-
公开(公告)号：CN117852827A
公开(公告)日：2024-04-09
申请号：CN202410037534.5
申请日：2024-01-10
Applicant: 中南大学
IPC: G06Q10/0631 , G06F18/213 , G06N20/20 , G06F18/24
Abstract: 本发明提供了一种基于长短期预测的群智感知资源分配方法及相关设备，包括：对参与者进行预测分类，得到长短期参与者；根据短期参与者完成任务时资源变化量的绝对值与感知变化量的相对值之间的关系，设置前景因子和表现因子；将表现因子与短期参与者收集数据时的资源消耗量、资源补充量进行结合，得到短期参与者评估因子；根据评估因子和前景因子确定短期参与者的最优参与时长；根据长期参与者对任务资源的需求程度确定群智感知平台的最优资源分配目标，并对最优资源分配目标进行求解，得到群智感知平台的资源分配策略，进而得到资源分配结果；在资源有限、参与者数量有限的情况下，提高了群智感知任务覆盖率的同时提高了群智感知服务的质量。
-
公开(公告)号：CN115130873A
公开(公告)日：2022-09-30
申请号：CN202210779501.9
申请日：2022-07-04
Applicant: 中南大学
Abstract: 本申请提供了一种群智感知激励方法、设备及存储介质，该方法包括：群智感知平台获取第r轮任务中每个任务的任务需求值，并向参与者发布第r轮任务；群智感知平台根据获取到的任务需求值，定义参与者完成第r轮任务的解冻进度值；群智感知平台根据解冻进度值和剩余轮次数，评定参与者的优先级；参与者ui基于优先级的评定，从第r轮任务中选择最优任务；参与者ui向群智感知平台上报完成最优任务的期望报酬；在参与者ui完成最优任务后，群智感知平台基于期望报酬，向参与者ui支付第r轮任务的报酬。本申请能指向性引导参与者选择任务，提高任务数据的均匀性，以及偏远地区数据采集的持久覆盖率。
-
公开(公告)号：CN115098261B
公开(公告)日：2024-10-11
申请号：CN202210739590.4
申请日：2022-06-28
Applicant: 中南大学
Abstract: 本发明提供了一种云服务器资源分配的方法、介质及设备，具体方法包括：建立波动率数据函数模型得到波动率，对所述波动率进行排序，根据排序结果确定负载数据的阈值；基于阈值筛选负载极大值，构建资源块的超阈值极值模型；设计用于评估资源块的负载量的资源分配评估参数；根据Copula理论对构建的资源块的超阈值极值模型的边缘分布进行建模，得到资源块间边缘分布模型；根据资源块间边缘分布模型，设计负载预警机制来调整资源分配评估参数，用于进行资源分配。
-
公开(公告)号：CN115543638B
公开(公告)日：2023-03-14
申请号：CN202211524340.5
申请日：2022-12-01
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种基于不确定性的边缘计算数据收集分析方法、系统及设备，属于数据处理技术领域，具体包括：得到每个基学习器的准确率均值、不确定性和基学习器之间的相关性；确立集成学习模型的最优条件；根据方法使用者设置的不确定性的偏好和最优条件，权衡集成学习模型的准确率和泛化能力，并据此设计不确定性参数；计算出基学习器的最优组合权重，并以此确定最优权重集合；使用基学习器对所有数据进行学习训练，并利用训练得到的集成学习模型进行预测，将预测的结果代入基于最优权重集合的预测结果加权机制中，加权得到最终的数据分析结果。通过本公开的方案，在提高算法准确率和泛化能力的同时，在它们之间达到最优的权衡。
-
公开(公告)号：CN115098261A
公开(公告)日：2022-09-23
申请号：CN202210739590.4
申请日：2022-06-28
Applicant: 中南大学
Abstract: 本发明提供了一种云服务器资源分配的方法、介质及设备，具体方法包括：建立波动率数据函数模型得到波动率，对所述波动率进行排序，根据排序结果确定负载数据的阈值；基于阈值筛选负载极大值，构建资源块的超阈值极值模型；设计用于评估资源块的负载量的资源分配评估参数；根据Copula理论对构建的资源块的超阈值极值模型的边缘分布进行建模，得到资源块间边缘分布模型；根据资源块间边缘分布模型，设计负载预警机制来调整资源分配评估参数，用于进行资源分配。
-
Patent Agency Ranking
公开(公告)号：CN116684848A
公开(公告)日：2023-09-01
申请号：CN202310662027.6
申请日：2023-06-06
Applicant: 中南大学
IPC: H04W4/40 , G06Q10/047 , H04W4/021 , G08G1/01
Abstract: 本发明提供了一种群智感知任务分配方法及其相关设备，包括：在群智感知平台中获取多个目标参与者的历史轨迹数据并判断每个目标参与者的移动模式，计算每个目标参与者的自身覆盖率以及不确定性；分别针对任意两个目标参与者进行车辆轨迹比对，计算两个目标参与者之间覆盖率的不确定性；根据自身覆盖率、不确定性以及目标参与者之间覆盖率的不确定性，将多个目标参与者进行组合得到组合结果，并计算组合结果的整体覆盖率、不确定性以及不确定性的范围，基于不确定性的范围设置调控因子；根据调控因子得到组合权重矩阵并确定目标参与者的最优组合方案；根据最优组合方案得到任务分配结果；在降低不确定性对任务覆盖率的影响的同时提高任务覆盖率。
-
公开(公告)号：CN115543638A
公开(公告)日：2022-12-30
申请号：CN202211524340.5
申请日：2022-12-01
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种基于不确定性的边缘计算数据收集分析方法、系统及设备，属于数据处理技术领域，具体包括：得到每个基学习器的准确率均值、不确定性和基学习器之间的相关性；确立集成学习模型的最优条件；根据方法使用者设置的不确定性的偏好和最优条件，权衡集成学习模型的准确率和泛化能力，并据此设计不确定性参数；计算出基学习器的最优组合权重，并以此确定最优权重集合；使用基学习器对所有数据进行学习训练，并利用训练得到的集成学习模型进行预测，将预测的结果代入基于最优权重集合的预测结果加权机制中，加权得到最终的数据分析结果。通过本公开的方案，在提高算法准确率和泛化能力的同时，在它们之间达到最优的权衡。
-
公开(公告)号：CN115392613A
公开(公告)日：2022-11-25
申请号：CN202210319708.8
申请日：2022-03-29
Applicant: 中南大学
Abstract: 本发明公开了一种基于韦纳归因的群智感知任务分配方法、系统及设备，其中方法包括确定参与者的归因偏差因子；根据归因偏差因子的作用，得到对于参与者的最优权重矩阵，并根据最优权重矩阵中各任务权重的大小，确定参与者最优的任务完成顺序；根据参与者对于报酬和不确定性相互作用下的偏好程度，得到报酬不确定性偏好权重；结合最优权重矩阵和报酬不确定性偏好权重，计算出对于参与者的最优任务完成数量；确定最终报酬分配，在对预期完成率和预期报酬进行评估权衡后，确定各地区的报酬补偿因子，报酬补偿因子的确定则是根据各地区的补偿权重决定。本方案不需要提高任务的报酬，就能提高任务完成的覆盖率，提高了群智感知任务的总体完成质量。
-
公开(公告)号：CN115271629A
公开(公告)日：2022-11-01
申请号：CN202210664673.1
申请日：2022-06-14
Applicant: 中南大学
Abstract: 本发明公开了一种基于羊群效应的移动群智感知系统质量保障方法、设备及介质，首先选择提交高质量数据的先行参与者作为其他参与者的决策锚点，通过向先行参与者分配奖金，使其他参与者在提交高质量数据和高报酬之间建立联系，提高了数据质量；在此基础上将所有参与者根据提交的数据质量分为两类，作为移动用户的决策锚点，通过调整先行参与者的数量和奖金，增加了提交高质量数据的参与者人数，从而提高了这部分参与者对移动用户决策的吸引力，使更多移动用户参与任务并提交高质量数据；然后，重新设计报酬分布，既保证了平台的预算，还能够通过调整报酬分布参数引导参与者为了维持报酬而维持数据质量，最终提高了平台收集到的所有数据的质量。
-
公开(公告)号：CN115002713B
公开(公告)日：2022-10-18
申请号：CN202210927537.7
申请日：2022-08-03
Applicant: 中南大学
Abstract: 本发明提供了一种提高群智感知覆盖率的方法、系统、介质及设备，基于敏感性递减理论，包括：发布感知任务，并依据感知任务离感知节点的实际距离，将感知任务划分为流行任务和不流行任务；构建基于敏感性递减理论的选择函数，在等性价比系数下，利用选择函数计算感知节点的选择函数值，选择函数值与感知节点选择的感知任务的流行度相关，感知节点选择不流行任务累积的选择函数值大于选择流行任务累积的选择函数值；依据流行任务的选择函数值和不流行任务的选择函数值筛选出目标感知任务，并提交任务意向；筛选用于完成目标感知任务的感知节点，参与完成目标感知任务；为完成目标感知任务的感知节点分配奖励，提高群智感知的覆盖率。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.017 seconds)
