-
公开(公告)号：CN117789082A
公开(公告)日：2024-03-29
申请号：CN202311809903.X
申请日：2023-12-26
Applicant: 东北大学
IPC: G06V20/40 , G06V10/80 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明设计一种基于空地融合的目标实体轨迹预测方法，属于轨迹预测技术领域；首先对地面目标实体历史轨迹构建空间关系连接图，根据空间关系连接图获取该图的带权邻接矩阵；然后利用GCN进行空间交互特征提取，获得空间交互特征向量；其次利用无人机获取地面目标实体的空中视角视频，并将其转换为视频帧，将视频帧送入U‑Net中提取场景上下文信息；将地面目标实体历史轨迹和上下文信息通过MLP进行聚合，得到当前时刻场景综合了目标实体上下文以及目标实体历史轨迹的特征；并对聚合的特征基于U‑Net模型计算后得到实体终点位置概率分布；融合实体终点位置概率分布、地面目标实体历史轨迹以及空间交互特征向量，基于TCN模型得到最终目标实体的未来轨迹。
-
公开(公告)号：CN117520661A
公开(公告)日：2024-02-06
申请号：CN202311703650.8
申请日：2023-12-11
Applicant: 东北大学
IPC: G06F16/9535 , G06F18/23
Abstract: 本发明的一种云际环境下基于多标准决策的跨域资源推荐方法，包括：步骤1：利用DBSCAN聚类算法对云际环境中的云提供商进行聚类，形成K个集群；步骤2：分别计算K个集群中心到云需求商的距离，选择距离最小的集群中的云提供商作为候选云提供商；步骤3：从云提供商的非功能属性中选取评价指标，利用极差最大法对评价指标的标准权重赋值，得到每个评价指标的规范化的最终权重；步骤4：利用基于后悔理论的TODIM决策方法对候选云提供商进行排名。本发明方法可根据云需求商多样化资源需要以及偏好，对云提供商进行评估和排名，在云际平台中选择最合适的云提供商为其提供资源。
-
公开(公告)号：CN117519923A
公开(公告)日：2024-02-06
申请号：CN202311362641.7
申请日：2023-10-19
Applicant: 东北大学
Abstract: 本发明公开一种云际环境下基于资源预测的负载均衡任务分配方法，涉及云际计算技术领域。在云际环境中，大规模任务总是对CPU、内存有着高度多样化的资源需求，然而这些任务与目标云之间的不匹配很容易造成许多资源碎片，导致资源可用性低、负载不平衡等，因此，任务调度策略是解决上述问题的关键，该框架以最低的用户成本和VM类型为目标进行任务初始分配，通过基于神经网络的在线预测器预测VM和云主体的资源利用率，并相应地平衡负载，通过合作博弈的任务再分配策略有效处理云上的过载/欠载，并最大限度的提高资源可用率，减少资源碎片。
-
公开(公告)号：CN117236345A
公开(公告)日：2023-12-15
申请号：CN202311261019.7
申请日：2023-09-27
Applicant: 东北大学
IPC: G06F40/58 , G06F40/284 , G06F9/445 , G06F40/30 , G06F18/22
Abstract: 本发明提出一种基于语义相似度的网络设备配置翻译方法，包括输入第一设备和第二设备的设备手册，基于辅助框架Nassim、SBERT模型和统一设备模型完成第一设备参数和第二设备参数的直接对应，得到第一设备和第二设备的参数对应结果；将第一设备的设备语句和参数对应结果结合为基于命令的配置文件，将配置文件构建为配置树来进行语句对应，得到语句对应结果；将参数对应结果与语句对应结果结合，得到多个命令块；对多个命令块进行排序，得到与第二设备的设备语句相对应且满足视图关系的语句排序，输出第二设备的配置文件。本发明可以提高配置翻译效率，同时实现扩展性，更解决了现有方法中不能实现配置命令中“一对一”、“一对多”和“多对多”的问题。
-
公开(公告)号：CN116825384A
公开(公告)日：2023-09-29
申请号：CN202310772479.X
申请日：2023-06-28
Applicant: 东北大学
IPC: G16H70/40 , G16H20/10 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于异构图卷积神经网络预测协同药物组合方法，涉及药物研发技术领域。该方法首先根据疾病药物历史作用数据，构建基于药物、药物组合、疾病的三部图；然后构建基于异构图卷积神经网络的协同药物组合预测模型：对于构建的三部图上的疾病、药物和药物组合节点，应用一个热编码来对三个邻接矩阵进行编码，并分别压缩为密集实值向量，构建异质图；在疾病和药物之间以及疾病和药物组合之间构建传播层进行层次传播，实现在三部图上进行药物层次的传播和药物组合层次的传播；最后构建完全连接层进行协同药物组合的预测；同时，采用困难负样本训练协同药物组合预测模型；最后使用训练好的协同药物组合预测模型进行协同药物组合预测。
-
Patent Agency Ranking
公开(公告)号：CN113419854B
公开(公告)日：2023-09-22
申请号：CN202110698428.8
申请日：2021-06-23
Applicant: 东北大学
Abstract: 本发明提供一种面向不平衡多目标优化的云资源调度方法，涉及云计算技术领域。该方法首先统计云计算中心中可用的物理机数和需处理的任务数，并估算每台物理机处理各个任务所需要花费的时间；设定调度方案为每个任务仅由一台物理机处理，将每种调度方案用调度矩阵来表示，矩阵中每个元素的取值为1或0；根据所有物理机处理任务花费的时间及调度方案，将云资源调度问题转化为三个目标函数和一个约束函数；采用多目标进化算法对云资源调度问题进行求解，得到当前云资源调度问题的参考解决方案。该方法能够解决云资源调度中不平衡问题，给决策者更好地提供一组解决方案，使决策者能够得到更适合于当前物理机情况和任务情况的解决方案。
-
公开(公告)号：CN116707923A
公开(公告)日：2023-09-05
申请号：CN202310712280.8
申请日：2023-06-15
Applicant: 东北大学
Abstract: 本发明涉及一种基于精英麻雀搜索改进XGBoost算法的异常流量检测方法，其中：所述方法步骤如下：(1)、对实时采集的带有异常流量环境的网络流量数据进行初始化，获得带有初始特征集的流量数据集；(2)、对步骤(1)中所述的流量数据集进行特征提取获得提取后的特征集的流量数据集；(3)、将步骤(2)中所述的带有初始特征集的流量数据集输入至基于精英麻雀搜索改进XGBoost模型，输出检测结果。其有益效果是，使用XGBoost作为基分类器，精英麻雀搜索算法进行算法性能优化，得到更精准的异常流量分类结果。
-
公开(公告)号：CN116662992A
公开(公告)日：2023-08-29
申请号：CN202310353953.5
申请日：2023-04-04
Applicant: 东北大学
Abstract: 本发明的一种基于图神经网络的区块链恶意节点检测方法，包括：步骤1：采集区块链平台中各个节点的历史数据，并对历史数据集进行预处理，生成检测数据样本集，并将检测数据样本集分为训练集、验证集和测试集；步骤2：构建并优化基于图神经网络的区块链恶意节点检测模型，并通过训练集、验证集对模型进行训练；步骤3：采集区块链平台上的最新数据，利用训练好的基于图神经网络的区块链恶意节点检测模型进行恶意节点检测。本发明的恶意节点检测方法，结合图神经网络的强大嵌入能力并使用改进的参数初始化方法，能够可迁移、大范围地检测区块链恶意节点，并同时具备高效的检测性能。
-
公开(公告)号：CN115187169A
公开(公告)日：2022-10-14
申请号：CN202210820798.9
申请日：2022-07-13
Applicant: 东北大学
IPC: G06Q10/08
Abstract: 本发明提供一种基于协同路径规划的物流配送系统及方法，涉及供应链物流技术领域。所述系统包括数据信息获取模块、数据预处理模块、配送路径规划模块、配送指令生成模块；首先获取仓库信息和客户订单信息，计算各节点间路程并生成全向网络图，再根据订单信息将客户分配给仓库，然后求解协同路径规划模型生成配送路径和转运节点，之后计算物品配送和转运信息，最后向配送设备发送配送指令，以使配送设备将仓库中物品配送至客户；本方案可以在满足配送要求的前提下提高配送设备利用率，减少配送里程，从而降低运营成本。
-
公开(公告)号：CN115037669A
公开(公告)日：2022-09-09
申请号：CN202210449032.4
申请日：2022-04-27
Applicant: 东北大学
IPC: H04L45/02 , H04L45/12 , H04L45/645 , H04L49/25 , H04L41/044 , H04L41/14 , H04L41/0895
Abstract: 本发明提供一种基于联邦学习的跨域数据传输方法，首先设计了基于深度强化学习的智能路由方法，该方法根据网络当前状态做出最优的路由选择，其次引入联邦学习将各个域的深度强化学习智能体上传的参数进行融合，得到决策能力更强的深度强化智能体，并将该智能体应用于跨域路由的决策过程中，各域根据域间路由和本域内的路由策略对跨域数据进行数据转发，在保证域内隐私的前提下，本发明提升了大量数据跨域传输的性能，具有很强的现实意义和广阔的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
246
records
(took 0.024 seconds)
