检索结果-南通市图书馆

缺失时段对黑河流域夏季FY-4AAGRI地表温度时间维重建的影响分析

在线全文

学校读者我要写书评

暂无评论

地球信息科学学报 2024年第3期26卷 709-724页

作者：罗雨梅祝善友李悦丽张桂欣徐永明南京信息工程大学遥感与测绘工程学院南京210044 南京信息工程大学地理科学学院南京210044

静止气象卫星产品在天气监测和气候变化应用中发挥着重要作用。受天气状况影响,静止气象卫星地表温度经常存在缺失现象,严重影响着地表温度产品的深入应用。在地表温度缺失值的时间维重建过程中,现有研究大多是比较了不同时间维重建方... 详细信息

静止气象卫星产品在天气监测和气候变化应用中发挥着重要作用。受天气状况影响,静止气象卫星地表温度经常存在缺失现象,严重影响着地表温度产品的深入应用。在地表温度缺失值的时间维重建过程中,现有研究大多是比较了不同时间维重建方法的精度,而有关数据缺失时段对模型能否有效重建的影响研究较少。本文以黑河流域为例,基于INA08温度日循环模型,通过模拟实验分析夏季FY-4A(风云4号A星)AGRI(Advanced Geostationary orbit Radiation Imager,先进的静止轨道辐射成像仪)LST(Land Surface Temperature,陆地表面温度)数据缺失对重建结果精度的影响,提出了不同缺失时段的数值替换方案,并采用真实数据对理论实验分析结果进行验证。结果表明:(1)缺失第二时段(13.15时)对重建结果的影响可忽略不计,缺失第五时段(次日0—6时)对重建结果影响最大;(2)随着缺失时段的增多,参与INA08模型拟合的遥感反演原始值减少,精度也有所下降;(3.模拟实验总结的缺失时段数值替换方案对INA08模型重建FY-4AAGRI LST具有一定指导作用,缺失时段某个时刻被替换为其他时刻地表温度后,能够显著提高缺失数据重建精度。

关键词： FY-4A AGRI 地表温度时间维重建缺失时段日变化模型黑河流域

在线全文

学校读者我要写书评

暂无评论

融合多源异构气象数据的光伏功率预测模型

电子与信息学报 2024年第2期46卷 503-517页

作者：谈玲康瑞星夏景明王越南京信息工程大学计算机学院南京210044 南京信息工程大学软件学院南京210044 南京信息工程大学人工智能学院南京210044

高精度光伏功率预测对提高电力系统运行效率具有重要意义。光伏功率受多种因素影响,其中云层的变化是最主要的不确定因素。传统光伏功率预测方法没有充分考虑云的3.结构和气象要素对光伏功率的影响。因此,该文提出一种融合多源异构气... 详细信息

高精度光伏功率预测对提高电力系统运行效率具有重要意义。光伏功率受多种因素影响,其中云层的变化是最主要的不确定因素。传统光伏功率预测方法没有充分考虑云的3.结构和气象要素对光伏功率的影响。因此,该文提出一种融合多源异构气象数据的多源变量光伏功率预测模型(MPPM)。MPPM的核心包括时空条件扩散模型(STCDM)、注意力堆叠LSTM网络(ASLSTM)和多维特征融合模块(MFFM)。STCDM模型通过对2维卫星云图进行精确预测,消除了云层边界处的模糊现象。ASLSTM模型则提取了3.天气研究与预报模式(WRF)气象要素特征。MFFM模块将2维卫星云图特征和3.WRF气象要素特征进行融合,以得到未来1 h光伏功率预测结果。该文分别利用STCDM模型和MPPM模型开展卫星云图预测实验和光伏功率预测实验。实验结果显示,STCDM模型预测1 h内卫星云图的结构相似性指数(SSIM)达到0.914,MPPM模型预测1 h内光伏功率的相关系数(CORR)达到0.949,优于所有对比算法。

关键词：多源数据扩散模型堆叠长短期记忆注意力机制特征提取

基于点-体素一致性约束的城市激光雷达点云分类

在线全文

学校读者我要写书评

暂无评论

中国激光 2024年第13期51卷 243-256页

作者：李虎辰管海燕雷相达秦楠楠倪欢南京信息工程大学遥感与测绘工程学院江苏南京210044

准确高效的点云分类在场景理解和数字孪生城市建设等任务中发挥着关键作用。利用单一点、体素等视觉结构数据的点云分类方法容易丢失关键几何特征;融合多种结构数据的点云分类方法学习到不同数据的多层次、多尺度特征,但难以平衡不同数... 详细信息

准确高效的点云分类在场景理解和数字孪生城市建设等任务中发挥着关键作用。利用单一点、体素等视觉结构数据的点云分类方法容易丢失关键几何特征;融合多种结构数据的点云分类方法学习到不同数据的多层次、多尺度特征,但难以平衡不同数据之间的差异,降低了点云分类的准确性。因此,提出一个基于点-体素一致性约束的点云分类网络(PVCC-Net),用于准确分割城市场景中的不同尺寸地物。PVCC-Net采用双分支U-Net结构,体素和点分支分别负责提取粗粒度和细粒度特征,并利用点-体素一致性约束模块对齐粗细粒度特征,以减小不同粒度特征的分布差异。然后,所提网络采用点-体素自注意力机制自适应融合聚合后的粗粒度和细粒度特征,进而提升点云全局特征表达。引入Toronto3.、Semantic3.和SensatUrban三个城市场景点云数据集对PVCC-Net进行性能评估。结果显示,PVCC-Net分别取得了97.97%、93.80%和93.00%的总体精度(OA),以及82.92%、75.70%和55.40%的平均交并比(mIoU)。对比实验结果表明,相比基线方法,所提方法可以有效提升对复杂城市场景点云的分类性能,且获得更优的分类结果。

关键词：遥感点云分类体素一致性约束自注意力机制城市场景

CYGNSS信号对降水的时空响应及其驱动因子分析

在线全文

学校读者我要写书评

暂无评论

武汉大学学报（信息科学版） 2024年第1期49卷 109-121页

作者：严清赟王戴乐南京信息工程大学遥感与测绘工程学院江苏南京210044

近年来,星载全球导航卫星系统反射测量(global navigation satellite system-reflectometry,GNSS-R)技术被广泛应用于地表水文监测,但针对降水,特别是其与飓风全球导航卫星系统(cyclone global navigation satellite system,CYGNSS)信号的响应机制研究仍有限。以中国广东省为研究区域,基于距平指数和相关分析方法,探究不同尺度下研究区2019—2020年逐月的CYGNSS反射率和降水的时空响应关系,综合考虑驱动因子如数字高程模型(digital elevation model,DEM)、坡度、土壤类型、土地覆盖类型和归一化植被指数(normalized difference vegetation index,NDVI),并基于地理探测器分析各驱动因子对CYGNSS信号与降水响应关系的影响力。研究发现:(1)在2019—2020年内,月平均CYGNSS反射率值和降水量均呈现明显的季节性差异,并且二者变化趋势近乎保持同步,这验证了CYGNSS信号在监测降水方面的潜力。(2)随着空间尺度的增大,CYGNSS信号和降水呈现的正相关性逐渐增强。(3.在不同空间尺度下,DEM和坡度较小(地势较平坦)的地区、土地覆盖类型为耕地的区域,以及较低到中等植被覆盖地区的CYGNSS信号和降水之间的正相关性更强。而不同尺度下土壤类型对CYGNSS信号和降水响应关系的影响存在差异。(4)各驱动因子对CYGNSS信号与降水响应关系的影响力按大小依次排序为DEM>NDVI>坡度>土地覆盖类型>土壤类型,并且随着尺度越大,各驱动因子的影响力越强。该研究有助于对地表水文变化进行准确评估,为降水监测和水资源管理提供决策支持。

关键词：飓风全球导航卫星系统 GNSS反射测量技术降水时空响应驱动因子

在线全文

学校读者我要写书评

暂无评论

空间耦合低密度奇偶校验码残差滑窗译码算法

电子与信息学报 2024年第3期46卷 867-874页

作者：周华李子杰南京信息工程大学电子与信息工程学院南京210044

针对空间耦合低密度奇偶校验(SC-LDPC)码滑窗译码(SWD)算法中错误传播导致的高误码率问题,该文提出基于动态残差的滑窗译码(RSWD)算法。通过在窗口内计算边信息更新前后的残差值,动态选择可靠度最低(残差值最大)的边信息优先更新,降低... 详细信息

针对空间耦合低密度奇偶校验(SC-LDPC)码滑窗译码(SWD)算法中错误传播导致的高误码率问题,该文提出基于动态残差的滑窗译码(RSWD)算法。通过在窗口内计算边信息更新前后的残差值,动态选择可靠度最低(残差值最大)的边信息优先更新,降低边信息无效更新的频率,提高窗内译码收敛速度。仿真结果表明:相比于传统SWD算法,RSWD算法在窗口中各位置的误比特数明显降低,抑制错误传播效果明显;在高信噪比(SNR)区域或者低迭代次数的情况下,RSWD算法的误码率性能优于SWD算法;此外,将动态残差应用到消息复用(MR)和窗口扩展(WE)两种窗译码算法中,亦能得到类似结论,提升窗译码性能。

关键词：空间耦合低密度奇偶校验码错误传播滑窗译码残差算法

基于网络流量时空特征和自适应加权系数的异常流量检测方法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第6期46卷 2647-2654页

作者：顾伟行鸿彦侯天浩南京信息工程大学电子与信息工程学院南京210044

针对传统异常流量检测模型对流量数据时空特性利用率较低从而导致检测模型性能较差的问题,该文提出一种基于融合卷积神经网络(CNN)、多头挤压激励机制(MSE)和双向长短期记忆(BiLSTM)网络的异常流量检测方法MSECNN-BiLSTM。利用1维CNN挖... 详细信息

针对传统异常流量检测模型对流量数据时空特性利用率较低从而导致检测模型性能较差的问题,该文提出一种基于融合卷积神经网络(CNN)、多头挤压激励机制(MSE)和双向长短期记忆(BiLSTM)网络的异常流量检测方法MSECNN-BiLSTM。利用1维CNN挖掘空间尺度下的异常流量特征,并引入MSE,多角度自适应特征加权,强化模型全局特征的关联能力。将网络流量的特征输入BiLSTM,捕捉流量数据的时序依赖性,进一步建立网络流量在时间尺度上的关系模型。利用softmax分类器进行预测分类,实验结果验证了所提模型在异常流量检测领域的有效性。

关键词：异常流量检测卷积神经网络长短期记忆网络挤压激励机制

在线全文

学校读者我要写书评

暂无评论

基于区域掩码对比蒸馏的遥感图像目标检测

东南大学学报（自然科学版） 2024年第3期54卷 761-771页

作者：周杰周子龙罗岩刘瑞赵满艳南京信息工程大学电子与信息工程学院南京210044

为解决遥感图像中存在背景干扰以及目标密集分布的问题,采用了一种以区域掩码对比蒸馏为基础的目标检测方法,旨在提高遥感图像目标检测性能.首先,通过对目标特征区域进行掩码操作,以区分前景和背景并捕捉目标的细节纹理,生成细致的特征... 详细信息

为解决遥感图像中存在背景干扰以及目标密集分布的问题,采用了一种以区域掩码对比蒸馏为基础的目标检测方法,旨在提高遥感图像目标检测性能.首先,通过对目标特征区域进行掩码操作,以区分前景和背景并捕捉目标的细节纹理,生成细致的特征掩码.其次,结合对比蒸馏算法,通过对教师网络和学生网络的区域掩码进行对比学习,使学生网络更加充分地吸收教师网络在目标特征纹理检测方面的知识.同时,在检测阶段引入了一种旋转定位损失算法,该算法通过量化真实边界框和预测边界框之间的格点向量差来进行损失估计,从而减小了预测边界框与真实边界框之间的旋转损失.结果表明,改进算法的均值平均精度在DOTA和HRSC2016数据集上分别较传统算法提高了3.57%和5.22%.

关键词：遥感图像目标检测区域掩码对比蒸馏旋转定位损失函数

基于基层团委“班团一体化”运行机制的探索与讨论——以南京信息工程大学遥感与测绘工程学院为例

在线全文

学校读者我要写书评

暂无评论

时代人物 2020年第12期 74-75页

作者：杨文娟徐颉吴瀚逸南京信息工程大学江苏南京210044

在班团一体化建设实际推动中，发现存在班与团的工作阵地界限模糊、团干部处理团的工作熟练程度不高、团支部在班级管理方面存在感低等突出问题，在南京信息工程大学遥感与测绘工程学院学生管理中，发掘出通过突出整治提升，强化团的组... 详细信息

在班团一体化建设实际推动中，发现存在班与团的工作阵地界限模糊、团干部处理团的工作熟练程度不高、团支部在班级管理方面存在感低等突出问题，在南京信息工程大学遥感与测绘工程学院学生管理中，发掘出通过突出整治提升，强化团的组织建设；突出能力提升，强化团干部队伍建设；坚持需求导向，提升团员青年获得感和幸福感等方面来推进班团一体化建设的新举措。

关键词：班团一体化团组织建设团干部建设

来源：评论

学校读者我要写书评

暂无评论

基于排序得分预测的演化神经架构搜索方法

计算机学报 2024年第11期47卷 2522-2535页

作者：蒋鹏程薛羽南京信息工程大学软件学院南京210044

大量的实际应用场景已经很好地证明了神经网络的优异性能,而神经网络性能的主要决定因素在于其架构.目前,最先进的优秀架构需要人工设计,并且依赖大量的专家经验和反复的试错来验证性能.近年来不断发展的演化神经架构搜索(Evolutionary ... 详细信息

大量的实际应用场景已经很好地证明了神经网络的优异性能,而神经网络性能的主要决定因素在于其架构.目前,最先进的优秀架构需要人工设计,并且依赖大量的专家经验和反复的试错来验证性能.近年来不断发展的演化神经架构搜索(Evolutionary Neural Architecture Search,ENAS)能够在一定程度上减轻人工设计的负担.然而,即使ENAS方法能够自动地搜索到优秀架构,却因为其巨大的时间和计算资源消耗导致难以被广泛使用.代理模型能够较好地解决这一消耗过大的问题,但是现有的代理模型辅助的演化神经架构搜索并不能充分融合搜索和代理的过程,并且目前代理方法难以准确预测精度相近的网络架构的准确排序关系.同时,现有的代理模型普遍需要大量的架构信息作为训练数据才能获得较好的代理精度,这些特点都导致代理模型难以较好地辅助ENAS,从而制约了ENAS的发展.本文中,我们提出了排序得分预测器辅助的演化神经架构搜索方法(Rank Score Predictorassisted ENAS,RSP-ENAS).在使用本文提出的面向排序得分预测的新型损失函数的情况下,作为得分预测器的多层感知器(Multi-Layer Perceptron,MLP)给出的种群中个体性能得分的排序与他们实际性能的顺序会尽可能保持一致.在使用本方法搜索的过程中,预测获得的得分可以直接被用于精英选择.在搜索阶段中,本文提出了一种两阶段的搜索方法,在搜索的前期使用小种群关注于代理数据集历史信息的积累,在后期着重使用代理模型预测大种群的适应度值.本文中的实验在EvoXBench平台上进行,并且能够在所有的基准数据集上都取得较好的结果,另外我们还在ImageNet数据集上进行了验证.和其他方法相比,本文的方法在NASBench-101空间上能够搜索到最优的架构.在NASBench-201空间的三个数据集上的正确率相较于其他最优方法分别取得了0.3.%、1.12%、0.55%的进步.在ImageNet上使用真实数据集进行的实验中,我们的方法获得了2.2%的分类精度的提升.另外,在使用相同数据量的情况下,本文中提出的排序得分预测模型得出的排序结果相较于其他最优方法在K endall’s Tau系数上获得了1.55%的提升.此外,我们还对代理模型中使用的One-hot编码和提出的排序损失进行了验证,从而证明这两项模块对于整体算法的有效性.

关键词：演化计算神经架构搜索遗传算法代理模型排序预测得分预测