-
公开(公告)号：CN112633334A
公开(公告)日：2021-04-09
申请号：CN202011451679.8
申请日：2020-12-09
Applicant: 西安电子科技大学
Abstract: 本发明实施例提供了一种基于卫星测运控资源规划调度的建模方法，包括以下步骤：S10、将卫星测运控资源规划与调度问题生成问题实例，将所有问题实例整合，构建实例库；S20、根据实例库建立三个尺度，由所述三个尺度确定表达单元；S30、根据所述实例库中的实例特征，确定问题特征；S40、根据所述表达单元及所述问题特征匹配问题模型，按照所述三个尺度的优先级进行匹配，得到建模结果。
-
公开(公告)号：CN105844637B
公开(公告)日：2020-04-28
申请号：CN201610168000.1
申请日：2016-03-23
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于非局部CV模型的SAR图像变化检测方法，实现步骤包括：(1)输入同一区域不同时间的两幅SAR图像构造差异图；(2)在差异图上做矩形轮廓曲线，初始化水平集函数；(3)计算内部区域的灰度均值和外部区域的灰度均值；(4)构建基于非邻域和基于区域信息的总能量函数E；(5)通过梯度下降法最小化E更新水平集函数φ，获得新的水平集函数φn+1，用其对差异图X进行分割；(6)判断当前的φn+1能否使总能量函数E达到最小值，如果能，停止迭代，输出最终的变化检测结果；否则，返回步骤3。本发明的方法对于差异位置更加敏感，对于初始化和图像质量的鲁棒性有明显增强。
-
公开(公告)号：CN112713926A
公开(公告)日：2021-04-27
申请号：CN202011477128.9
申请日：2020-12-15
Applicant: 西安电子科技大学
IPC: H04B7/185
Abstract: 本发明实施例提供了一种卫星测运控资源智能规划与调度方法，包括如下步骤：根据卫星测运控资源规划与调度问题生成的问题实例，将所有问题实例整合，构建实例库；根据所述问题实例建立调度算法并整合成算法库；根据所述问题实例与解决所述问题实例的算法形成模型，整合模型，构建模型库；对所述问题实例和解决所述问题实例的算法进行测试，生成测试例，整合测试例，构建测试库；根据所述实例库、所述算法库、所述模型库、所述测试库的运行情况，评估算法运行状态，获得系统当前运算力资源需求，对运算力进行动态分配。实现高效、稳定的卫星测运控资源规划与调度。
-
公开(公告)号：CN106875380A
公开(公告)日：2017-06-20
申请号：CN201710022541.8
申请日：2017-01-12
Applicant: 西安电子科技大学
Abstract: 本发明属于遥感图像处理技术领域，具体涉及一种基于无监督深度神经网络的异质图像变化检测方法，包括如下内容：对两幅同一地区不同时相的异质图像配准，利用深度神经网络以图像1所有点的邻域信息为输入，重构图像2的邻域信息，得到初始重构映射函数，获取初始差异图；选取样本点，重新训练深度神经网络，得到最终的重构映射函数；利用最终的重构映射函数，获取差异图，得到最终的变化检测结果。本发明首先适用于异质图像的变化检测，避免了对原始图像的预处理环节，同时一定程度上减少信息的丢失问题，具有受噪声影响小，变化检测结果精度高等优点。
-
公开(公告)号：CN105741267A
公开(公告)日：2016-07-06
申请号：CN201610045439.5
申请日：2016-01-22
Applicant: 西安电子科技大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/10032 , G06T2207/20081 , G06T2207/20084 , G06T2207/30181
Abstract: 本发明公开了一种聚类引导深度神经网络分类的多源图像变化检测方法，避免了传统的变化检测中的前期产生差异图的步骤，克服了多源图像变化检测需要产生差异图的弊端。其实现步骤为：输入光学图像的灰度矩阵；对光学图像进行模糊聚类得到分割后的灰度矩阵；对聚类分割后的光学图像做标记；对光学图像和TM图像进行采样；从TM图像中选取训练样本；训练栈式稀疏自动编码器SAE；利用标签对网络参数进行微调；把TM图像输入到网络输出分类后的图像；对两幅分类后的图作对数比；得到变化检测结果。本发明摒弃了差异图的构造环节，适用于多源遥感图像变化检测，具有受噪声影响小、变化检测结果分类精度高等优点。
-
Patent Agency Ranking
公开(公告)号：CN114926511A
公开(公告)日：2022-08-19
申请号：CN202210509781.1
申请日：2022-05-11
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于自监督学习的高分辨率遥感影像变化检测方法，包括：获取两幅高分辨率遥感影像并进行辐射校正和配准，得到两幅目标图像；对两幅目标图像进行光谱特征的比较得到像素级差异图；通过孪生特征提取网络获取目标图像对应的多个特征图；根据特征图计算两幅目标图像的多个目标级差异图；对像素级差异图以及多个目标级差异图进行融合，根据融合图像得到变化检测结果；孪生特征提取网络是一深度孪生卷积网络模型中的子网络；训练样本来自于高分辨率的样本遥感影像对，标注信息基于样本遥感影像对自动计算生成。本发明将深度网络的自监督学习应用到高分辨率遥感影像变化检测中，以此提高了高分辨率遥感影像变化检测的性能。
-
公开(公告)号：CN112633458A
公开(公告)日：2021-04-09
申请号：CN202011451926.4
申请日：2020-12-09
Applicant: 西安电子科技大学
Abstract: 本发明实施例提供了一种解决卫星测运控资源规划调度问题的匹配方法，包括以下步骤：根据已知的卫星测运控资源规划调度问题，形成问题域；根据已知的解决卫星测运控资源规划调度问题的解决方法，形成方法域；将所述问题域与所述方法域进行映射，得到映射函数；根据新的卫星测运控资源规划调度问题在所述问题域中所处的位置，按照所述映射函数映射回所述方法域中，得到解决所述新的卫星测运控资源规划调度问题的方法。
-
公开(公告)号：CN112632218A
公开(公告)日：2021-04-09
申请号：CN202011476922.1
申请日：2020-12-15
Applicant: 西安电子科技大学
Abstract: 本发明属于舆情监测技术领域，尤其为一种用于企业危机公关的网络舆情监测方法，包括如下步骤：根据企业设定的关键词监测与所述关键词相关的网络舆情信息，基于分布式云计算方式对网络数据进行数据采集，对采集的网络数据进行预处理：判断是否为负面舆情信息；为企业提供企业对当前负面舆情信息的应对能力指数，从而为企业提供直观的决策参考和指引，具有较好的企业体验结合针对各大社交门户网站提出了模块化的概念，并结合集成学习方法，实现了对网络舆情的快速采集、高效分析，结合多个社交平台模块，使得最终得到的预测加精准可靠；采用关键词分析及社交平台模块集成分析的双重消息过滤机制，因此准确性高。
-
公开(公告)号：CN107239795A
公开(公告)日：2017-10-10
申请号：CN201710358877.1
申请日：2017-05-19
Applicant: 西安电子科技大学
CPC classification number: G06K9/6277 , G06K9/6218 , G06N3/10 , G06T7/0002 , G06T2207/10044
Abstract: 一种基于稀疏自编码器和卷积神经网络的SAR图像变化检测系统及方法，属于SAR图像处理领域，该方法通过稀疏自编码器SAE对差异图提取特征，进而根据图像的特征用FCM聚类对差异图进行聚类，得到初始的分类结果，结合差异图和初始分类结果来训练卷积神经网络CNN，通过训练好的CNN对初始的分类结果进行微调，得到最终的分类结果图。该方法充分的利用图像像素的特征信息和邻域信息，进一步提高了变化检测结果的准确率。仿真结果表明，本发明采用的基于稀疏自编码器和卷积神经网络的SAR图像变化检测方法与KI、FCM等传统算法相比，正确检测率明显提高，Kappa系数也得到明显提高。
-
公开(公告)号：CN106874998A
公开(公告)日：2017-06-20
申请号：CN201710022647.8
申请日：2017-01-12
Applicant: 西安电子科技大学
Abstract: 本发明提供了一种基于帕累托优化的自步矩阵分解方法，将现有自步学习中采用单调递增方式的学习步长确定样本的权重变为利用帕累托优化技术得到样本的权重，而且在帕累托优化过程中将样本权重表示范围[0,1]更改为[‑1,1]使得困难样本权重存在合理的分布范围进而保证多样性，最后选出优化结果PF面上折衷最好的Knee点作为矩阵元素权重可以加速矩阵分解过程，总之本发明更合理更符合认知科学。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.018 seconds)
