CN107680121A - 河道图像的分析方法、装置、设备及计算机可读存储介质 - Google Patents
河道图像的分析方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN107680121A CN107680121A CN201710908493.2A CN201710908493A CN107680121A CN 107680121 A CN107680121 A CN 107680121A CN 201710908493 A CN201710908493 A CN 201710908493A CN 107680121 A CN107680121 A CN 107680121A
- Authority
- CN
- China
- Prior art keywords
- river course
- waters
- analysis method
- border
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Abstract
本发明提供河道图像的分析方法、装置、设备及计算机可读存储介质,所述分析方法包括以下步骤:步骤S1,从不同时期的河道的卫星图像中提取河道水域边界;步骤S2,比较不同时期的所述河道水域边界;步骤S3,确定所述河道水域边界的参数变化超过预设阈值的区域。根据本发明实施例的河道图像的分析方法,利用水域边界的剧烈变化区域研究河道的变化规律,并根据河道的变化规律为河道治理的必要性提供依据,便于河道的规划和治理。
Description
技术领域
本发明涉及河道演变学领域,尤其涉及河道图像的分析方法、装置、设备及计算机可读存储介质。
背景技术
河道是提供水流的通道,具备行洪排涝功能。近年来,河道演变十分频繁,虽然近些年也投入很多资金进行河道治理,但是在河道的治理中,专业的施工和管理机构等十分匮乏,仍然存在着不少河道演变剧烈问题。传统河道演变分析通常采用断面和和河势分析方法,缺乏模型研究,需要精确的测量,投入成本较大,直观性较差。
发明内容
有鉴于此,本发明提供河道图像的方法、装置、设备及计算机可读存储介质,能够通过确定水域边界的剧烈变化区域探讨河道的变化规律,进而降低河道治理过程中的投入成本。
为解决上述技术问题,一方面,本发明提供一种河道图像的分析方法,包括以下步骤:
步骤S1,从不同时期的河道的卫星图像中提取河道水域边界;
步骤S2,比较不同时期的所述河道水域边界;
步骤S3,确定所述河道水域边界的参数变化超过预设阈值的区域。
根据本发明的一些实施例,所述步骤S1包括:通过水域边界识别模型识别和提取所述水域边界。
根据本发明的一些实施例,所述步骤S1中包括:
建立水域影响模型;
在所述水域影响模型的基础上建立所述水域边界识别模型;
通过所述水域边界识别模型提取所述水域边界。
根据本发明的一些实施例,所述水域影响模型包括河道的多段水域影响模型。
根据本发明的一些实施例,所述步骤S1中还包括如下子步骤:在建立所述多段水域影响模型后,对所述多段水域影响模型的参数进行率定。
根据本发明的一些实施例,所述步骤S1还包括:
在通过所述水域边界识别模型识别了所述水域边界后,对所述水域边界进行平滑化处理。
根据本发明的一些实施例,所述步骤S2中,通过卫星影像比较所述水域边界在不同时期的变化。
根据本发明的一些实施例,所述步骤S3包括如下子步骤:
S31,对不同时期的河道的水域边界变化设定阈值;
S32,将所述水域边界变化超过所述阈值的区域,确定为所述水域边界的剧烈变化区域。
根据本发明的一些实施例,在所述步骤S1中,去除丰水期的河道卫星图像以忽略丰水期对河道形状的影响。
根据本发明的一些实施例,在所述步骤S1中,去除枯水期的河道卫星图像以忽略枯水期对河道形状的影响。
第二方面,本发明实施例提供河道图像的分析装置,包括:
获取模块,其用于从不同时期的河道的卫星图像中提取河道水域边界;
比较模块,其用于比较不同时期的所述河道水域边界;
确定模块,其用于确定所述河道水域边界的参数变化超过预设阈值的区域。
第三方面,本发明实施例提供用于分析河道图像的电子设备,包括:处理器;和存储器,在所述存储器中存储有计算机程序指令,
其中,在所述计算机程序指令被所述处理器运行时,使得所述处理器执行上述任一实施例的河道图像的分析方法中的步骤。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器运行时,使得所述处理器执行上述任一实施例的河道图像的的分析方法中的步骤。
本发明的上述技术方案至少具有如下有益效果之一:
根据本发明实施例的河道图像的分析方法,从不同时期的河道的卫星图像中提取河道水域边界,并通过水域边界识别模型识别和提取水域边界,比较水域边界在不同时期的变化以确定河道水域边界的参数变化超过预设阈值的区域,通过分析河道图像得出河道演变规律,不仅降低了研究成本,而且直观性强,可以为河道治理和设计提供参考。
附图说明
图1为本发明实施例的河道图像的分析方法的流程图;
图2为本发明实施例的河道图像的分析方法的步骤S1的流程图;
图3为本发明实施例的河道图像的分析方法的步骤S3的流程图;
图4为本发明实施例的河道图像的分析装置的示意图;
图5为本发明实施例的电子设备的示意图。
附图标记:
河道图像的分析装置1000;
获取模块1001;比较模块1002;确定模块1003;
用于分析河道图像的电子设备1400;
处理器1401;存储器1402;网络接口1403;输入设备1404;硬盘1405;显示设备1406;操作系统14021;应用程序14014。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
下面将结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
如图1至图3所示,本发明实施例的河道图像的分析方法,包括:
步骤S1、从不同时期的河道的卫星图像中提取河道水域边界。
如图1所示,根据本发明的一个实施例,所述步骤S1包括:通过水域边界识别模型识别和提取所述水域边界。
在本发明的一些具体实施例中,所述步骤S1中包括:
S11,建立水域影响模型,所述水域影响模型用于模拟自然因素等对水域的影响,在所述水域影响模型的基础上建立所述水域边界识别模型;
S12,在所述水域影响模型的基础上建立所述水域边界识别模型;
S13,通过所述水域边界识别模型提取所述水域边界。
根据本发明的一个实施例,所述水域影响模型包括河道的多段水域影响模型,所述多段水域影响模型可以提高所述水域影响模型与河道的匹配程度。
在本发明的一些具体实施例中,所述步骤S1中还包括如下子步骤:在建立所述多段水域影响模型后,对所述多段水域影响模型的参数进行率定。
根据本发明的一个实施例,所述步骤S1还包括:
在通过所述水域边界识别模型识别了所述水域边界后,对所述水域边界进行平滑化处理,经过平滑化处理后的所述水域边界与原所述水域边界相比,图片质量可以得到提高,不仅减少了计算量,而且降低了成本。
在本发明的一些具体实施例中,在所述步骤S1中,去除丰水期的河道卫星图像以忽略丰水期对河道形状的影响,简化提取所述水域边界的过程。
在本发明的一些具体实施例中,在所述步骤S1中,去除枯水期的河道卫星图像以忽略枯水期对河道形状的影响,简化提取所述水域边界的过程。
步骤S2、比较不同时期的所述河道水域边界。
如图2所示,根据本发明的一个实施例,所述步骤S2中,通过卫星影像比较所述水域边界在不同时期的变化,不仅直观性强,而且加快了水域边界的提取速度和河道图像的分析速度。
步骤S3、确定所述河道水域边界的参数变化超过预设阈值的区域。
如图3所示,在本发明的一些具体实施方式中,所述步骤S3包括如下子步骤:
S31,对不同时期的河道的水域边界变化设定阈值;
S32,将所述水域边界变化超过所述阈值的区域,确定为所述水域边界的剧烈变化区域。
接下来,描述根据本发明实施例的河道图像的分析装置1000。
如图4所示,本发明实施例的河道图像的分析装置1000,包括:
获取模块1001,其用于从不同时期的河道的卫星图像中提取河道水域边界;
比较模块1002,其用于比较不同时期的所述河道水域边界;
确定模块1003,其用于确定所述河道水域边界的参数变化超过预设阈值的区域。
根据河道图像的分析装置1000可以从河道的卫星图像中提取所述河道水域边界,通过比较所述河道水域边界确定所述河道水域边界的参数变化超过预设阈值的区域,从而得到所述水域边界的剧烈变化区域。
如图5所示,本发明实施例提供了一种用于分析河道图像的电子设备1400,包括:处理器1401和存储器1402,在所述存储器1402中存储有计算机程序指令,其中,在所述计算机程序指令被所述处理器运行时,使得所述处理器1401执行以下步骤:
本发明实施例中的所述河道图像的分析方法中的步骤。
进一步地,如图5所示,电子设备还包括网络接口1403、输入设备1404、硬盘1405、和显示设备1406。
上述各个接口和设备之间可以通过总线架构互连。总线架构可以是可以包括任意数量的互联的总线和桥。具体由处理器1401代表的一个或者多个中央处理器(CPU),以及由存储器1402代表的一个或者多个存储器的各种电路连接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其它电路连接在一起。可以理解,总线架构用于实现这些组件之间的连接通信。总线架构除包括数据总线之外,还包括电源总线、控制总线和状态信号总线,这些都是本领域所公知的,因此本文不再对其进行详细描述。
所述网络接口1403,可以连接至网络(如因特网、局域网等),从网络中获取相关数据,并可以保存在硬盘1405中。
所述输入设备1404,可以接收操作人员输入的各种指令,并发送给处理器1401以供执行。所述输入设备1404可以包括键盘或者点击设备(例如,鼠标,轨迹球(trackball)、触感板或者触摸屏等。
所述显示设备1406,可以将处理器1401执行指令获得的结果进行显示。
所述存储器1102,用于存储操作系统运行所必须的程序和数据,以及处理器1401计算过程中的中间结果等数据。
可以理解,本发明实施例中的存储器1402可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)或闪存。易失性存储器可以是随机存取存储器(RAM),其用作外部高速缓存。本文描述的装置和方法的存储器1402旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中,存储器1402存储了如下的元素,可执行模块或者数据结构,或者他们的子集,或者他们的扩展集:操作系统14021和应用程序14014。
其中,操作系统14021,包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序11014,包含各种应用程序,例如浏览器(Browser)等,用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序11014中。
上述处理器1401,当调用并执行所述存储器1102中所存储的应用程序和数据,具体的,可以是应用程序11014中存储的程序或指令时,获取全景图像;对所述全景图像进行预处理,获得待处理子图像;将所述待处理子图像输入到多路径卷积神经网络中,获得所述待处理子图像的深层特征图;对所述深层特征图进行池化处理;将经过池化处理后的深层特征图输入到全连接模型中,将所述全连接模型的输出作为重定位后的位置信息。
本发明上述实施例揭示的方法可以应用于处理器1401中,或者由处理器1101实现。处理器1401可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器1401中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1401可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1402,处理器1401读取存储器1402中的信息,结合其硬件完成上述方法的步骤。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(ASIC)、数字信号处理器DSP)、数字信号处理设备(DSPD)、可编程逻辑设备(PLD)、现场可编程门阵列(FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
具体地,处理器1401还用于读取所述计算机程序,执行上述任一实施例的所述河道图像的分析方法中的步骤。
另外,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器运行时,使得所述处理器执行上述任一实施例的所述河道图像的分析方法中的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理包括,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述收发方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (13)
1.一种河道图像的分析方法,其特征在于,包括以下步骤:
步骤S1,从不同时期的河道的卫星图像中提取河道水域边界;
步骤S2,比较不同时期的所述河道水域边界;
步骤S3,确定所述河道水域边界的参数变化超过预设阈值的区域。
2.根据权利要求1所述的河道图像的分析方法,其特征在于,所述步骤S1包括:通过水域边界识别模型识别和提取所述水域边界。
3.根据权利要求2所述的河道图像的分析方法,其特征在于,所述步骤S1中包括:
建立水域影响模型;
在所述水域影响模型的基础上建立所述水域边界识别模型;
通过所述水域边界识别模型提取所述水域边界。
4.根据权利要求3所述的河道图像的分析方法,其特征在于,所述水域影响模型包括河道的多段水域影响模型。
5.根据权利要求4所述的河道图像的分析方法,其特征在于,所述步骤S1中还包括如下子步骤:在建立所述多段水域影响模型后,对所述多段水域影响模型的参数进行率定。
6.根据权利要求5所述的河道图像的分析方法,其特征在于,所述步骤S1还包括:
在通过所述水域边界识别模型识别了所述水域边界后,对所述水域边界进行平滑化处理。
7.根据权利要求1所述的河道图像的分析方法,其特征在于,所述步骤S2中,通过卫星影像比较所述水域边界在不同时期的变化。
8.根据权利要求1所述的河道图像的分析方法,其特征在于,所述步骤S3包括如下子步骤:
S31,对不同时期的河道的水域边界变化设定阈值;
S32,将所述水域边界变化超过所述阈值的区域,确定为所述水域边界的剧烈变化区域。
9.根据权利要求1-8中任一项所述的河道图像的分析方法,其特征在于,在所述步骤S1中,去除丰水期的河道卫星图像以忽略丰水期对河道形状的影响。
10.根据权利要求1-8中任一项所述的河道图像的分析方法,其特征在于,在所述步骤S1中,去除枯水期的河道卫星图像以忽略枯水期对河道形状的影响。
11.一种河道图像的分析装置,其特征在于,包括:
获取模块,其用于从不同时期的河道的卫星图像中提取河道水域边界;
比较模块,其用于比较不同时期的所述河道水域边界;
确定模块,其用于确定所述河道水域边界的参数变化超过预设阈值的区域。
12.一种用于分析河道图像的电子设备,其特征在于,包括:
处理器;和存储器,在所述存储器中存储有计算机程序指令,
其中,在所述计算机程序指令被所述处理器运行时,使得所述处理器执行如权利要求1至10任一项所述的分析方法中的步骤。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器运行时,使得所述处理器执行如权利要求1至10任一项所述的分析方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710908493.2A CN107680121A (zh) | 2017-09-29 | 2017-09-29 | 河道图像的分析方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710908493.2A CN107680121A (zh) | 2017-09-29 | 2017-09-29 | 河道图像的分析方法、装置、设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107680121A true CN107680121A (zh) | 2018-02-09 |
Family
ID=61139007
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710908493.2A Pending CN107680121A (zh) | 2017-09-29 | 2017-09-29 | 河道图像的分析方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107680121A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111680459A (zh) * | 2020-06-11 | 2020-09-18 | 中国石化销售股份有限公司华南分公司 | 管道泄漏分析方法、装置及计算机可读存储介质 |
CN117370589A (zh) * | 2023-12-07 | 2024-01-09 | 北京瞭望神州科技有限公司 | 自然资源全生态实时感知大数据管理方法及管理平台 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020035553A1 (en) * | 2000-07-20 | 2002-03-21 | Kim Seung Bum | Intelligent interpolation methods for automatic generation of an accurate digital elevation model |
CN102564508A (zh) * | 2011-12-14 | 2012-07-11 | 河海大学 | 基于视频图像的河流流量在线测验实现方法 |
CN103761522A (zh) * | 2013-12-27 | 2014-04-30 | 河海大学 | 基于最小外接矩形窗河道分段模型的sar图像河道提取方法 |
CN105844709A (zh) * | 2016-03-25 | 2016-08-10 | 中国水利水电科学研究院 | 复杂河道地形流域洪水演进虚拟仿真的淹没线追踪方法 |
-
2017
- 2017-09-29 CN CN201710908493.2A patent/CN107680121A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020035553A1 (en) * | 2000-07-20 | 2002-03-21 | Kim Seung Bum | Intelligent interpolation methods for automatic generation of an accurate digital elevation model |
CN102564508A (zh) * | 2011-12-14 | 2012-07-11 | 河海大学 | 基于视频图像的河流流量在线测验实现方法 |
CN103761522A (zh) * | 2013-12-27 | 2014-04-30 | 河海大学 | 基于最小外接矩形窗河道分段模型的sar图像河道提取方法 |
CN105844709A (zh) * | 2016-03-25 | 2016-08-10 | 中国水利水电科学研究院 | 复杂河道地形流域洪水演进虚拟仿真的淹没线追踪方法 |
Non-Patent Citations (3)
Title |
---|
殷鹏莲等: "GIS支持的长江安徽段干流河道演变的遥感分析", 《测绘》 * |
许栋等: "基于二维浅水模拟的河道滩地洪水淹没研究", 《水文》 * |
郑涛等: "基于历史河道地形资料的Google Earth河道演变分析应用", 《广西水利水电》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111680459A (zh) * | 2020-06-11 | 2020-09-18 | 中国石化销售股份有限公司华南分公司 | 管道泄漏分析方法、装置及计算机可读存储介质 |
CN111680459B (zh) * | 2020-06-11 | 2023-12-22 | 中国石油化工股份有限公司 | 管道泄漏分析方法、装置及计算机可读存储介质 |
CN117370589A (zh) * | 2023-12-07 | 2024-01-09 | 北京瞭望神州科技有限公司 | 自然资源全生态实时感知大数据管理方法及管理平台 |
CN117370589B (zh) * | 2023-12-07 | 2024-02-09 | 北京瞭望神州科技有限公司 | 自然资源全生态实时感知大数据管理方法及管理平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110348441B (zh) | 增值税发票识别方法、装置、计算机设备及存储介质 | |
CN107423278A (zh) | 评价要素的识别方法、装置及系统 | |
CN110162519A (zh) | 数据清理方法 | |
CN110895758B (zh) | 存在作弊交易的信用卡账户的筛选方法、装置及系统 | |
CN107704512A (zh) | 基于社交数据的金融产品推荐方法、电子装置及介质 | |
CN108154436A (zh) | 一种选股方法、装置、电子设备及计算机可读存储介质 | |
WO2020228283A1 (zh) | 特征提取方法、装置及计算机可读存储介质 | |
CN106156092A (zh) | 数据处理方法及装置 | |
CN106503224A (zh) | 一种根据关键词推荐应用的方法及装置 | |
CN110245782A (zh) | 预测模型训练方法、装置和设备 | |
CN106127570A (zh) | 征信系统的稳定性指标生成方法及装置 | |
CN107680121A (zh) | 河道图像的分析方法、装置、设备及计算机可读存储介质 | |
CN109741177A (zh) | 用户信用的评估方法、装置及智能终端 | |
CN109961030A (zh) | 路面修补信息检测方法、装置、设备及存储介质 | |
CN110706015A (zh) | 一种面向广告点击率预测的特征选取方法 | |
CN110134780A (zh) | 文档摘要的生成方法、装置、设备、计算机可读存储介质 | |
CN109327345A (zh) | 网络异常流量的检测方法和装置、计算机可读存储介质 | |
CN111090833A (zh) | 一种数据处理方法、系统及相关设备 | |
CN109522692A (zh) | 网页机器行为检测方法及系统 | |
CN105335886A (zh) | 处理金融数据的方法和设备 | |
CN110134935A (zh) | 一种提取字形特征的方法、装置及设备 | |
CN109785155A (zh) | 基于医保报销模型调整医保策略的方法及相关产品 | |
CN108629506A (zh) | 风控模型的建模方法、装置、计算机设备和存储介质 | |
Zhu et al. | Parameter uncertainty and nonstationarity in regional rainfall frequency in Qu River Basin, East China | |
CN107169517A (zh) | 判断重复笔画的方法、终端设备及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180209 |
|
RJ01 | Rejection of invention patent application after publication |