基于3GPP的专利分析方法研究——以NTN HARQ进程技术为例

为了对卫星互联网领域中前沿通信技术的演进、技术分布、重要创新主体以及其专利布局特点进行全面准确的分析,本文提出了基于3GPP的专利分析方法。该方法基于3GPP提案梳理技术的完整演进过程,确定重要技术点、技术共识、3GPP技术标准、重要创新主体以及重要创新主体布局的高价值专利和存在专利布局空白的技术点,能够为产业提供及时的专利侵权风险的预警、专利布局的建议以及专利交叉许可决策的指引。

基于SAM与SVM的高光谱遥感蚀变信息提取

高光谱遥感技术的发展,提高了遥感技术的定量化水平,要求人们从光谱维去理解地物在空间维的变换。提出了一种光谱角匹配技术(Spectral Angle Mapper,SAM)与支持向量机(Support Vector Machine,SVM)相结合的高光谱遥感蚀变信息提取模型,在光谱维提取地表的蚀变信息。鉴于SAM算法仅考虑波谱矢量方向,忽略辐射亮度大小的缺点,利用SVM算法对SAM的提取结果进行二次分类,利用网格搜索法并结合分类精度评估进行参数寻优。通过AVIRIS高光谱数据实验证明,提取的蚀变信息分类精度为78.172 6%,Kappa系数为0.712 5。该模型计算方便,对于解决光谱维的地物分类及相似矿物的蚀变信息提取具有一定的实际意义。

人工神经网络在成矿预测中的应用

成矿预测正从定性描述性预测向定量成矿预测转变,数理统计方法和技术逐渐引入地学研究。传统统计方法多假想包含地学现象的空间为均质,假定在一个尺度上的地学关系在另一个尺度上也是相同的,而在实际应用中这样的地质条件是不可能存在的。而非线性科学正具有不满足线性叠加原理的性质,因此将非线性科学如人工神经网络与成矿预测相结合是未来矿产资源预测的发展方向。采用Kohonen聚类模型和BP预测模型相结合的方法,对包古图金矿区1444个矿点的地球化学数据进行聚类分析并建立成矿预测模型,预测正确率为85.2%。该方法性能良好,具有一定的实际意义,为解决成矿预测提供了一种新的手段。

一种高光谱遥感数据条带及随机点噪声去除方法

针对高光谱数据条带噪声的分布特点,本文提出在空间域采用矩匹配法去除条带噪声,在NSCT域采用基于邻域信息的自适应软阈值滤波法去除随机点噪声的综合去噪模型。通过哈图金矿区HSI二级产品数据实验证明,该方法不仅可以有效地去除条带及随机点噪声,而且较为完整地保留了原始影像的特征信息及边沿细节,进而为高光谱遥感定量分析与应用提供数据基础。

基于贝叶斯网络的遥感云用户行为认证方法

针对遥感云服务平台中不可信用户的入侵现象,结合遥感云用户行为特点和贝叶斯网络算法设计了一种用户行为认证方案。该方案论述了遥感云平台用户的行为认证机制,并且根据用户行为特点建立了用户行为认证集,结合贝叶斯网络算法预测特点和用户行为属性建立了用于认证等级预测的贝叶斯网络模型,把该模型中分析得出的用户行为属性的权重信息应用到用户等级预测算法中,使该算法针对遥感云用户认证更安全准确,从而实现对用户行为认证等级的预测。仿真实例表明该方法能够准确识别出不可信用户,有效保证遥感云服务平台的安全性。