公开(公告)号：CN114117945B

公开(公告)日：2022-04-15

申请号：CN202210093058.X

申请日：2022-01-26

Applicant: 南京信息工程大学

Inventor： 张佩云 ,  范家俊 ,  黄文君 ,  陈禹同 ,  何思开 ,  王轩 ,  谢荣见

IPC: G06F30/27 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于用户‑服务交互图的深度学习云服务QoS预测方法，根据用户‑服务原始QoS矩阵构建用户‑服务交互图，进而获取用户和服务的特征向量，根据用户/服务特征向量计算相似度，根据相似度获取用户/服务特征向量集；基于两个高效深度卷积单元构建双流深度神经网络模型，将获取的用户特征向量集作为其中一个高效深度卷积单元的输入，将获取的服务特征向量集作为另一个高效深度卷积单元的输入，对双流深度神经网络模型进行训练；利用训练好的双流深度神经网络模型预测某用户对某服务的QoS值，得到QoS预测结果。本发明通过构建用户‑服务交互图以及通过设计双流深度神经网络结构，使得云服务QoS预测值更加准确。

公开(公告)号：CN117274616B

公开(公告)日：2024-03-29

申请号：CN202311248410.3

申请日：2023-09-26

Applicant: 南京信息工程大学

Inventor： 张佩云 ,  范家俊 ,  黄文君 ,  陈禹同 ,  谢荣见

IPC: G06V10/40 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06N5/04

Abstract: 本发明公开了一种多特征融合深度学习服务QoS预测系统及预测方法，该方法包括：获取用户潜在特征矩阵及服务潜在特征矩阵，并进行初始化，将初始化后的用户潜在特征矩阵和服务潜在特征矩阵经过深度神经网络提取特征图，得到用户特征图和服务特征图；将特征图提取过程中的数据流经过特征转化块处理，与用户特征图/服务特征图归并处理，分别得到用户融合特征图/服务融合特征图；将用户融合特征图及服务融合特征图通过训练后的多特征融合QoS预测网络，得到QoS预测值，提高预测准确度。

公开(公告)号：CN115333673A

公开(公告)日：2022-11-11

申请号：CN202210905529.2

申请日：2022-07-29

Applicant: 南京信息工程大学

Inventor： 张佩云 ,  郭威峰 ,  陶言昊 ,  束俊良 ,  何思开 ,  黄天林 ,  潘朝君 ,  谢荣见

IPC: H04L1/00 ,  H04L67/1074

Abstract: 本发明公开了一种区块链网络中基于ILT的区块编码传输方法，首先对邻居节点的信道状态进行预测，再根据信道状态确定如何将区块划分分组并将分组编码进行传输；同时，提出了一种基于PiChu区块传输协议改进的编码包传输协议，在该协议中，节点只要收到编码包就向邻居节点发送INV消息，同时验证区块。本发明能够最大化利用信道对区块进行传输，从而避免区块过大、传输信道状态不佳而导致的区块重传现象；即使传输的编码包丢失，也不需要重传。