-
公开(公告)号：CN111126453A
公开(公告)日：2020-05-08
申请号：CN201911232112.9
申请日：2019-12-05
Applicant: 重庆邮电大学
Abstract: 本发明涉及深度学习领域和图像分类领域，具体为一种基于注意力机制和切割填充的细粒度图像分类方法，该方法包括：构建卷积神经网络模型；将原始图像输入卷积神经网络模型，结合注意力机制得到关注图像；将关注图像进行切割，得到子图像，对子图像进行填充，并进行下采样得到填充图像；将关注图像和填充图像输入卷积神经网络模型，并分别通过线性层和softmax分类器，得到对应类别的概率值；选取最大概率值，根据最大值判断分类结果；根据结果在原始图像上标记分类标签；本发明对原图像的关注图像进行分割，再进行填充处理，破坏了各部分之间的相关性，使网络更加关注局部特征，确保高层语义不会被破坏，极大地减少了参数的使用和训练时间。
-
公开(公告)号：CN115794405A
公开(公告)日：2023-03-14
申请号：CN202211595525.5
申请日：2022-12-13
Applicant: 重庆邮电大学
IPC: G06F9/50 , G06N3/006 , G06F18/214
Abstract: 本发明属于大数据流处理技术领域，具体涉及一种基于SSA‑XGboost算法的大数据处理框架的动态资源分配方法，包括：构建目标函数；获取Spark Streaming作业的成本模型的运行数据，并对运行数据进行清洗；采用优化后的XGboost算法对目标函数进行优化求解，得到Spark Streaming每一批次时间内所需的最佳资源大小；根据求得的最佳资源大小采用BFD算法进行Spark Streaming执行器的放置；本发明采用麻雀搜索算法SSA对XGboost算法的超参数进行选取高了算法的预测精度。
-
公开(公告)号：CN113946429A
公开(公告)日：2022-01-18
申请号：CN202111292445.8
申请日：2021-11-03
Applicant: 重庆邮电大学
Abstract: 本发明涉及云计算容器调度领域，特别涉及一种基于成本效益的KubernetesPod调度方法；所述方法包括根据Pod和Node节点之间的通信I/O以及Node节点之间的网络均衡度，对Kubernetes Pod调度建立出基于通信I/O的成本效益模型；采用动态单目标天牛须搜索算法进行迭代搜索，使得所述成本效益模型达到最优值，并获得对应的最优成本效益值；以资源变化率为概率对最优成本效益值进行更新；直至获取整个迭代周期选择出的最优成本效益值；根据整个迭代周期的最优成本效益值确定出最佳调度节点，并以该最佳调度节点进行Pod调度；本发明可以适用于不同的数据量以及不同的基准测试集应用的场景。
-
公开(公告)号：CN112256349A
公开(公告)日：2021-01-22
申请号：CN202011157580.7
申请日：2020-10-26
Applicant: 重庆邮电大学
Abstract: 本发明属于移动边缘计算领域，具体涉及一种基于SSA‑SA算法的移动边缘计算任务卸载方法，该方法包括：建立多信道无线干扰用户移动模型；根据建立的模型确定用户移动状态下的时间模型和能耗模型，并计算移动设备卸载任务的成本；采用麻雀搜索算法和模拟退火算法对边缘卸载进行优化，确定移动设备卸载任务的成本的最优解；本发明中采用麻雀搜索算法和模拟退火算法对边缘卸载策略进行优化，该算法在搜索过程中有较强的全局寻优能力，有效避免搜索陷入局部最优解的情况；本发明方法能够有效降低移动边缘计算中任务的执行成本，使得时间消耗与能耗成本达到最优。
-
公开(公告)号：CN114281528B
公开(公告)日：2024-12-13
申请号：CN202111505917.3
申请日：2021-12-10
Applicant: 重庆邮电大学
Abstract: 本发明属于强化学习和大数据处理领域，具体涉及一种基于深度强化学习和异构Spark集群的节能调度方法及系统；该方法包括：实时获取Spark集群上真实负载下的在线数据信息，将数据信息输入到训练好的Q网络，Q网络对数据信息进行能耗‑时间目标预测，系统根据能耗‑时间目标预测选择能耗‑时间目标最低的方案进行资源分配；本发明考虑到集群异构导致能耗不同从而带来的资源优先分配问题，在保证满足用户响应时间情况下寻找最低能耗‑时间目标，并根据最低能耗‑时间目标进行资源调度，能针对能耗目标或者多种SLA目标进行优化并尽可能的节能减排，对通过此方法来达到平衡云服务提供商成本和用户之间响应时间有重要意义，具有良好的经济效益。
-
Patent Agency Ranking
公开(公告)号：CN118689632A
公开(公告)日：2024-09-24
申请号：CN202410687428.1
申请日：2024-05-30
Applicant: 重庆邮电大学
IPC: G06F9/50 , H04W28/084 , H04W28/08 , H04W24/02
Abstract: 本项发明涉及移动边缘计算技术领域，具体涉及一种采用改进的混合自然启发优化算法(Improved Hybrid Nature‑Inspired Optimization Algorithm，IHNIO)来进行边缘计算任务卸载的新方法。此方法建立了依靠无人机支持的多用户移动设备(UE)的MEC卸载结构；该结构下，集成了数据压缩技术到无人机辅助的边缘计算卸载系统中，并且制定了通信、时延和能源消耗的模型来评估移动设备卸载任务所需的成本；本发明利用改进的自然启发式混合算法对卸载过程和资源分配进行优化处理，降低用户设备卸载任务的总成本；该算法利用全局搜索能力和鲁棒性，在优化边缘卸载策略时，有效规避过早收敛导致的全局最优解遗漏问题；本发明提出的方法能显著减少移动边缘计算任务的平均时延和能耗，实现系统的最优化效能。
-
公开(公告)号：CN118574158A
公开(公告)日：2024-08-30
申请号：CN202410687463.3
申请日：2024-05-30
Applicant: 重庆邮电大学
Abstract: 本发明属于移动边缘计算领域，专注于一项利用带权图最大团算法(Maximum Clique in Weighted Graph Algorithm，MCWG)进行计算任务卸载的方法。此方法涉及构建一个无人机协助多用户设备(UE)的MEC卸载框架；在此框架中，综合考虑无人机支持下的通信、时间及能耗模型，以估算移动设备任务卸载的开销；该技术通过实施最大团算法对无人机的部署进行精细化调整，从而提升在带权图中定位最大团的效率，并对团内无人机的部署位置进行精确优化；在遵守UE与无人机(UAV)之间的延迟和能耗约束的前提下，该发明能显著提升UE在UAV服务区的计算处理频次，并减少二者间的通信距离。
-
公开(公告)号：CN111126453B
公开(公告)日：2022-05-03
申请号：CN201911232112.9
申请日：2019-12-05
Applicant: 重庆邮电大学
IPC: G06K9/62 , G06V10/764 , G06V10/26 , G06V10/82 , G06N3/04
Abstract: 本发明涉及深度学习领域和图像分类领域，具体为一种基于注意力机制和切割填充的细粒度图像分类方法，该方法包括：构建卷积神经网络模型；将原始图像输入卷积神经网络模型，结合注意力机制得到关注图像；将关注图像进行切割，得到子图像，对子图像进行填充，并进行下采样得到填充图像；将关注图像和填充图像输入卷积神经网络模型，并分别通过线性层和softmax分类器，得到对应类别的概率值；选取最大概率值，根据最大值判断分类结果；根据结果在原始图像上标记分类标签；本发明对原图像的关注图像进行分割，再进行填充处理，破坏了各部分之间的相关性，使网络更加关注局部特征，确保高层语义不会被破坏，极大地减少了参数的使用和训练时间。
-
公开(公告)号：CN114281528A
公开(公告)日：2022-04-05
申请号：CN202111505917.3
申请日：2021-12-10
Applicant: 重庆邮电大学
Abstract: 本发明属于强化学习和大数据处理领域，具体涉及一种基于深度强化学习和异构Spark集群的节能调度方法及系统；该方法包括：实时获取Spark集群上真实负载下的在线数据信息，将数据信息输入到训练好的Q网络，Q网络对数据信息进行能耗‑时间目标预测，系统根据能耗‑时间目标预测选择能耗‑时间目标最低的方案进行资源分配；本发明考虑到集群异构导致能耗不同从而带来的资源优先分配问题，在保证满足用户响应时间情况下寻找最低能耗‑时间目标，并根据最低能耗‑时间目标进行资源调度，能针对能耗目标或者多种SLA目标进行优化并尽可能的节能减排，对通过此方法来达到平衡云服务提供商成本和用户之间响应时间有重要意义，具有良好的经济效益。
-
公开(公告)号：CN111836284B
公开(公告)日：2022-04-05
申请号：CN202010651680.9
申请日：2020-07-08
Applicant: 重庆邮电大学
IPC: H04W24/02
Abstract: 本发明涉及移动边缘计算领域，是一种基于移动边缘计算的能耗优化计算、卸载方法和系统；所述计算方法包括利用生物地理学优化算法求解出各个成本模型中时间成本和能耗成本的一系列成本解；采用快速非支配排序算法对这一系列成本解分别进行排序，并分别得到成本解集合；根据多准则决策方法TOPSIS，计算各自理想解与负理想解，从成本解集合中找到最接近理想解的最优解；将所述最优解代入到对应的成本模型中，确定出当前任务采用边缘设备或者中心设备进行卸载的最优的时间成本和能耗成本以及当前任务采用本地设备进行计算的最优的时间成本和能耗成本，本发明能够综合考虑了时间，能耗以及移动设备的移动性，保证了能耗计算以及任务卸载的效果。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.023 seconds)
