-
公开(公告)号：CN109240817A
公开(公告)日：2019-01-18
申请号：CN201811018403.3
申请日：2018-08-31
Applicant: 湘潭大学
IPC: G06F9/48
CPC classification number: G06F9/4881
Abstract: 本发明提出一种用于分布式系统的双目标快速优化任务调度方法。本发明步骤：首先，计算应用中各任务在各处理器上执行的可靠性，并对该可靠性按大小排序；然后，将各任务在其可靠性最大的可用处理器上进行复制，直至各任务的实时可靠性满足可靠性目标；第三，将各任务的实时可靠性按大小排序并作乘积，直至乘积小于可靠性目标，得到满足可靠性目标所需的副本数下限(n个)；第四，根据应用的可靠性与可靠性目标的大小关系，将实时可靠性最小的n个任务分别在其可靠性最大的可用处理器上复制一次；第五，重复步骤三和步骤四直至应用的可靠性满足可靠性目标为止；最后，确定应用的可靠性，冗余数，运行时间。本发明具有高效率、低冗余的优点。
-
公开(公告)号：CN108108241A
公开(公告)日：2018-06-01
申请号：CN201810028362.X
申请日：2018-01-11
Applicant: 湘潭大学
Abstract: 本发明提出一种用于分布式系统的满足应用可靠性需求的任务调度方法。本发明步骤：首先，计算应用中每一个任务在不同处理器上执行的可靠性，并对该可靠性按大小排序；然后，将每个任务在其可靠性最大的可用处理器上进行一次复制，得到每个任务的实时可靠性和应用的实时可靠性；第三，根据应用实时可靠性与可靠性需求的关系，按各任务的实时可靠性排序并依次进行一次复制，每次复制后更新该任务的实时可靠性和应用的实时可靠性，反复迭代更新直至应用的实时可靠性满足可靠性需求为止；最后，确定应用的最终可靠性，总冗余数，整体运行时间成本。本发明具有低冗余、高效率的优点，实用性强。
-
公开(公告)号：CN104318532B
公开(公告)日：2017-04-26
申请号：CN201410584167.7
申请日：2014-10-23
Applicant: 湘潭大学
Abstract: 本发明提出了一种结合压缩感知的二次图像融合方法。本发明步骤：首先，通过运用最小二乘逼近法得到源图像的逼近图像，并计算源图像与逼近图像的差，得到差值图像；然后对逼近图像和差值图像分别进行空间域上融合；在此基础上，利用压缩感知方法分别得到融合后逼近图像与差值图像的测量值，按照加权融合规则将两幅图像的测量值再次融合得到融合测量值；最后经正交匹配追踪算法对融合测量值进行重构并逆变换得到二次融合后图像。本发明能提取图像的轮廓信息与特征信息，保留更多源图像的有用信息，从而增强图像的清晰度。
-
公开(公告)号：CN106535302A
公开(公告)日：2017-03-22
申请号：CN201710009290.X
申请日：2017-01-06
Applicant: 湘潭大学
Abstract: 本发明公开了一种基于终端特征值的智能快速随域接入方法，主要应用终端设备所获取的相关特征值对终端自身的接入域进行调整，本发明基于智能终端所采集的AP域的正常服务时间、总服务时间、域接入时间、域频段、传输平均速率、丢包率、信号强度这七个特征值，提出一种快速随域接入方法，使得智能终端在保障一定的QoS情况下具有较快的随域接入速度。
-
公开(公告)号：CN103161681B
公开(公告)日：2016-10-05
申请号：CN201110412912.6
申请日：2011-12-13
Applicant: 湘潭大学
IPC: F03D17/00
CPC classification number: Y02P70/523
Abstract: 本发明提出一种多级诊断的风力发电机组维护系统。该系统采用多级故障诊断机制，考虑不同层面共性因素对风机运行的影响，将维护系统分为布置在风电机组内部的风电机组级维护系统、布置在风电场中控室的风电场级维护系统、布置在风场集群控制中心的片区级维护系统和布置在设备制造商维护中心的厂家级维护系统。通过将不同级别范围内的共性影响因素纳入维护系统的特征库，逐级更新维护特征库的方法，实现运行状况分析、故障辨识，分级给出运行记录和维护操作票。
-
Patent Agency Ranking
公开(公告)号：CN105050105A
公开(公告)日：2015-11-11
申请号：CN201510514933.7
申请日：2015-08-21
Applicant: 湘潭大学
CPC classification number: Y02D70/122 , H04W24/00 , H04W84/18
Abstract: 针对无线传感器网络中通信信道不稳定、网络信息密度低的问题，本发明提出基于压缩感知的高能效低信息密度数据收集方法，该方法利用测量矩阵的优化设计最大限度的剔除冗余数据，提高数据收集的质量。首先判断测得的观测向量能否重构出原始信号，然后在保证精确重构的前提下对测量矩阵进行优化，从而减少数据量的收集，达到剔除无效观测的目的。本发明能够根据信源的传输信息，动态调整数据收集质量，具有广泛的适应性。
-
-
-
公开(公告)号：CN104270796A
公开(公告)日：2015-01-07
申请号：CN201410584230.7
申请日：2014-10-23
Applicant: 湘潭大学
CPC classification number: Y02D70/30 , H04W40/246 , H04W40/20 , H04W40/24 , H04W84/18
Abstract: 本发明提出一种基于马尔科夫模型选择Sink路径的数据收集方法。首先对监控的无线传感器网络进行区域划分，然后应用马尔科夫模型预测节点位置，其次根据预测得到的节点数目期望值对网络区域赋予优先级，再对各区域进行数据融合，最后得到最优的移动Sink节点运动轨迹。本发明能适用于不同规模大小的网络，具有节省网络能量、延长网络生存周期、降低网络整体延时、并防止数据溢出等优点。
-
-
-
-
-
-
-
-
Search Results
139
records
(took 0.028 seconds)
