公共文化服务平台

基于超像素特征的运动目标检测方法: 本发明公开了基于超像素特征的运动目标检测方法，包括：利用SLIC0分割法对每帧图像进行超像素分割，并提取各超像素块的像素均值作为其超像素特征值；以初始种子点位置上的超像素特征值为此超像素块样本值，根据前N帧超像素块样本值...; 胡昭华张维新钱坤

一种雷达回波外推预报方法及系统: 本发明公开了一种雷达回波外推预报方法及系统，本发明采用基于上下文信息融合及注意力机制的长短期记忆网络构建预测神经网络，通过上下文信息融合提高了输入数据之间的相关性和输入数据的时空细节特征，增强网络的短期依赖能力，通过注意...; 程勇渠海峰李远禄王军许小龙何光鑫杨玲钱坤王伟何佳信

一种台风云图预测方法、系统及存储介质: 本发明公开了一种台风云图预测方法、系统及存储介质，预测方法包括：将台风云图序列样本输入至预训练的FSTA‑LSTM神经网络模型中，得到预测的台风云图序列，确定台风云图预测结果；其中，所述FSTA‑LSTM神经网络模型的训...; 程勇钱坤渠海峰王军杨玲刘敏许小龙李伟

一种雷达回波外推的注意力融合和信息回忆的LSTM方法被引量：2: 2023年; 临近天气预报是气象研究中的热点问题,雷达回波外推技术作为处理临近天气预报的有效手段,具有重要的应用价值。近年来,深度学习技术被应用于处理这一任务,但提高雷达回波外推的预报准确率仍然是一个具有挑战性的问题。在ST-LSTM网络基础上,本文提出一种AFR-LSTM网络,以进一步提高雷达回波外推的预报准确率。首先提出一种注意力融合的时空长短期记忆网络的方法,以关联更多的历史信息,保证信息在传递过程中能够充分关联,减少信息丢失。同时,考虑编码过程中信息丢失问题,在编码器与解码器之间构建信息回忆模块,进一步保存雷达回波预测细节。通过在真实的雷达回波数据集(2019—2021江苏气象雷达数据)上进行消融实验,AFR-LSTM整体效果较好。此外,对该雷达回波数据集进行对比实验,结果表明AFR-LSTM在雷达回波预测中评分函数临界成功指数(CSI)值为0.5209、Heidke Skill Score(HSS)值为0.5324,并且能较好地保留强回波和位置准确度,优于现有方法,证明了该方法能够获得更准确的预测准确度。; 程勇钱坤钱坤何光鑫康志明何光鑫

基于混合深度结构的场景识别方法: 本发明公开了一种基于混合深度结构的场景识别方法。改进先前混合深度识别框架，运用到场景识别的任务中，使用深度自编码器自动提取局部图像块特征代替传统混合深度网络的局部特征提取层，得到图像块高级局部特征。同时引入空间信息改进场...; 胡昭华姜啸远钱坤王珏

基于混合深度结构的场景识别方法: 本发明公开了一种基于混合深度结构的场景识别方法。改进先前混合深度识别框架，运用到场景识别的任务中，使用深度自编码器自动提取局部图像块特征代替传统混合深度网络的局部特征提取层，得到图像块高级局部特征。同时引入空间信息改进场...; 胡昭华姜啸远钱坤王珏

基于时空注意力LSTM的台风云图预测研究: 台风在我国频繁发生,台风登陆会带来强风暴雨等灾害,还可能引发洪水、泥石流等次生灾害,给当地居民的生命财产安全带来巨大威胁。为有效应对此类灾害,除了加强建设相关防御力量外,精准预测台风活动也是至关重要的核心策略。深度学习方...; 钱坤; 关键词：多尺度特征

一种雷达回波外推预报方法、系统及存储介质: 本发明公开了一种雷达回波外推预报方法及系统，属于降雨短临预报技术领域，其包括获取待预测的雷达回波图像序列；对雷达回波图像序列进行预处理，得到待预测数据集；将所述待预测数据集输入预先训练的结合双分支编解码和门控递归网络的预...; 程勇渠海峰钱坤王军杨玲刘敏许小龙李伟

一种漂移检测的残差深度特征目标跟踪方法: 本发明公开了一种漂移检测的残差深度特征目标跟踪方法，通过卷积神经网络提取分层特征，然后在卷积神经网络加入残差结构，连接不同的网络层，实现浅层和深层特征的融合，不需要人为设计特征融合方式，网络结构能够自动实现特征融合的功能...; 胡昭华郑伟钱坤

基于多尺度特征融合和时空注意力LSTM的台风云图预测研究: 2025年; 现有深度学习方法在预测台风时没有考虑其特征内化损失问题,难以全面捕捉台风结构变化。为此,本文提出一种基于多尺度特征融合的时空注意力长短期记忆网络(MSTA-LSTM)方法。引入特征增强模块加强台风特征信息,通过跳跃连接缓解编解码过程中的台风细节特征损失,同时在时空长短期记忆网络(ST-LSTM)单元中利用卷积块注意力模块优化信息传递,最后通过反卷积调整不同尺度的解码输出,融合后输出结果。使用“葵花8号”卫星获取的东亚—东南亚太平洋沿岸地区的台风云图数据集开展验证和消融实验,该数据集包含16个台风过程的训练集和3个台风过程的测试集。与其他网络相比,MSTA-LSTM网络的均方根误差、峰值信噪比和结构相似性指数指标分别为42.76、16.38和0.4817,有效提高了台风云图预测的准确性。; 程勇钱坤王军渠海峰李伟杨玲韩晓东刘敏; 关键词：时间序列预测多尺度特征

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

钱坤