-
公开(公告)号：CN108876034A
公开(公告)日：2018-11-23
申请号：CN201810607799.9
申请日：2018-06-13
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种改进的Lasso+RBF神经网络组合预测模型，属于大数据分析与处理领域。该模型的预测过程为：通过对客户关系的生命周期特征做出界定，将客户生命周期划分为获取阶段、提升阶段、成熟阶段、衰退阶段和流失阶段；将流失阶段客户作为模型的训练集和测试集，其余4个阶段的客户作为预测客户，并将流失阶段客户再次划分为前四个阶段；分别用Lasso回归提取特征，再分别训练每个阶段对应的RBF神经网络模型；将得到的前4个未流失阶段的客户分别带入训练出的对应阶段的模型中进行预测；最后将得到的预测结果组合起来，即为将要流失的客户集。本发明所述模型使提取的特征更加准确，减小数据的不平衡性，提高预测的精确性。
-
公开(公告)号：CN116033499B
公开(公告)日：2025-05-06
申请号：CN202211595397.4
申请日：2022-12-13
Applicant: 重庆邮电大学
Abstract: 本发明属于无线通信领域，具体涉及一种5G专网环境下基于终端位置预测的无线接入网络切换方法；该方法包括：构建5G专网网络；建立位置坐标系并在位置坐标系内划分多个区域；每个5G CPE采集接入移动终端设备的IP信息和位置信息并向5G边缘网关发送状态信息；计算移动终端与5G CPE属于同一区域的区域位置概率；将区域位置概率设置为位置属性权重并设置其他多个属性权重，根据属性权重和状态信息构建综合满意度评价函数；求解综合满意度评价函数，得到最优接入5G CPE；5G边缘网关管理移动终端设备快速切换到最优接入5G CPE；本发明能够实现5G专网环境下多个移动终端的网络无缝切换，极大降低网络切换时延。
-
公开(公告)号：CN115905005B
公开(公告)日：2025-04-01
申请号：CN202211616794.5
申请日：2022-12-15
Applicant: 重庆邮电大学
IPC: G06F11/3604 , G06N3/0442
Abstract: 本发明属于智能运维领域，具体涉及一种基于拓扑结构动态发现机制的微服务工作流预测方法，包括：通过探针采集节点的时间特征信息，通过旁路代理采集空间特征信息；对微服务节点特征信息进行时间和空间维度上的聚合，将时间维度聚合输入LSTM模型训练其学习参数；根据微服务节点的不对等特征，构建优化的GAT模型，根据空间维度聚合训练模型的学习参数；将输出结果再次输入LSTM模型得到输出序列的隐藏状态，并再次利用LSTM模型预测得到微服务轨迹。本发明能够得到微服务轨迹特征的预测信息，并将微服务请求的实际轨迹的特征序列与预测的特征信息做对比，最终实现故障的快速检测和定位，达到智能运维的效果。
-
公开(公告)号：CN119475433A
公开(公告)日：2025-02-18
申请号：CN202411712426.X
申请日：2024-11-27
Applicant: 重庆邮电大学
IPC: G06F21/62 , G06F40/289 , G06N3/042 , G06N3/045 , G06F16/353
Abstract: 本发明设计一种协同编辑场景下基于用户编辑轨迹的敏感数据预测方法，涉及到数据安全领域，包括获取用户历史文本数据，筛选含敏感数据的目标文本，进行主题划分、分词并提取关键词及其位置信息建立文本编辑轨迹；对文本关键词集合的每个关键词，采用上下文窗口机制选取得到敏感词集合并划分敏感词安全等级；根据关键词编辑线索、主题标签及具有等级划分的敏感词集合，运用图注意力网络构建基于关键词的用户轨迹模型；输入编辑过程文本，识别关键词及标签，结合接收人角色身份等级，输入轨迹图模型得到预测敏感词集合。本发明基于用户编辑轨迹创建模型，可以加快敏感数据的识别效率，降低泄露风险，同时又提高了不同文本主题下敏感词识别准确率。
-
公开(公告)号：CN119474991A
公开(公告)日：2025-02-18
申请号：CN202411712499.9
申请日：2024-11-27
Applicant: 重庆邮电大学
IPC: G06F18/24 , G06N3/0442 , G06N3/042 , G06F18/214 , G06F18/213 , G06N3/08 , G06N3/088
Abstract: 本发明属于微服务环境下的大数据分析处理领域，涉及一种基于门控图神经网络(GGNN)和Deep SVDD融合的微服务调用图异常的假阳性检测方法；该方法包括以下步骤：通过微服务日志的链路数据构成的数据集获取微服务调用图，预处理后得到模型训练数据集；构建基于微服务调用图的异常假阳性检测模型；对模型进行训练，得到门控图神经网络(GGNN)的正常/异常学习参数，分别获取正常/异常Deep SVDD超球体；使用训练后的假阳性检测模型，将待检测的疑似异常的微服务链路数据输入模型，计算微服务调用图的异常度量，以判断当前微服务调用图整体图结构的正常/异常状态。本发明能够解决当前微服务检测算法在实际生产环境中假阳性、误报率大多偏高的问题。
-
Patent Agency Ranking
公开(公告)号：CN119363583A
公开(公告)日：2025-01-24
申请号：CN202411712404.3
申请日：2024-11-27
Applicant: 重庆邮电大学
IPC: H04L41/0803 , H04L41/069 , H04L41/14 , H04L41/16 , H04L69/22 , H04L67/63 , H04L67/10 , H04L67/12
Abstract: 本发明涉及一种边缘环境下联合请求路由的微服务部署方法，属于边缘计算下微服务部署优化领域。所属方法包括：根据微服务日志记录的trace数据结构，得到微服务之间调用方向和传输数据量，进而得到系统中的服务调用链；根据微服务的请求负载确定部署每个微服务的实例数量；根据微服务处理请求的时延以及微服务调用传播时延和路由概率构建目标函数；以目标函数最小为优化目标，利用改进的斑马优化算法求解，得到最优的微服务部署策略。本发明将微服务部署和请求路由进行联合建模优化部署，解决了请求路由方案受限于微服务部署方案的问题，从而在边缘计算环境中实现更加高效的部署，提升系统整体性能。
-
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。
-
公开(公告)号：CN114173379B
公开(公告)日：2024-11-12
申请号：CN202111519999.7
申请日：2021-12-13
Applicant: 重庆邮电大学
IPC: H04W28/08 , H04W28/084 , H04W84/08
Abstract: 本发明属于无线通信领域，具体涉及一种基于5G专网分流器的多用户计算卸载方法；该方法包括：构建基于5G专网分流器的多用户计算卸载框架；根据多用户计算卸载框架构建联合卸载总时延和资源分配平衡度的目标函数；对联合卸载总时延和资源分配平衡度的目标函数进行求解，得到目标函数最优解；用户根据目标函数最优解确定卸载决策；用户根据确定的卸载决策进行任务卸载；本发明具有良好的扩展性和安全性，有效的利用了每个UE设备的带宽和吞吐量，加强了网络数据处理能力、提高了网络的灵活性和可用性；能够有效地减小多用户的平均卸载时延以及平均传输时延，同时平衡各移动边缘终端设备或边缘服务器的工作负荷，具有良好的经济效益。
-
公开(公告)号：CN113962161B
公开(公告)日：2024-08-23
申请号：CN202111303203.4
申请日：2021-11-05
Applicant: 重庆邮电大学
IPC: G06F30/27 , G06N3/006 , G06N3/084 , G06F111/08
Abstract: 本发明涉及微服务领域，涉及一种基于黑寡妇优化算法的最优QoS服务选择方法及装置，所述该方法包括：初始化CPS服务集合，根据CPS结构的特性，采用微服务架构将其划分为应用层服务、网络层服务和物理层服务；根据不同层服务的参考指标，分别构建各层的QoS模型；依据各层QoS模型，得出各层最优QoS的目标函数，并将目标函数作为各层对应的适应函数；采用优化的BWO算法对CPS服务选择进行优化，确定CPS环境下服务选择的QoS最优解。本发明中采用融合柯西变异和反向学习策略来优化黑寡妇算法，有效避免了搜索陷入局部最优解的情况；本发明能够有效降低CPS环境下服务选择的复杂性和海量性，使得服务QoS达到最优。
-
公开(公告)号：CN118210566A
公开(公告)日：2024-06-18
申请号：CN202211652047.7
申请日：2022-12-15
Applicant: 重庆邮电大学
Abstract: 本发明涉及边缘计算领域，具体涉及一种基于任务依赖关系的多边协同部分计算任务卸载方法，该方法包括：构建基于多边协同的部分计算任务卸载框架，边缘节点上的初始任务之间具有相互依赖关系；根据计算任务之间的依赖关系构建计算任务模型；根据多边协同的部分计算任务卸载框架和计算任务模型构建任务完成时延模型，从而得到任务的总完成时延最小化目标函数；采用蝴蝶优化算法对目标函数进行求解；根据目标函数的最优解所对应的位置进行求解结果进行多边协同卸载；本发明的协同卸载方法在计算具有依赖关系的部分计算卸载任务时，可以保持系统所有任务的完成时延在较低的水平，能够较好地应用在多边缘协同的多任务计算场景，具有良好的经济效益。
-
-
-
-
-
-
-
-
-
Search Results
147
records
(took 0.023 seconds)
