消除植被指数SEVI结合，具有精度高、地形校正、空间分辨率高和数据溯源等优点。

公开(公告)号：CN111144570B

公开(公告)日：2022-06-21

申请号：CN201911372727.1

申请日：2019-12-27

Applicant: 福州大学

Inventor： 汪璟玢 ,  林静

IPC: G06N5/02

Abstract: 本发明涉及一种联合逻辑规则和置信度的知识表示方法，针对实时流入的动态知识碎片，若其已经存在于现有知识库中，则利用知识库训练好的模型进行知识推理；否则将其存入缓存区；当缓存区内数据满足预设条件时，将缓存区内的知识碎片加入知识库中，并对知识库重新进行模型训练。其训练包括在知识库上使用规则挖掘算法挖掘出知识库的Horn逻辑规则，为每条规则计算规则PCA置信度；根据规则的置信度结合概率软逻辑计算新推出的事实三元组的置信度；将融合逻辑规则语义信息的三元组联合置信度共同嵌入，提高知识表示的性能。本发明实现了不确定推理在动态知识图谱下的知识推理。

公开(公告)号：CN111144570A

公开(公告)日：2020-05-12

申请号：CN201911372727.1

申请日：2019-12-27

Applicant: 福州大学

Inventor： 汪璟玢 ,  林静

IPC: G06N5/02

Abstract: 本发明涉及一种联合逻辑规则和置信度的知识表示方法，针对实时流入的动态知识碎片，若其已经存在于现有知识库中，则利用知识库训练好的模型进行知识推理；否则将其存入缓存区；当缓存区内数据满足预设条件时，将缓存区内的知识碎片加入知识库中，并对知识库重新进行模型训练。其训练包括在知识库上使用规则挖掘算法挖掘出知识库的Horn逻辑规则，为每条规则计算规则PCA置信度；根据规则的置信度结合概率软逻辑计算新推出的事实三元组的置信度；将融合逻辑规则语义信息的三元组联合置信度共同嵌入，提高知识表示的性能。本发明实现了不确定推理在动态知识图谱下的知识推理。

公开(公告)号：CN114778483A

公开(公告)日：2022-07-22

申请号：CN202210439844.0

申请日：2022-04-25

Applicant: 福州大学

Inventor： 江洪 ,  陈爱琳 ,  林静

IPC: G01N21/359 ,  G01N21/55 ,  G01S7/497 ,  G06V20/13 ,  G06V10/20 ,  G06V10/764 ,  G06K9/62

Abstract: 本发明提供了一种用于监测山地的遥感影像近红外波段地形阴影校正方法，包括以下步骤：步骤S1：获取研究区的卫星遥感数据和DEM数据，并做数据预处理；步骤S2：采用机器学习和水体指数即NDWI提取地形阴影；步骤S3：采用大气校正后的地表反射率进行SCS+C地形校正；步骤S4：采用地表反射率计算地形阴影消除植被指数即SEVI；步骤S5：进行红光波段地形阴影校正；步骤S6：进行近红外波段地形阴影校正。应用本技术方案可有效消除地形阴影对遥感影像近红外波段干扰，弥补了常规基于DEM的地形校正方法在近红外波段地形阴影校正效果不佳、尤其在落影失效的不足。

公开(公告)号：CN111027700A

公开(公告)日：2020-04-17

申请号：CN201911310385.0

申请日：2019-12-18

Applicant: 福州大学

Inventor： 汪璟玢 ,  林静

IPC: G06N5/02

Abstract: 本发明涉及一种基于WCUR算法的知识库补全方法，包括以下步骤：步骤S1:遍历整个知识库,获取实体和关系的上下文信息;步骤S2:在考虑单独三元组的基础上结合上一阶段的实体和关系的上下文信息，分别计算三元组置信度的三个部分P(h|Neighbor(h))、P(t|Neighbor(t))和P(r|Path(r));步骤S3:通过梯度下降算法优化目标函数，反向更新每个实体和关系的向量，得到最优表示;步骤S4:根据最优表示，得到新的知识，并添加至原始知识库，实现知识库补全。本发明能够结合概率嵌入模型以衡量每个三元组的置信度，为每个实体和关系学习到更好的低维向量表示，更高效的补全知识库。