CN110838157B - 一种应急突发场景专题图生成的方法及装置 - Google Patents

一种应急突发场景专题图生成的方法及装置 Download PDF

Info

Publication number
CN110838157B
CN110838157B CN201910958095.0A CN201910958095A CN110838157B CN 110838157 B CN110838157 B CN 110838157B CN 201910958095 A CN201910958095 A CN 201910958095A CN 110838157 B CN110838157 B CN 110838157B
Authority
CN
China
Prior art keywords
scene
thematic map
matrix
elements
feature vector
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.)
Active
Application number
CN201910958095.0A
Other languages
English (en)
Other versions
CN110838157A (zh
Inventor
张少波
赵健
王玮
孙永良
于涛
陈玉静
王滨
刘宜萍
王佩瑾
曹雪娇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hisense TransTech Co Ltd
Original Assignee
Hisense TransTech Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hisense TransTech Co Ltd filed Critical Hisense TransTech Co Ltd
Priority to CN201910958095.0A priority Critical patent/CN110838157B/zh
Publication of CN110838157A publication Critical patent/CN110838157A/zh
Application granted granted Critical
Publication of CN110838157B publication Critical patent/CN110838157B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Alarm Systems (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种应急突发场景专题图生成的方法及装置，该方法包括获取各场景元素的数据，根据卷积神经网络将各场景元素的数据转换为场景的特征向量矩阵，根据场景的特征向量矩阵以及GIS展板中的各专题图元素，构建评分矩阵，根据评分矩阵，确定出场景元素与专题图元素的关联度，根据各场景元素的实时数据将场景元素与专题图元素的关联度映射到专题图展示套件层上进行各专题图的展示。通过确定场景元素与专题图元素的关联度，使得GIS应急系统具备动态切换功能的动图，进而可以提高应急响应的效率。

Description

一种应急突发场景专题图生成的方法及装置
技术领域
本发明实施例涉及信息技术领域，尤其涉及一种应急突发场景专题图生成的方法及装置。
背景技术
应急管理作为新的课题发展越来越快，受公共安全和安全生产的影响，突发事件对应急响应有着迫切需求，应急管理系统是把计算机通信技术和应急管理相结合的一种技术，其中基于GIS(Geographic Information System，地理信息系统)平台的应急指挥调度，通过把属性信息和空间信息结合起来生成资源位置图，可以有效的进行定位、监控和事件处置，因此基于GIS地图的应急平台是目前应急管理系统建设的主流技术。
目前的基于GIS的应急系统整合并接入了越来越多的内容，比如路况、气象、视频监控等，其作为信息到载体正在发生膨胀，造成应急处置的效率降低，无法实现快速响应。
发明内容
本发明实施例提供一种应急突发场景专题图生成的方法及装置，用以生成有效的关联性强的应急信息，进而提高应急响应的效率。
第一方面，本发明实施例提供一种应急突发场景专题图生成的方法，包括：
获取各场景元素的数据；
根据卷积神经网络将所述各场景元素的数据转换为场景的特征向量矩阵；
根据所述场景的特征向量矩阵以及GIS展板中的各专题图元素，构建评分矩阵；
根据所述评分矩阵，确定出场景元素与专题图元素的关联度；
根据各场景元素的实时数据将所述场景元素与专题图元素的关联度映射到专题图展示套件层上进行各专题图的展示。
上述技术方案中，通过确定场景元素与专题图元素的关联度，使得GIS应急系统具备动态切换功能的动图，进而可以提高应急响应的效率。
可选的，所述根据所述场景的特征向量矩阵以及GIS展板中的各专题图元素，构建评分矩阵，包括：
为所述场景的特征向量矩阵中的场景元素配置专题图元素；
对所述场景元素及其配置的专题图元素进行评分；
根据所述场景元素、所述场景元素对应的专题图元素和对所述场景元素及其配置的专题图元素的评分，构建所述评分矩阵。
可选的，所述根据所述评分矩阵，确定出场景元素与专题图元素的关联度，包括：
使用矩阵分解算法将所述评分矩阵分解为场景的特征向量矩阵和专题图的特征向量矩阵；
根据所述场景的特征向量矩阵中的场景元素的取值对所述专题图的特征向量矩阵中的专题图元素的影响，确定所述场景元素与专题图元素的关联度。
可选的，所述根据各场景元素的实时数据将所述场景元素与专题图元素的关联度映射到专题图展示套件层上进行各专题图的展示，包括：
将所述场景元素与专题图元素的关联度映射到专题图展示套件层上；
根据各场景元素的实时数据，对影响专题图元素的场景元素进行排序，优先展示排序大于第一阈值的场景元素的数据。
第二方面，本发明实施例提供一种应急突发场景专题图生成的装置，包括：
获取单元，用于获取各场景元素的数据；
处理单元，用于根据卷积神经网络将所述各场景元素的数据转换为场景的特征向量矩阵；根据所述场景的特征向量矩阵以及GIS展板中的各专题图元素，构建评分矩阵；根据所述评分矩阵，确定出场景元素与专题图元素的关联度；根据各场景元素的实时数据将所述场景元素与专题图元素的关联度映射到专题图展示套件层上进行各专题图的展示。
可选的，所述处理单元具体用于：
为所述场景的特征向量矩阵中的场景元素配置专题图元素；
对所述场景元素及其配置的专题图元素进行评分；
根据所述场景元素、所述场景元素对应的专题图元素和对所述场景元素及其配置的专题图元素的评分，构建所述评分矩阵。
可选的，所述处理单元具体用于：
使用矩阵分解算法将所述评分矩阵分解为场景的特征向量矩阵和专题图的特征向量矩阵；
根据所述场景的特征向量矩阵中的场景元素的取值对所述专题图的特征向量矩阵中的专题图元素的影响，确定所述场景元素与专题图元素的关联度。
可选的，所述处理单元具体用于：
将所述场景元素与专题图元素的关联度映射到专题图展示套件层上；
根据各场景元素的实时数据，对影响专题图元素的场景元素进行排序，优先展示排序大于第一阈值的场景元素的数据。
第三方面，本发明实施例还提供一种计算设备，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行上述应急突发场景专题图生成的方法。
第四方面，本发明实施例还提供一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行上述应急突发场景专题图生成的方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种系统架构的示意图；
图2为本发明实施例提供的一种应急突发场景专题图生成的方法的流程示意图；
图3为本发明实施例提供的一种应急突发场景专题图生成的装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
图1示例性的示出了本发明实施例所适用的一种系统架构，该系统架构可以服务器100，该服务器100可以包括处理器110、通信接口120和存储器130。
其中，通信接口120用于终端设备进行通信，收发终端设备传输的信息，实现通信。
处理器110是服务器100的控制中心，利用各种接口和路线连接整个服务器100的各个部分，通过运行或执行存储在存储器130内的软件程序/或模块，以及调用存储在存储器130内的数据，执行服务器100的各种功能和处理数据。可选地，处理器110可以包括一个或多个处理单元。
存储器130可用于存储软件程序以及模块，处理器110通过运行存储在存储器130的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器130可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据业务处理所创建的数据等。此外，存储器130可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
需要说明的是，上述图1所示的结构仅是一种示例，本发明实施例对此不做限定。
基于上述描述，图2详细的示出了本发明实施例提供的一种应急突发场景专题图生成的方法的流程，该流程可以由应急突发场景专题图生成的装置执行，该装置可以位于如图1所示服务器100内，也可以是该服务器100。
如图2所示，该流程具体包括：
步骤201，获取各场景元素的数据。
在本发明实施例中，场景元素可以包括日期、天气、预警、水利、路况、气象等应急场景元素。为了更好的得到各场景元素的数据，可以建立数据平台，数据平台包括数据接入、数据存储、数据接口等服务。数据存储定义数据标准，对接入数据进行规范化处理，存储介质如Oracle、Kafka，数据接入协议支持socket、http、ftp。另外支持数据通过表单和Excel的方式上传到系统中，实现数据接入。对数据进行目录化管理并提供统一风格的数据调用接口。
步骤203，根据卷积神经网络将所述各场景元素的数据转换为场景的特征向量矩阵。
在本发明实施例中，卷积神经网络可以包括嵌入层、卷积层、池化层和输出层，通过该卷积神经网络可以将场景元素的数据转换为场景的特征向量矩阵。
具体的，上述卷积神经网络各层的作用分别为：
1、嵌入层(Embedding Layer)：将场景元素表示为数字矩阵作为卷积层的输入。详细地说，每一个场景是由n个场景元素组成，其中，每个场景元素表示为一个独一无二的向量，每个场景元素的向量维度都为d。可以将每个场景都表示为一个n×d维的矩阵。
2、卷积层(Convolution Layer)：和图像处理一样、此卷积层的目的在于提取场景元素上下文特征。嵌入层中得到的输出矩阵作为卷积层的输入，通过卷积操作后得到若干个特征图。其中，卷积窗口的大小为m×d，通道数为k。d表示为表示每个场景元素的向量的维数。通过这样一个大型的卷积窗口，将得到k个列数为1的特征图。
3、池化层(Pooling Layer)：池化层的目的在于从卷积层的输出中提取代表性的特征，并且把可变长度的场景元素向量变成固定长度的特征向量。最终，池化层的输出为各个通道的最大值，即一个一维的向量df。
4、输出层(Output Layer)：在得到高级特征向量df之后，把df投影到多维空间(如D维)上，其中，D表示特征向量矩阵的列维度。输出为每个场景的特征向量Uj，Uj的定义如公式(1)所示：
Uj＝cnn(W,Xj)…………………………(1)
其中，W表示CNN的内部权重，Xj表示场景j的场景元素，Uj表示场景j的场景元素特征向量。
步骤203，根据所述场景的特征向量矩阵以及GIS展板中的各专题图元素，构建评分矩阵。
具体的，首先为场景的特征向量矩阵中的场景元素配置所述GIS展板中的专题图元素，对场景元素及其配置的专题图元素进行评分，然后根据场景元素、场景元素对应的专题图元素和对所述场景元素及其配置的专题图元素的评分，构建评分矩阵。
根据场景中的场景元素配置专题图元素，构造一个评分矩阵，此矩阵由场景元素、专题图元素、评分组成。例如，给定N个场景元素，M个专题图元素，R为N个场景元素对M个专题图元素的评分组成的评分矩阵，即R＝[Rij]NM。Rij表示第i个场景针对第j个专题图做出的评分。
步骤204，根据所述评分矩阵，确定出场景元素与专题图元素的关联度。
具体的，使用矩阵分解算法将评分矩阵分解为场景的特征向量矩阵和专题图的特征向量矩阵，根据场景的特征向量矩阵中的场景元素的取值对专题图的特征向量矩阵中的专题图元素的影响，确定场景元素与专题图元素的关联度。
根据矩阵分解算法将上述评分矩阵分解为两个低维的特征矩阵。最后利用这个低纬矩阵去估算其他场景下其场景元素的取值对专题图元素到影响。其中，根据矩阵分解算法，如公式(2)所示：
R＝UTV…………………………(2)
其中，R为预测评分矩阵、U为场景的特征向量矩阵、V为专题图的特征向量矩阵。
场景i对专题图j的评分Rij＝Ui TVj。Ui表示矩阵U中第i列元素、Vj表示矩阵V中第j列元素。
步骤205，根据各场景元素的实时数据将所述场景元素与专题图元素的关联度映射到专题图展示套件层上进行各专题图的展示。
具体的，将场景元素与专题图元素的关联度映射到专题图展示套件层上，根据各场景元素的实时数据，对影响专题图元素的场景元素进行排序，优先展示排序大于第一阈值的场景元素的数据。
举例来说，比如场景元素中含有暴雨信息则其对降水量统计表和水情图层有较大影响，则配置中心解析后会对图层中的水情层做排序靠前等优化处理并在图表看板中突出展示降水量统计图等，除此之外，该专题图还会根据影响范围调取相关预案，如本例就会关联防汛预案。
本发明实施例具体以下有益效果：
1、本发明提供了一种应急突发场景专题图生成方法，使得基于GIS的应急平台的适应性更强，看板内容根据应急事件等信息进行了针对性优化。
2、相较于其他发明，本发明提供的应急突发场景专题图生成方法所使用GIS应急系统不再是传统的固定死的看板，而是具备了动态切换功能的动图，其对提高应急响应的效率有着更强的增益效果。
3、本发明提供的应急突发场景专题图生成方法亦可用于应急预警，联动调度应急系统的其他模块，如当输入数据与高温有较大关联时，可发送高温预警短信。
上述实施例表明，获取各场景元素的数据，根据卷积神经网络将各场景元素的数据转换为场景的特征向量矩阵，根据场景的特征向量矩阵以及GIS展板中的各专题图元素，构建评分矩阵，根据评分矩阵，确定出场景元素与专题图元素的关联度，根据各场景元素的实时数据将场景元素与专题图元素的关联度映射到专题图展示套件层上进行各专题图的展示。通过确定场景元素与专题图元素的关联度，使得GIS应急系统具备动态切换功能的动图，进而可以提高应急响应的效率。
基于相同的技术构思，图3示例性的示出了本发明实施例提供的一种应急突发场景专题图生成的装置的结构，该装置可以执行应急突发场景专题图生成的流程，该装置可以位于图1所示的服务器100内，也可以是该服务器100。
如图3所示，该装置具体包括：
获取单元301，用于获取各场景元素的数据；
处理单元302，用于根据卷积神经网络将所述各场景元素的数据转换为场景的特征向量矩阵；根据所述场景的特征向量矩阵以及GIS展板中的各专题图元素，构建评分矩阵；根据所述评分矩阵，确定出场景元素与专题图元素的关联度；根据各场景元素的实时数据将所述场景元素与专题图元素的关联度映射到专题图展示套件层上进行各专题图的展示。
可选的，所述处理单元302具体用于：
为所述场景的特征向量矩阵中的场景元素配置专题图元素；
对所述场景元素及其配置的专题图元素进行评分；
根据所述场景元素、所述场景元素对应的专题图元素和对所述场景元素及其配置的专题图元素的评分，构建所述评分矩阵。
可选的，所述处理单元302具体用于：
使用矩阵分解算法将所述评分矩阵分解为场景的特征向量矩阵和专题图的特征向量矩阵；
根据所述场景的特征向量矩阵中的场景元素的取值对所述专题图的特征向量矩阵中的专题图元素的影响，确定所述场景元素与专题图元素的关联度。
可选的，所述处理单元302具体用于：
将所述场景元素与专题图元素的关联度映射到专题图展示套件层上；
根据各场景元素的实时数据，对影响专题图元素的场景元素进行排序，优先展示排序大于第一阈值的场景元素的数据。
基于相同的技术构思，本发明实施例还提供了一种计算设备，包括：
存储器，用于存储程序指令；
处理器，用于调用存储器中存储的程序指令，按照获得的程序执行上述应急突发场景专题图生成的方法。
基于相同的技术构思，本发明实施例还提供了一种计算机可读非易失性存储介质，包括计算机可读指令，当计算机读取并执行计算机可读指令时，使得计算机执行上述应急突发场景专题图生成的方法。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种应急突发场景专题图生成的方法，其特征在于，包括：
获取各场景元素的数据；
根据卷积神经网络将所述各场景元素的数据转换为场景的特征向量矩阵；
根据所述场景的特征向量矩阵以及GIS展板中的各专题图元素，构建评分矩阵；
根据所述评分矩阵，确定出场景元素与专题图元素的关联度；
将所述场景元素与专题图元素的关联度映射到专题图展示套件层上；
根据各场景元素的实时数据，对影响专题图元素的场景元素进行排序，优先展示排序大于第一阈值的场景元素的数据。
2.如权利要求1所述的方法，其特征在于，所述根据所述场景的特征向量矩阵以及GIS展板中的各专题图元素，构建评分矩阵，包括：
为所述场景的特征向量矩阵中的场景元素配置所述GIS展板中的专题图元素；
对所述场景元素及其配置的专题图元素进行评分；
根据所述场景元素、所述场景元素对应的专题图元素和对所述场景元素及其配置的专题图元素的评分，构建所述评分矩阵。
3.如权利要求1所述的方法，其特征在于，所述根据所述评分矩阵，确定出场景元素与专题图元素的关联度，包括：
使用矩阵分解算法将所述评分矩阵分解为场景的特征向量矩阵和专题图的特征向量矩阵；
根据所述场景的特征向量矩阵中的场景元素的取值对所述专题图的特征向量矩阵中的专题图元素的影响，确定所述场景元素与专题图元素的关联度。
4.一种应急突发场景专题图生成的装置，其特征在于，包括：
获取单元，用于获取各场景元素的数据；
处理单元，用于根据卷积神经网络将所述各场景元素的数据转换为场景的特征向量矩阵；根据所述场景的特征向量矩阵以及GIS展板中的各专题图元素，构建评分矩阵；根据所述评分矩阵，确定出场景元素与专题图元素的关联度；将所述场景元素与专题图元素的关联度映射到专题图展示套件层上；根据各场景元素的实时数据，对影响专题图元素的场景元素进行排序，优先展示排序大于第一阈值的场景元素的数据。
5.如权利要求4所述的装置，其特征在于，所述处理单元具体用于：
为所述场景的特征向量矩阵中的场景元素配置专题图元素；
对所述场景元素及其配置的专题图元素进行评分；
根据所述场景元素、所述场景元素对应的专题图元素和对所述场景元素及其配置的专题图元素的评分，构建所述评分矩阵。
6.如权利要求4所述的装置，其特征在于，所述处理单元具体用于：
使用矩阵分解算法将所述评分矩阵分解为场景的特征向量矩阵和专题图的特征向量矩阵；
根据所述场景的特征向量矩阵中的场景元素的取值对所述专题图的特征向量矩阵中的专题图元素的影响，确定所述场景元素与专题图元素的关联度。
7.一种计算设备，其特征在于，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行权利要求1至3任一项所述的方法。
8.一种计算机可读非易失性存储介质，其特征在于，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行如权利要求1至3任一项所述的方法。
CN201910958095.0A 2019-10-10 2019-10-10 一种应急突发场景专题图生成的方法及装置 Active CN110838157B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910958095.0A CN110838157B (zh) 2019-10-10 2019-10-10 一种应急突发场景专题图生成的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910958095.0A CN110838157B (zh) 2019-10-10 2019-10-10 一种应急突发场景专题图生成的方法及装置

Publications (2)

Publication Number Publication Date
CN110838157A CN110838157A (zh) 2020-02-25
CN110838157B true CN110838157B (zh) 2023-07-21

Family

ID=69575388

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910958095.0A Active CN110838157B (zh) 2019-10-10 2019-10-10 一种应急突发场景专题图生成的方法及装置

Country Status (1)

Country Link
CN (1) CN110838157B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112288155B (zh) * 2020-10-23 2022-12-09 云南昆船设计研究院有限公司 基于机器学习和协同过滤的安防预案生成调度方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102789499A (zh) * 2012-07-16 2012-11-21 浙江大学 基于物品间情景化隐式关系的协同过滤方法
WO2015187176A1 (en) * 2014-06-06 2015-12-10 Hewlett-Packard Development Company, L.P. Topic recommendation
CN105868261A (zh) * 2015-12-31 2016-08-17 乐视网信息技术（北京）股份有限公司 一种关联信息的获取与排序方法和系统
CN106709843A (zh) * 2016-12-27 2017-05-24 广州都市圈网络科技有限公司 一种辅助城乡规划的信息加载方法及系统
CN108090229A (zh) * 2018-01-10 2018-05-29 广东工业大学 一种基于卷积神经网络确定评分矩阵的方法和装置
CN109598664A (zh) * 2018-11-21 2019-04-09 北京域天科技有限公司 一种应急处置支持系统
CN109815996A (zh) * 2019-01-07 2019-05-28 北京首钢自动化信息技术有限公司 一种基于循环神经网络的场景自适配方法及装置
CN110119445A (zh) * 2018-01-15 2019-08-13 北京京东尚科信息技术有限公司 生成特征向量和基于特征向量进行文本分类的方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9141722B2 (en) * 2012-10-02 2015-09-22 Google Inc. Access to network content

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102789499A (zh) * 2012-07-16 2012-11-21 浙江大学 基于物品间情景化隐式关系的协同过滤方法
WO2015187176A1 (en) * 2014-06-06 2015-12-10 Hewlett-Packard Development Company, L.P. Topic recommendation
CN105868261A (zh) * 2015-12-31 2016-08-17 乐视网信息技术（北京）股份有限公司 一种关联信息的获取与排序方法和系统
CN106709843A (zh) * 2016-12-27 2017-05-24 广州都市圈网络科技有限公司 一种辅助城乡规划的信息加载方法及系统
CN108090229A (zh) * 2018-01-10 2018-05-29 广东工业大学 一种基于卷积神经网络确定评分矩阵的方法和装置
CN110119445A (zh) * 2018-01-15 2019-08-13 北京京东尚科信息技术有限公司 生成特征向量和基于特征向量进行文本分类的方法和装置
CN109598664A (zh) * 2018-11-21 2019-04-09 北京域天科技有限公司 一种应急处置支持系统
CN109815996A (zh) * 2019-01-07 2019-05-28 北京首钢自动化信息技术有限公司 一种基于循环神经网络的场景自适配方法及装置

Also Published As

Publication number Publication date
CN110838157A (zh) 2020-02-25

Similar Documents

Publication Publication Date Title
CN113518256B (zh) 视频处理方法、装置、电子设备及计算机可读存储介质
CN112052837A (zh) 基于人工智能的目标检测方法以及装置
CN108683877A (zh) 基于Spark的分布式海量视频解析系统
CN111125519B (zh) 用户行为预测方法、装置、电子设备以及存储介质
CN111260037B (zh) 图像数据的卷积运算方法、装置、电子设备及存储介质
CN113704531A (zh) 图像处理方法、装置、电子设备及计算机可读存储介质
CN114066718A (zh) 一种图像风格迁移方法、装置、存储介质及终端
CN114328780B (zh) 基于六角格的智慧城市地理信息更新方法、设备及介质
CN112132216B (zh) 车型识别方法、装置、电子设备及存储介质
CN111753766B (zh) 一种图像处理方法、装置、设备及介质
CN110838157B (zh) 一种应急突发场景专题图生成的方法及装置
CN117593045B (zh) 一种商用车辆需求预测方法、装置、设备及存储介质
CN114332659A (zh) 基于轻量化模型下发的输电线路缺陷巡检方法和装置
CN114640669A (zh) 边缘计算方法及装置
CN115048478B (zh) 智能设备地理信息图谱的构建方法、设备和系统
CN116681298A (zh) 风电场选址方法、装置、计算机设备、存储介质和产品
CN116663739A (zh) 一种复杂地形风机出力预测方法、系统、设备和储存介质
CN113139490B (zh) 一种图像特征匹配方法、装置、计算机设备及存储介质
CN115131597A (zh) 数据处理方法、装置、电子设备和存储介质
CN108205528A (zh) 一种面向海量监控数据的检索分析系统
CN111401317A (zh) 视频分类方法、装置、设备及存储介质
CN117874498B (zh) 基于数据湖的智慧林业大数据系统、方法、设备及介质
CN114785771B (zh) 自动驾驶数据的上传方法、装置、计算机设备和存储介质
CN116680434B (zh) 基于人工智能的图像检索方法、装置、设备及存储介质
CN115294333B (zh) 一种图像处理方法、相关设备、存储介质及程序产品

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
GR01 Patent grant
GR01 Patent grant