图 Transformer 支持下的河网模式识别

余华飞, 邱天奇, 周哲, 龚冲亚, 肖天元, 杨敏, 艾廷华 - 测绘学报, 2024 - xb.chinasmp.com
河网模式识别在地形地貌分析, 地质矿物探测, 河网数据多尺度变换等研究中发挥重要作用.
为克服基于形态特征与几何特征的空间统计方法的稳健性不足问题, 引进图卷积神经网络是当前 …

考虑站点分类的城市轨道短时客流预测方法.

王泰州, 徐金华, 陈姜会, **岩… - Journal of Computer …, 2024 - search.ebscohost.com
精确, 可靠的短时客流预测可为城市轨道交通运营提供保障. 考虑不同站点的客流时序特征差异,
在对站点分类的基础上, 建立了一种城市轨道站点客流的深度学**预测方法. 以动态时间规整及K …

Drainage pattern recognition supported by graph Transformer

YU Huafei, QIU Tianqi, Z Zhe, G Chongya… - Acta Geodaetica et … - xb.chinasmp.com
Drainage patterns recognition is essential for analyzing terrain and geomorphology,
exploring geological minerals, and transforming river network data across various scales …

[PDF][PDF] 巡飞弹集群协同路径规划方法研究

黄少军, 吴昊 - 舰船电子工程, 2024 - jc.journal.cssc709.net
摘要针对传统启发式算法难以从大样本地形数据中及时提取经验模型的问题,
提出了一种基于注意力**化学**的多巡飞弹协同路径规划方法. 该协同优化方法综合考虑了生存 …

[HTML][HTML] 基于 GCN-CNN 模型的轨道交通短时客流预测

袁淑乐, 刘晓锋, 石佳敏 - Open Journal of Transportation …, 2024 - hanspub.org
准确, 可靠的短时客流预测对于城市轨道交通的运营管理至关重要, 能为运营管理者提供优化
决策的依据, 从而改善乘客服务质量和提升交通运营效率. 文章基于数据驱动的方法 …