检索结果-南通市图书馆

ENSOMIM:一种新型ENSO时空预测模型

在线全文

学校读者我要写书评

暂无评论

中国科技论文 2024年第2期19卷 143-152,177页

作者：方巍沙雨张霄智南京信息工程大学计算机学院南京210044 数字取证教育部工程研究中心(南京信息工程大学) 南京210044 大气环境与装备技术协同创新中心(南京信息工程大学) 南京210044 江苏省计算机信息处理技术重点实验室(苏州大学) 江苏苏州215000

为了提高厄尔尼诺南方涛动(El Ni?o-southern oscillation,ENSO)预测的准确性,解决卷积核难以捕获ENSO的长距离前兆的问题,将ENSO预测视为一个时空序列预测问题,并提出一种基于注意力机制和循环神经网络的ENSO非稳态时空预测深度学习模... 详细信息

为了提高厄尔尼诺南方涛动(El Ni?o-southern oscillation,ENSO)预测的准确性,解决卷积核难以捕获ENSO的长距离前兆的问题,将ENSO预测视为一个时空序列预测问题,并提出一种基于注意力机制和循环神经网络的ENSO非稳态时空预测深度学习模型,称为ENSOMIM。该模型通过提出的新型注意力机制BGAM来局部和全局交互地学习空间特征,并使用高阶非线性时空网络对长期的时间序列特征进行编码。由于ENSO观测数据集样本数量少,为了更充分地训练模型,采用迁移学习的方法,使用历史模式模拟数据进行预训练再利用观测数据校正模型。实验结果表明,ENSOMIM更适合于大区域和长期的预测。在1984-2014年验证期间,ENSOMIM的Ni?o3.4指数的全季节相关性技巧比经典的卷积神经网络提高16%,均方误差降低17%,它可以为长达18个月的提前期提供有效预测,并且在23个月的提前期内相关技巧达到0.45。因此,ENSOMIM可以作为预测ENSO事件的有力工具。

关键词： ENSO 气候灾害时空序列预测深度学习神经网络

在线全文

学校读者我要写书评

暂无评论

基于改进扩散模型的温度预报

中国科技论文 2024年第2期19卷 215-223页

作者：方巍袁众薛琼莹南京信息工程大学计算机学院南京210044 数字取证教育部工程研究中心(南京信息工程大学) 南京210044 大气环境与装备技术协同创新中心(南京信息工程大学) 南京210044 江苏省计算机信息处理技术重点实验室(苏州大学) 江苏苏州215000

针对传统数值预报模式计算时间长和计算资源消耗大的问题,以及现有深度学习预报方法在温度预报结果上不精确,且预测结果模糊的问题,提出了一个新的温度预报模型。首先,设计了一个时空信息捕捉模块,将该模块捕获的长期依赖信息,作为扩散... 详细信息

针对传统数值预报模式计算时间长和计算资源消耗大的问题,以及现有深度学习预报方法在温度预报结果上不精确,且预测结果模糊的问题,提出了一个新的温度预报模型。首先,设计了一个时空信息捕捉模块,将该模块捕获的长期依赖信息,作为扩散模型的生成条件,赋予扩散模型预报的能力;其次,设计了一个新的平衡损失函数,同时保护了扩散模型的生成能力和时空信息捕捉模块对时空信息的捕捉能力;最后,基于美国国家环境预报中心的再分析数据进行预报,与现有的深度学习方法相比,所提模型预报结果的质量在均方误差(mean square error,MSE)上降低了17.3%,在均方根误差(root mean square error,RMSE)上降低了9.14%,在峰值信噪比(peak signal to noise ratio,PSNR)上提升了5.1%。改进的扩散模型能有效地捕捉时空依赖的关系,有效地进行时空序列预测,效果优于其他对比方法。

关键词：时空序列预测深度学习扩散模型时空捕捉模块平衡损失函数

MEPM模型:基于深度学习的多变量厄尔尼诺-南方涛动预测模型

在线全文

学校读者我要写书评

暂无评论

地球科学与环境学报 2024年第3期46卷 285-297页

作者：方巍张霄智齐媚涵南京信息工程大学计算机学院江苏南京210044 南京信息工程大学数字取证教育部工程研究中心江苏南京210044 南京气象科技创新研究院中国气象局交通气象重点开放实验室江苏南京210041 中国气象局武汉暴雨研究所中国气象局流域强降水重点开放实验室/暴雨监测预警湖北省重点实验室湖北武汉430205 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

厄尔尼诺-南方涛动(ENSO)是发生在热带太平洋年际时间尺度的海-气相互作用的异常现象,并由Nino3.4指数表征其发生情况;除此之外,ENSO与众多极端气候事件密切相关。因此,有效的ENSO预测对于预防极端气候事件和深入研究全球气候变化具有... 详细信息

厄尔尼诺-南方涛动(ENSO)是发生在热带太平洋年际时间尺度的海-气相互作用的异常现象,并由Nino3.4指数表征其发生情况;除此之外,ENSO与众多极端气候事件密切相关。因此,有效的ENSO预测对于预防极端气候事件和深入研究全球气候变化具有重要意义。然而,目前基于深度学习的ENSO预测大多数是预测一个指数或者单一变量,对于模拟多气候要素下的ENSO预测研究较少。通过提出一种利用多气候变量的ENSO预测模型——MEPM模型,其中包括多变量信息提取模块(MIEM)和时空融合模块(STFM),捕获不同气候变量在时空上的相互依赖性,进而提高ENSO预测的准确性。选取了纬向风应力异常(τ_(x))、经向风应力异常(τ_(y))、海表温度异常(SSTA)和海表下150 m温度异常(SSTA150)4个变量的距平值进行ENSO预测。结果表明:MEPM模型在提前11个月的Nino3.4指数相关技巧上分别比北美多模型集合中的动力预报系统CanCM4、CCSM3和GFDL-aer04高10%、20%和14%。此外,MEPM模型在中期Nino3.4指数相关技巧上显著优于其他深度学习模型,并可提供长达17个月的有效预测。

关键词：气候变化厄尔尼诺-南方涛动多气候变量深度学习时空序列预测卷积神经网络

在线全文

学校读者我要写书评

暂无评论

基于近邻卷积神经网络的油画分类方法研究

苏州科技大学学报（自然科学版） 2024年第1期41卷 69-75页

作者：钱华祁枢杰顾涔陶然吴宏杰苏州工艺美术职业技术学院江苏苏州215104 苏州科技大学电子与信息工程学院江苏苏州215009

油画分类是油画生成、油画识别及数字油画应用的重要基础工作。但由于油画图片与普通图片存在较大的质感差异,而且是油画家的个性化创作,不确定性更高,较普通照片的分类更困难。论文以分类出含有桥梁的油画为例,提出一种基于近邻卷积神... 详细信息

油画分类是油画生成、油画识别及数字油画应用的重要基础工作。但由于油画图片与普通图片存在较大的质感差异,而且是油画家的个性化创作,不确定性更高,较普通照片的分类更困难。论文以分类出含有桥梁的油画为例,提出一种基于近邻卷积神经网络的油画分类方法,利用K最近邻分类算法提取与测试样本最接近的K个训练样本,卷积神经网络挖掘油画中的深层特征,从而对油画中的对象进行分类。论文详细讨论了数据处理、卷积神经网络的架构设计、训练过程。并在kaggle数据集上对该方法进行了分析与比较,使用三个数据集进行实验,实验结果表明该方法较最近邻算法精度上平均提高了2.4%,较卷积神经网络精度上平均提高了3.1%,较支持向量机方法精度上平均提高了6.9%。

关键词：卷积神经网络 K最近邻分类算法数据可视化图像分类

在线全文

学校读者我要写书评

暂无评论

基于时空图卷积的强对流降水临近预报研究

气象科学 2024年第3期44卷 487-497页

作者：方巍薛琼莹陶恩屹齐媚涵南京信息工程大学计算机学院/数字取证教育部工程研究中心南京210044 中国气象局交通气象重点开放实验室/南京气象科技创新研究院南京210041 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210044

降水临近预报对于强对流天气的预报具有重要的支撑作用。气象业务中主要采用雷达回波外推方法解决此问题。然而,现有方法通常缺乏从序列雷达数据中有效学习的能力,导致预测精度不佳。为了解决这一问题,本文提出了一种改进的时空图卷积模... 详细信息

降水临近预报对于强对流天气的预报具有重要的支撑作用。气象业务中主要采用雷达回波外推方法解决此问题。然而,现有方法通常缺乏从序列雷达数据中有效学习的能力,导致预测精度不佳。为了解决这一问题,本文提出了一种改进的时空图卷积模型ASTGCN(A Spatio-Temporal Graph Convolution Neural Network)用于强对流降水的临近预报。利用时空图卷积网络,有效地捕获相邻雷达帧之间的时间依赖性。此外,利用注意力机制和自动编码器来增强模型捕获时空相关性的能力。结果表明,该模型可以从数据中发现隐藏的图结构,从而捕获隐藏的空间关系。与现有模型(Transformer)相比,该模型的临界成功指数(CSI)提高了28%,表明其在强对流降水临近预报方面具有优越的性能。

关键词：强对流降水临近预报深度学习 ASTGCN模型注意力机制雷达回波外推

在线全文

学校读者我要写书评

暂无评论

最小扰动混合角色挖掘方法研究

计算机研究与发展 2013年第5期50卷 951-960页

作者：翟志刚王建东曹子宁毛宇光南京航空航天大学计算机科学与技术学院南京210016 江苏省省级机关事务管理局南京210024 计算机软件新技术国家重点实验室(南京大学) 南京210093

绝大部分的角色挖掘方法都是从无到有地进行构建,所有角色都是新挖掘出来的,而没有考虑事先已经存在的角色集合.而且从已有角色集合的方法中提出的相似度定义均不满足交换律;提出一种混合角色挖掘方法,以top-down方法预先定义部分角色,... 详细信息

绝大部分的角色挖掘方法都是从无到有地进行构建,所有角色都是新挖掘出来的,而没有考虑事先已经存在的角色集合.而且从已有角色集合的方法中提出的相似度定义均不满足交换律;提出一种混合角色挖掘方法,以top-down方法预先定义部分角色,以bottom-up方法挖掘候选角色集合.定义加权结构复杂度并以此作为系统状态优化的指标.给出满足交换律的相似度定义,以此作为与原有角色集近似度量的指标,并提出相似度计算算法.在此基础上提出最小扰动混合角色挖掘的定义和算法;分析算法复杂度并作出性能评估,评估结果表明算法准确率和效率均有明显提高.

关键词：角色挖掘角色工程基于角色访问控制加权结构复杂度相似度

基于元数据逻辑无关片断的结构完整性检测方法

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2020年第9期57卷 1961-1970页

作者：赵晓非史忠植刘建伟天津工业大学计算机科学与技术学院天津300387 江苏省计算机信息处理技术重点实验室(苏州大学) 江苏苏州215006 中国科学院计算技术研究所智能信息处理重点实验室北京100190

高效地执行结构完整性检测是基于元对象设施(meta object facility,MOF)的存储库系统一致性领域的研究热点之一.借助逻辑学手段,提出了一种高效、自动地检测结构完整性的方法.首先针对MOF存储库框架的特点研究了如何将元数据的不同层次... 详细信息

高效地执行结构完整性检测是基于元对象设施(meta object facility,MOF)的存储库系统一致性领域的研究热点之一.借助逻辑学手段,提出了一种高效、自动地检测结构完整性的方法.首先针对MOF存储库框架的特点研究了如何将元数据的不同层次转换进描述逻辑SROIQ(D)知识库,在此基础上研究了如何对元数据进行抽取以提高检测过程的效率.提出了元数据逻辑无关片断的概念,通过分别抽取属性演绎片断和类属演绎片断,给出了生成最小逻辑无关片断的方法.由于该种片断是给定的元数据元素逻辑蕴含的闭包,因此完整地保留了给定元数据元素的相关全部信息从而使得检测可以在较小的元数据集上进行,而不必针对整个存储库,最后给出了基于逻辑无关片断的结构完整性检测方法.实验结果表明所产生的元数据片断的平均规模显著地小于其原始规模,在此基础上执行的检测的效率提升从1.47~3.31倍不等,与相关方法的时间性能对比亦展示了所提出方法的有效性.

关键词：逻辑无关片断结构完整性存储库系统元对象设施元数据

在线全文

学校读者我要写书评

暂无评论

基于深度学习的灾后建筑物损坏程度检测综述

计算机技术与发展 2023年第9期33卷 1-7页

作者：陈晓艺陆一鸣沈加炜钱美玲陆卫忠苏州科技大学电子与信息工程学院江苏苏州215009 苏州科技大学天平学院江苏苏州215009 苏州科技大学苏州智慧城市研究院江苏苏州215009 苏州科技大学苏州市虚拟现实智能交互及应用技术重点实验室江苏苏州215009

遥感图像分类和语义分割是一项非常有应用价值的计算机视觉任务。由于现实生活对遥感信息有更高的需求,使计算机视觉领域中高分辨率遥感图像研究日益活跃。其广泛应用于国土资源监测、道路提取和土地划分等领域。自然灾害后建筑物损害... 详细信息

遥感图像分类和语义分割是一项非常有应用价值的计算机视觉任务。由于现实生活对遥感信息有更高的需求,使计算机视觉领域中高分辨率遥感图像研究日益活跃。其广泛应用于国土资源监测、道路提取和土地划分等领域。自然灾害后建筑物损害程度检测也作为其应用领域之一,目的是对灾后建筑物损坏程度进行相关检测和评估。近年来,随着深度学习的发展,遥感图像领域取得巨大进展,深度学习在遥感图像分类和语义分割领域中的应用获得了巨大的成功,使其解析遥感图像信息和提取底物特征的速度更快,也在很大程度上提高了处理遥感图像相关任务的准确性。因此,深度学习中的计算机视觉技术对自然灾害后建筑物损害程度检测具有很大帮助。该文介绍了基于深度学习的自然灾害后建筑物损坏程度检测的相关任务、难点和发展现状。接着对xBD数据集进行介绍,并说明了不同算法模型的相关评价标准。然后对深度学习方法中几种应用于建筑物损坏程度检测的卷积神经网络模型进行总结和对比。最后对其存在的问题及未来可能的发展方向进行了讨论。

关键词：遥感图像深度学习计算机视觉自然灾害建筑物损坏程度检测

在线全文

学校读者我要写书评

暂无评论

一种基于划分的层次聚类算法

计算机工程与应用 2007年第31期43卷 175-177页

作者：沈洁赵雷杨季文李榕苏州大学计算机科学与技术学院江苏苏州215006

CURE算法是针对大规模数据聚类算法的典型代表。提出了一种新的算法K-CURE,该方法基于划分思想对CURE算法作了改进,同时给出了在聚类中剔除孤立点的时机选择方法。测试表明,改进后的算法效率明显高于原算法,且聚类效果良好。

关键词：数据挖掘层次聚类代表对象 CURE 孤立点