公开(公告)号：CN117274616A

公开(公告)日：2023-12-22

申请号：CN202311248410.3

申请日：2023-09-26

Applicant: 南京信息工程大学

Inventor： 张佩云 ,  陈禹同 ,  黄文君 ,  范家俊 ,  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：CN114117945A

公开(公告)日：2022-03-01

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：CN113452801A

公开(公告)日：2021-09-28

申请号：CN202111017884.8

申请日：2021-09-01

Applicant: 南京信息工程大学

Inventor： 张佩云 ,  束俊良 ,  刘梓杰 ,  蔡松健 ,  陈芳剑 ,  谢杰敏 ,  黄文君 ,  陈禹同 ,  张茂凯 ,  谢荣见

IPC: H04L29/08 ,  H04L12/26

Abstract: 本发明公开了区块链网络中一种面向块传输的可信节点选择优化方法，为提高区块链网络中块传输的安全性、传输速率，提出面向块传输的可信节点选择优化模型，该模型分析节点距离和连通度在块同步时间的影响，对节点行为（如传输和验证块）引入信任值，为减少传输冗余和通信成本，对节点的块接收传输状态分类，并结合节点状态设计该模型。基于该模型，设计改进PageRank(PR)算法计算节点综合PR值，根据节点综合PR值选出最优节点集。本发明设计的方法在块同步时间、块传输时间和块传输成功率上具有优势。