申请/专利权人：中山大学

申请日：2021-12-31

公开（公告）日：2024-03-22

公开（公告）号：CN114299377B

主分类号：G06V20/05

分类号：G06V20/05;G06T17/05;G06N3/08;G06N3/04;G06V10/82;G06V10/774

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2022.04.26#实质审查的生效;2022.04.08#公开

摘要：本发明公开了一种基于宽度学习的涡旋识别方法及装置，方法包括：获取目标区域的海表流场数据，并根据所述海表流场数据确定所述目标区域的海‑气界面的流场特征；对所述目标区域进行涡旋分布判断，确定所述目标区域的涡旋分布结果；通过二次曲面方程对所述涡旋分布结果进行拟合后，确定涡旋的三维结构类型；采用宽度学习方法对已识别出的涡旋的特征进行学习后，根据所述目标区域内的流场特征进行近海次中尺度涡旋的预测，得到涡旋识别结果。本发明提高了预测的准确性，可广泛应用于数据处理技术领域。

主权项：1.一种基于宽度学习的涡旋识别方法，其特征在于，包括：获取目标区域的海表流场数据，并根据所述海表流场数据确定所述目标区域的海-气界面的流场特征；对所述目标区域进行涡旋分布判断，确定所述目标区域的涡旋分布结果；通过二次曲面方程对所述涡旋分布结果进行拟合后，确定涡旋的三维结构类型；采用宽度学习方法对已识别出的涡旋的特征进行学习后，根据所述目标区域内的流场特征进行近海次中尺度涡旋的预测，得到涡旋识别结果；所述采用宽度学习方法对已识别出的涡旋的特征进行学习后，根据所述目标区域内的流场特征进行近海次中尺度涡旋的预测，得到涡旋识别结果，包括：将涡旋中心流速、涡旋半径、涡旋曲面形态、红外遥感图像提取特征作为输入数据；将所述输入数据划分为训练集和验证集；对所述训练集进行特征映射，生成特征节点，并根据所述特征节点得到中间层训练矩阵；对所述特征节点进行非线性变换处理，生成增强节点，并根据所述增强节点得到中间层验证矩阵；将所述特征节点和所述增强节点进行拼接处理，得到隐藏层；根据所述隐藏层、所述中间层训练矩阵以及所述中间层验证矩阵，输出预测值；根据所述预测值确定所述涡旋识别结果；所述涡旋识别结果包括但不限于涡旋的移动半径、涡旋的寿命以及涡旋的移动路径。

全文数据：

权利要求：

百度查询： 中山大学 一种基于宽度学习的涡旋识别方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD