-
公开(公告)号：CN111856954B
公开(公告)日：2022-08-02
申请号：CN202010699554.0
申请日：2020-07-20
Applicant: 桂林电子科技大学
IPC: G05B15/02 , G05B19/418
Abstract: 本发明公开一种基于粗糙集理论与规则相结合的智能家居数据补全方法，使用粗糙集属性约简算法将冗余信息去除，避免多于信息对数据补全产生。粗糙集理论使用信息熵的概念，能够发现数据之间潜在关系，而不是简单的数据之间线性关系。根据约简结果形成的规则符合决策系统中行为习惯，缺省推理允许信息在不完全情况下做出合适的推理，符合现实推理需求。粗糙集理论将连续数据离散化处理，在智能家居决策系统中，系统不需要准确数据，只需要传感器达到某个范围内就能做出决策，因此本方法能够实现智能家居决策系统中缺失值补全，提高决策系统的可靠性和准确性，提供良好的用户体验。
-
-
-
公开(公告)号：CN118135240A
公开(公告)日：2024-06-04
申请号：CN202410075206.4
申请日：2024-01-18
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种面向边缘环境的深度学习模型压缩方法，该方法是先收集边缘环境的图像数据，归集为数据集；对数据集进行图像增强处理，选择一个强大的教师模型对数据集进行预训练；再选择一个较小模型作为学生模型，利用经过预训练的教师模型进行知识蒸馏来训练学生模型，在学生模型训练过程中，添加跨层蒸馏损失函数，采用最邻近上采样方法，将教师模型的深层特征以及学生模型的深层特征进行向上的特征融合，以此增强浅层特征的注意力，使教师模型在浅层特征也能转移更多的知识，提升学生模型性能的效果；将经过知识蒸馏的学生模型部署到边缘环境进行图像识别工作。该方法仅对原始特征图进行处理，无需额外的辅助网络或对知识进行浓缩处理。
-
公开(公告)号：CN111092755B
公开(公告)日：2022-05-03
申请号：CN201911232481.8
申请日：2019-12-05
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于资源占用的边缘服务迁移仿真方法，通过对创建的边缘节点及其上的边缘服务进行边缘服务迁移仿真，并在边缘服务仿真过程中获得不同边缘节点服务迁移的最优阈值，从而指导实际生产中边缘服务迁移算法的部署与实施。本发明能够实时的收集获取边缘节点以及边缘服务对资源的利用情况并利用边缘服务迁移算法实时动态的迁移边缘服务，使得边缘节点上的边缘服务为用户提供优质的体验以及动态的了解边缘节点，边缘服务的资源利用情况可以用于开发不同的边缘服务迁移算法。利用该系统完成了边缘节点以及服务的资源监控，根据资源的消耗动态的迁移边缘服务。
-
Patent Agency Ranking
公开(公告)号：CN111260121B
公开(公告)日：2022-04-29
申请号：CN202010028983.5
申请日：2020-01-12
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于深度瓶颈残差网络的城市范围的人流量预测方法，步骤为：1）获取原始的交通流数据；2）构建BRBM数据重构机制，将获取的原始交通流数据输入BRBM数据重构机制中，对进行降维和数据重构，获得BRBM重构后的交通流数据；3）构建协同预测机制，将获得BRBM重构后的交通流数据作为协同预测机制的输入数据，经过协同预测机制后，获得预测结果XR；4）构建辅助预测机制，采用辅助预测机制对影响人流量的外部因素进行处理，获得预测结果XE；5）将获得的预测结果XR与XE进行融合，得到最终的人流量预测结果。该方法不仅大大降低了人流量预测模型的计算复杂性和减少了模型训练的时间，而且也提高了人流量的预测精度。
-
公开(公告)号：CN107341575A
公开(公告)日：2017-11-10
申请号：CN201710556938.5
申请日：2017-07-10
Applicant: 桂林电子科技大学
CPC classification number: G06Q10/04 , G06Q30/0605
Abstract: 本发明公开一种基于回答集程序设计的交易双方的最优稳定匹配方法，首先根据买方和供应商的选择属性信息计算得到双方的感知吸引力；然后将感知吸引从大到小排序，建立双方各自的完全偏好列表，并引入并引入信誉度来建立相应的不完全偏好列表。最后采用回答集程序设计(ASP)对上述偏好列表进行描述编码，在DLV求解器中运行该程序可以得到所有的稳定匹配，并以双方最大满意为目标，可获得最优稳定匹配。
-
公开(公告)号：CN107103361A
公开(公告)日：2017-08-29
申请号：CN201710238014.0
申请日：2017-04-13
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于粗糙集与回答集的变压器故障诊断方法和系统，通过故障编码对应相应的故障类型，从而构成故障诊断知识库，通过气体采样器采集特征气体含量与知识库中的知识匹配，最终自动产生诊断结果。本发明是以知识表示为基础，以实用化为目的，可以轻松的处理庞大的未加整理的知识，能够与知识的追加、修正和清除进行简单地对应，适用于规则和数据具有模糊度的场合。本发明将粗糙集理论与ASP程序相结合，构建了基于粗糙集理论与ASP的变压器故障诊断专家系统‑‑RS‑ASP，该方法对三比值法的临界值进行处理，使原三比值法更加完整，准确率更高。
-
公开(公告)号：CN107067114A
公开(公告)日：2017-08-18
申请号：CN201710262502.5
申请日：2017-04-20
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于回答集程序的调机路径规划方法，针对单台编组调机的路径移动编排，给出了回答集程序结合随机产生器的方法。首先将典型编组站中调车场的轨道进行类型分类，接着将实例图中所停放车厢的位置按轨道类型转换成网络图，然后将网络图转换成规则集通过各种符合人工经验的约束条件来得到路径规划的方案，且还需要再利用随机产生器来随机生成与调车场轨道数目相对应的规则集，以应对现实场景中不断扩增的调车场轨道数目。本发明是一种理论和建模语言的结合对调机移动的路径进行规划的技术，利用随机产生器生成与轨道数目相对应的程序编码，最终自动的生成规划结果。
-
公开(公告)号：CN106227696B
公开(公告)日：2020-01-07
申请号：CN201610628003.9
申请日：2016-08-03
Applicant: 桂林电子科技大学
IPC: G06F15/78
Abstract: 本发明公开了一种快速重构高性能目标阵列的方法，包括如下步骤：模型介绍、引入规则、约束定义、逻辑列和目标阵列最大化定义、处理器阵列重构算法和实验分析等，该快速重构高性能目标阵列的方法，而对于HPTA的构建，其等价于在网络中寻找节点不相交路径的最大数目，使得这些节点不相交路径具有上述偏序关系且路径的总花费最小，且具有相同的位置，当重构过程结束后，高性能目标阵列的重构问题可在多项式时间内得到最优解，可以将原宿主阵列中所有相邻集为空的处理单元视为故障处理单元，不仅实现了算法NMHP，同时也实现了算法ALG06和ALG14作为对比实验。对比现有技术的缺点，本发明优势明显，花费较小，其而更加准确，值得以后推广使用。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.028 seconds)
