专利交易市场

本发明公开一种基于暴雨重心迁移特征相似的暴雨洪水预报方法，属于洪水预报预测技术领域，所述方法包括：搭建得到暴雨洪水场次关联情景数据库；建立动态暴雨结构化表征矩阵；对暴雨场次数据进行表征，形成多个暴雨聚类单元，提取各暴雨聚类单元暴雨重心迁移特征的中心迹线；计算目标暴雨场次的重心空间迁移特征，与暴雨聚类单元的中心迹线对比来判断目标暴雨场次与各暴雨聚类单元的相似性，找出相似度最高的历史暴雨场次；输入到暴雨洪水场次情景数据库中来获取对应的洪水场次，进行洪水预报推演。本发明考虑暴雨重心迁移特征，将暴雨的动态空间演变过程与洪水响应直接关联，提高基于暴雨洪水相似知识的洪水预报预测精度。

本发明提供了用于动态流标签的偏标签特征选择方法、装置、设备及介质，包括：根据样本的概率分布动态调整候选标签为真标签的置信度，以实现标记的动态消歧；分析新到达标签与已消歧标签之间的动态关系，评估其对特征质量的影响，定义特征增强项，量化上述影响，减轻噪声标签对特征评估的误差；在此基础上，设计了基于最大条件相关和最小条件冗余的特征评估准则，该准则同时权衡了特征相对于当前标签和消歧后标签的重要性；构建一种特征融合策略，将动态流标签对应的特征集合进行融合，以获得最终的一组高质量特征。旨在处理标签动态到达的情况，消除标签噪声，并通过最大条件相关和最小条件冗余策略评估特征质量，从而提高学习模型的分类性能。

本发明公开了一种基于脉冲事件的时间表面特征提取方法，首先获取事件脉冲样本，先计算事件脉冲样本中每个像素位置的自信息大小，然后计算每个样本中每个像素位置的脉冲出现频率，进而计算得到每个样本中每个像素位置的空间位置重要性，之后结合每个位置的空间位置重要性提取时间表面特征。本发明的方法在提取时间表面特征时结合了空间位置重要性，将模型计算的重点放在重要的位置上，改善了传统时间表面特征提取方法对空间信息不敏感的问题和对事件流中的噪声或微小变化过于敏感的问题。

本发明公开了一种基于网格信息熵聚类算法挖掘出租车载客热点区域的新方法，针对基于密度的聚类算法对输入的数据较为敏感，导致受到计算空间的限制且时效性较差的不足，因此，本发明受网格划分思想和信息熵方法的启发，利用信息熵以及聚集度的变化情况对载客点的分布状况进行分析。算法使用网格替代原始轨迹点数据进行计算，克服了基于密度的聚类算法受计算空间限制且时效性较差的不足，减少了所需处理的数据的规模，提高了计算的速度，算法的灵活性较大，能够处理分析海量数据。