-
公开(公告)号:CN117852087A
公开(公告)日:2024-04-09
申请号:CN202410034488.3
申请日:2024-01-10
Applicant: 东北大学秦皇岛分校
IPC: G06F21/62 , G08G1/01 , G08G1/065 , G06Q10/04 , G06Q50/26 , G06F18/213 , G06F18/22 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/049 , G06N3/084 , G06N3/096 , G06N3/098
Abstract: 本发明公开了跨城市交通流预测中一种基于隐私保护的联邦迁移学习算法,提出了一个多模态的图卷积网络和时域卷积网络模型2MGTCN。在保护数据隐私的同时,保证TFP准确性。该模型包含三个主要组成部分:源域、迁移学习和目标域,在该模型中我们采用灰色关系分析方法和动态时间规整方法分别捕获道路关系和流量关系。此外,采用图卷积网络和时域卷积网络架构来捕获道路网络的空间和时间信息。为了保护目标城市数据的隐私,我们使用联邦学习来训练目标模型,并提出一种基于空间相似性的参数聚合算法。
-
公开(公告)号:CN117320037A
公开(公告)日:2023-12-29
申请号:CN202311240806.3
申请日:2023-09-25
Applicant: 东北大学秦皇岛分校
Abstract: 本发明公开了6G车联网中改进的DBSCAN算法与多对多匹算法的任务卸载机制,属于车联网技术领域,设计了一个改进的基于密度的空间应用噪声聚类算法,以涉及更多分散的车辆进行聚类,采用了一个多对多的匹配算法来配对车辆和辅助MEC服务器,还设计了基于多智能体的任务卸载机制来减少延迟并提高资源利用效率。本发明提出的改进的DBSCAN算法克服了参数选择的敏感性,不需要特别精准的参数设置,可以在密度不均匀的数据集上表现良好,克服了车辆密度对聚类结果的影响,并且本发明提出的多对多匹配机制提高了车辆剩余计算资源的利用率并且极大的缓解了边缘服务器的压力,同时保证高优先级任务优先进行计算。
-