“杜震洪”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果87个，建议您升级VIP下载更多相关专利

[发明专利]一种超分辨率遥感数据重构方法-CN202310330032.7在审
发明人： 杜震洪;赵佳晖;李亚东;戚劲 -专利权人：浙江大学
申请日： 2023-03-30 - 公布日： 2023-07-04 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种超分辨率遥感数据重构方法，属于深度学习超分辨重构领域。本发明从重建理论层面推导面向未知模糊核退化的泛化可行性，设计包含基于模糊核信息的影像校正网络、基于低分辨率影像的模糊核估计网络和超分辨率网络的盲超分辨率框架。本发明可促进生成更准确的模糊核和更清晰的高分辨率影像，缓解固定退化过程训练的超分辨率模型在应用到真实遥感影像上时通常出现的性能下降问题。本发明在面对随机未知的遥感影像形变、模糊、噪声等退化现象时，提高超分辨率模型的泛化能力，满足真实场景下各种退化问题。
一种分辨率遥感数据方法

[发明专利]基于概率误差补偿的全球表层海水pH反演方法及系统-CN202310443276.6有效
发明人： 杜震洪;赵佳晖;吴森森;刘仁义 -专利权人：浙江大学
申请日： 2023-04-24 - 公布日： 2023-06-27 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于概率误差补偿的全球表层海水pH反演方法及系统，属于机器学习和数据预测领域。本发明利用经过训练的第一机器学习模型，基于海表温度、海表盐度、点位坐标和监测时间获得不同数据点的总碱度后将其转换为pH估计值，再通过计算概率分布补偿因子和时空分布补偿因子，利用pH实测值对pH估计值进行误差补偿，最后利用误差补偿后的pH估计值作为训练样本的标签，对第二机器学习模型进行训练得到pH反演模型，用于反演全球海洋表层高空间分辨率pH分布。本发明可解决当前海洋pH实测样本时空分布稀疏、反演pH产品空间分辨率较低等问题，利用pH反演模型能够构建长时序高分辨率全球海表pH产品。
基于概率误差补偿全球表层海水 ph 反演方法系统

[发明专利]基于多源数据的高空间分辨率海水二氧化碳分压重构方法-CN202211506782.7在审
发明人： 杜震洪;王馨仪;吴森森;陈奕君 -专利权人：浙江大学
申请日： 2022-11-28 - 公布日： 2023-03-07 - 主分类号： G06F17/18 文献下载
摘要：本发明公开了一种基于多源数据和机器学习的高空间分辨率海水表层二氧化碳分压月度数据的并行重构方法、装置及介质。该方法针对高空间分辨率下的多源大数据采用了不同的并行策略。首先对时次观测数据进行加权时空平均和格网化，得到月度格网样本集；然后对遥感、模式、再分析等特征数据进行预处理，构建多源特征数据集。利用样本频率构建样本权重模型，建立并优化XGBoost树模型进行特征筛选和特征学习。最后利用训练模型重构海水表层二氧化碳分压格网数据。本发明方法的优点在于发挥了遥感数据的高空间分辨率优势，深度融合多源数据和现代机器学习方法，并针对不平衡大数据集制定了灵活的并行和学习策略。本发明对于认识海水表层二氧化碳分压时空分布、变化趋势，了解和发展海洋碳汇具有重要的实际应用价值。
基于数据空间分辨率海水二氧化碳分压重构方法

[发明专利]融合卫星云图时空信息的热带气旋定强方法、介质及设备-CN202210863062.X有效
发明人： 杜震洪;李晨阳;张哲 -专利权人：浙江大学
申请日： 2022-07-22 - 公布日： 2022-11-29 - 主分类号： G06T7/00 文献下载
摘要：本发明提出了一种融合卫星云图时空信息的热带气旋定强方法、介质及设备，属于深度学习模型预测领域。本发明基于热带气旋的最佳路径数据和红外卫星云图数据进行时空匹配获得红外云图影像，再基于红外云图影像获取空间权重矩阵，通过正弦函数对热带气旋持续时间进行编码获得时间编码值，进而利用空间权重矩阵和时间编码值对红外卫星云图数据进行时空加强，以时空信息增强后的红外云图影像输入经过训练的卷积神经网络模型中，预测得到目标时刻的热带气旋强度。本发明可根据时空编码信息对原始卫星红外云图进行时空加强，可以弥补数据驱动下深度学习模型的不足，提高模型的可解释性，并大大提升卷积神经网络模型对热带气旋的定强精度。
融合卫星云图时空信息热带气旋方法介质设备

[发明专利]面向巨量遥感数据的分布式存储方法、装置及介质-CN202111573294.3有效
发明人： 杜震洪;孙逍遥;郝亚楠;陈奕君 -专利权人：浙江大学
申请日： 2021-12-21 - 公布日： 2022-09-20 - 主分类号： H04L67/1097 文献下载
摘要：本发明公开了一种面向巨量遥感数据的分布式存储方法、装置及介质，属于分布式存储领域。本发明通过对巨量遥感数据元数据的数据划分规则进行优化，以包含多个空间要素的数据块作为分片的单位，实现了不同分片节点中遥感数据所需计算量的相对均衡，兼顾巨量遥感数据的分布式存储以及后续遥感数据的海量计算需求。本发明可以提升分布式引擎的稳定性和负载均衡性，对全球综合观测成果的应用具有重大意义。
面向巨量遥感数据分布式存储方法装置介质

[发明专利]一种全球观测成果立体网状目录体系标签关系的建立方法-CN202210249539.5在审
发明人：汪愿愿;杜震洪;李俊杰;吴森森;陈奕君;孙逍遥 -专利权人：浙江大学;中国资源卫星应用中心
申请日： 2022-03-14 - 公布日： 2022-06-24 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种全球观测成果立体网状目录体系标签关系的建立方法，属于大数据领域。针对现有层级树状目录体系难以调整和相互兼容，导致各中心多源全球观测成果难以统一管理与共享的问题，本发明综合时间、空间和主题三个维度建立标签关联关系，采用“时间‑空间‑主题”混合关联模型，建立全球观测成果之间更深入的关联关系。本发明所建立的全球观测成果之间的标签关系，可为建立全球观测成果立体网状目录体系提供基础，通过多维映射机制兼容各中心数据组织结构，最终实现统一资源目录体系下的各中心数据共享。
一种全球观测成果立体网状目录体系标签关系建立方法

[发明专利]面向巨量多源遥感数据的统一逻辑模型组织方法及其装置-CN202111190600.5有效
发明人： 杜震洪;孙逍遥;汪愿愿;吴森森;陈奕君;王立君;张丰;刘仁义 -专利权人：浙江大学
申请日： 2021-10-13 - 公布日： 2022-02-18 - 主分类号： G06F16/27 文献下载
摘要：本发明公开了一种面向巨量多源遥感数据的统一逻辑模型组织方法及其装置，属于大数据领域。本发明针对多源遥感数据出现的同名异义、同义异名等问题，采用一种基于映射模板的异构遥感元数据组织方法，基于遥感元数据核心编目集来统一组织并转换多数据中心遥感元数据，并可在多数据中心之间同步遥感元数据，从而实现了适用于遥感影像的统一逻辑模型。本发明将多数据中心按照无中心节点的星型拓扑结构建立分布式存储网络，能够实现对于巨量多源遥感数据的高效组合和存取，可以在多数据中心之间实现全局统一共享，并且具有动态扩展的能力。
面向巨量遥感数据统一逻辑模型组织方法及其装置

[发明专利]基于全局区间误差的学习型时空索引方法、装置及介质-CN202111259608.2有效
发明人：胡林舒;张丰;陈宁华;覃梦娇;汪愿愿;吴森森;杜震洪;傅晨华 -专利权人：浙江大学
申请日： 2021-10-28 - 公布日： 2022-02-18 - 主分类号： G06F16/901 文献下载
摘要：本发明公开了一种基于全局区间误差的学习型时空索引方法、装置及介质。该索引方法分为索引模型构建与基于索引模型的范围检索两大流程，是一种多向学习型时空索引。索引模型构建时需要对重复数据进行聚合，然后将数据转化为均匀分布，再对索引模型进行训练；基于索引模型的范围检索时，需要将检索范围转化至均匀分布数据空间，再对各个维度独立进行位置分布范围检索，最后将各个维度的位置分布范围交叉比对，确定最终的多维检索返回结果。该索引方法相较于常用时空树形索引具有更优的时空范围检索性能，特别是索引模型构建流程中的重复数据聚合操作与数据空间转换操作，对于其优越性起到了有效地提升作用。
基于全局区间误差学习时空索引方法装置介质

[发明专利]基于多视图学习的时空缺失数据补全方法、装置及介质-CN202111369399.7有效
发明人： 杜震洪;覃梦娇;张丰;汪愿愿;吴森森;刘仁义 -专利权人：浙江大学
申请日： 2021-11-18 - 公布日： 2022-02-18 - 主分类号： G06F16/215 文献下载
摘要：本发明公开了一种基于多视图学习的时空缺失数据补全方法、装置及介质，该方法针对海量多类型的环境监测数据集，对其中的每个数据缺失监测站点构建包含监测站点、监测时间、监测参数三个维度的数据张量，并分解出三个混合视图矩阵，运用矩阵完备算法对构建的三个混合视图从局部和全局尺度进行缺失数据估算，再基于人工深度神经网络进行多视图学习，得到最终监测参数缺失值的估算结果。本发明能够实现环境监测数据集的缺失值补全，在海洋环境监测、智慧城市发展等领域具有重要的意义。
基于视图学习时空缺失数据方法装置介质

[发明专利]基于MODIS的无机氮完整时空分布数据获取方法、装置及介质-CN202111375722.1有效
发明人：吴森森;戚劲;汪愿愿;杜震洪;张丰;赵佳晖 -专利权人：浙江大学
申请日： 2021-11-19 - 公布日： 2022-02-18 - 主分类号： G06F16/215 文献下载
摘要：本发明公开了一种基于MODIS的无机氮完整时空分布数据获取方法、装置及介质，属于遥感大数据领域。该方法步骤如下：1）对目标海洋区域的MODIS反射率产品、海水深度产品和无机氮采样数据进行匹配和数据清洗，形成由不同采样样本组成的样本集合；2）利用深度信念网络模型建立多波段反射率和时空特征信息与实测无机氮浓度值的回归关系，进而获得无机氮的有缺失时空分布；3）基于时空插值补全方法对有缺失时空分布进行重构，获得无机氮的完整时空分布。本发明充分考虑了无机氮遥感反演建模的时空异质性与复杂非线性特征，以及遥感反演结果受限于高缺失率的问题，能够获得近岸海域无机氮的完整时空分布，其反演精度较高，时空分布合理。
基于 modis 无机完整时空分布数据获取方法装置介质

[发明专利]一种基于深度学习的海洋中尺度涡检测方法-CN202110783889.5在审
发明人： 杜震洪;董子意;吴森森;汪愿愿;张丰 -专利权人：浙江大学
申请日： 2021-07-12 - 公布日： 2021-11-02 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于深度学习的海洋中尺度涡自动检测方法。本发明基于深度学习的思想，构建了适用于检测海洋中尺度涡的自动检测网络模型，逐级抽象海洋中尺度涡的高层本质特征，着重解决弱特征海洋遥感影像信息提取的关键科学问题，实现无人工干涉的海洋中尺度涡自动精准检测，节省检测海洋中尺度涡所需要耗费的人力和时间，为海洋学家利用海洋遥感影像探测海洋中尺度涡提供可靠的技术支撑。
一种基于深度学习海洋尺度检测方法

[发明专利]一种基于深度学习的高分辨率遥感影像不透水面提取方法-CN202110783897.X在审
发明人：汪愿愿;楼宇秦;吴森森;杜震洪;张丰 -专利权人：浙江大学
申请日： 2021-07-12 - 公布日： 2021-11-02 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于深度学习的高分辨率遥感影像不透水面提取方法。本发明利用深度学习网络架构，将不透水面提取转化为深度学习网络模型构建与训练优化问题。本方法的优点在于充分考虑高分辨率遥感影像的特点，利用深度学习模型强大的计算能力和特征提取能力，实现遥感不透水面的精确提取。同时，考虑到加强网络对细节不透水面的敏感程度，引入特征金字塔，融合影像多尺度信息，提高模型泛化能力，进一步提高遥感影像不透水面的提取精度。本发明可实现不透水面自动特征提取，对于遥感不透水面提取研究对于城市建设、城市生态环境等具有十分重要的实际应用价值。
一种基于深度学习高分辨率遥感影像不透水面提取方法

[发明专利]一种动态高效的遥感影像元数据入库检索方法-CN202110784795.X在审
发明人：汪愿愿;胡浩雄;张丰;吴森森;杜震洪 -专利权人：浙江大学
申请日： 2021-07-12 - 公布日： 2021-11-02 - 主分类号： G06F16/903 文献下载
摘要：本发明公开了一种动态高效的遥感影像元数据入库检索方法。其步骤如下：1)解析遥感影像元数据XML文件，获取XML树节点信息，实现元数据表字段批量命名；2)基于元数据表和持久层对象的一一对应关系，定义作为解析结果的持久层对象；3)编写配置文件，基于配置文件中预定义的规则，解析提取遥感影像XML文件，并将结果以对象形式组织起来；4)基于通用搜索树构建时空混合索引。本方法实现了遥感影像元数据表字段批量命名，且采用配置文件定义解析规则，可以在不修改入库程序的情况下，动态支持新类型的遥感影像元数据，构建的时空混合索引能够提高元数据的检索效率。本发明对于遥感影像元数据的入库检索具有十分重要的实际应用价值。
一种动态高效遥感影像数据入库检索方法

[发明专利]集成小波分解与深度神经网络的水质指标多步预测方法-CN202110784806.4在审
发明人： 杜震洪;王昱文;汪愿愿;张丰;吴森森 -专利权人：浙江大学
申请日： 2021-07-12 - 公布日： 2021-10-22 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种集成小波分解与深度神经网络的水质指标多步预测方法。其步骤如下：1)对原始水质指标的监测历史数据使用线性插值法填补缺失值；2)对填补缺失值后的数据进行离散小波变换；3)基于双向门控循环单元构建编码器，构建基于单向门控循环单元与全连接层的解码器，结合注意力机制提取解码器每步隐藏层状态与编码器所有隐藏层状态的相关关系，结合编码器和解码器构建神经网络模型，以小波分解后获得的多个分解序列作为输入。本方法的优点在于充分考虑水质数据非线性、波动复杂的特点，减弱噪音影响，自适应提取各步历史数据的影响程度，一步式、端到端预测未来多周的水质指标，对于水资源管理与生态保障具有实际应用价值。
集成分解深度神经网络水质指标预测方法

[发明专利]一种基于时空自回归神经网络模型的插值方法-CN202110784921.1在审
发明人：吴森森;吕文婷;张丰;杜震洪;汪愿愿 -专利权人：浙江大学
申请日： 2021-07-12 - 公布日： 2021-10-22 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于时空自回归神经网络模型的插值方法。本发明利用神经网络架构，将时空距离和时空权重解算任务转化为可量化的神经网络模型构建与训练优化问题。以时空对象的投影坐标和时间为基本输入单元，再分别计算对象间的空间距离差和时间距离差，设计模型将其向量化表达，通过神经网络拟合时空距离和时空权重，输出未知时空点的属性值。本发明的优点在于将神经网络模型引入到时空权重的解算中，利用神经网络充分拟合时空相关关系，实现时空插值，操作简单易行，能够减小插值模型和参数选择的主观因素影响，对于时空权重解算和时空数据插值具有一定应用价值。
一种基于时空回归神经网络模型方法

1
2
3
4
5
6
下一页»
尾页
共 87 条