-
公开(公告)号：CN118939884B
公开(公告)日：2025-03-04
申请号：CN202411376289.7
申请日：2024-09-30
Applicant: 南昌航空大学
IPC: G06F16/9536 , G06Q50/00 , G06F40/30 , G06F40/216 , G06F16/355 , G06N3/042 , G06N3/045 , G06N3/084 , G06F18/23213 , G06N3/048
Abstract: 本发明公开了一种基于异质图神经网络聚类的社交网络好友推荐方法，通过特征传播模块和中心性嵌入模块实现了将用户自身属性信息和用户之间的交互信息的充分结合，解决了现有的技术大多会忽略用户间潜在联系的问题；通过子图学习模块考量用户节点间的相似性以及其他类型节点对用户节点的重要性，可以实现对用户节点进行更合理有效的学习，以得到用户在网络结构上更真实准确的向量表征，解决了现有的技术在学习用户向量表征时存在偏差的问题；本发明采用基于密度基尼系数的聚类中心选取方法对K‑means算法进行改进，能够解决初始聚类中心敏感的问题，提高对用户聚类的准确性，从而实现精确的社交网络用户群落识别，解决好友推荐准确率低的问题。
-
公开(公告)号：CN113783725B
公开(公告)日：2023-05-09
申请号：CN202111016066.6
申请日：2021-08-31
Applicant: 南昌航空大学
Abstract: 本发明公开了一种采用高通滤波器和改进RNN的机会网络链路预测方法，该方法是在机会网络场景下，通过结合滤波器和改进的循环神经网络实现链路预测。该方法首先根据网络中节点间链接时长的统计特性，通过线性组合多个高斯密度函数实现高通滤波器设计；然后将网络快照输入到滤波器中进行特征增强；然后将处理后的数据输入到改进后的循环神经网络，捕获机会网络中节点间的时空依赖关系；最终通过一个映射函数输出网络下个时刻的网络快照，实现机会网络的链路预测。本发明能够解决现有技术未考虑特征增强，忽略了不同节点间在时间上的依赖关系的问题。
-
公开(公告)号：CN115297496A
公开(公告)日：2022-11-04
申请号：CN202211186686.9
申请日：2022-09-28
Applicant: 南昌航空大学
IPC: H04W24/02 , H04L41/147 , H04L41/142 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种结合Bi‑LSTM和时间模式注意力的链路质量预测方法，包括如下步骤：S1：选取链路质量参数构建样本空间，对于样本集中的缺失值使用生成对抗网络方法填充，采用离差标准化法消除参数间量纲差异的影响，然后采用滑动时间窗口构建多元时间序列样本；S2：根据所述多元时间序列样本，使用双向长短期记忆网络提取深度时间依赖，并采用时间模式注意力机制为时序变量加权，从而构建基于双向长短期记忆网络的链路质量预测模型，并得到多元时序预测结果；S3：采用Sigmoid函数构建多元时序预测结果与数据包接受率之间的映射模型，通过该映射模型预测下一时刻的链路质量。本发明能够提高链路质量预测模型的准确性。
-
公开(公告)号：CN111464371B
公开(公告)日：2022-09-02
申请号：CN202010475542.X
申请日：2020-05-29
Applicant: 南昌航空大学
IPC: H04L41/0893 , H04L41/12
Abstract: 本发明公开了一种基于网络变化度的PSN(Pocket Switched Network)网络的时间切片方法，该方法依据PSN网络的特征确定切片大小的取值范围，然后按照数据集本身的采样精度来遍历该范围中的切片大小，并使用网络变化度计算方法来得到其对应的网络变化度大小，最后不同的网络变化度下的时间间隔生成的网络快照序列表示网络的不同的动态特性。本发明充分考虑了PSN网络全网拓扑随时间变化的关系，通过采用网络变化度来表示这种变化程度并构建网络变化度‑切片大小表，从而有效表现不同切片大小对PSN网络切片后的影响，进一步，据此选择合适的切片大小，以此提升PSN网络链路预测的精度，为PSN网络的路由决策提供一定的支撑。
-
公开(公告)号：CN110087206B
公开(公告)日：2021-12-21
申请号：CN201910346281.9
申请日：2019-04-26
Applicant: 南昌航空大学
Abstract: 本发明公开了一种采用广义回归神经网络评估链路质量的方法，包括：S1，采用改进的网格搜索法缩小优化范围，当均方位误差达到理想值时或者达到终止条件均方位误差最小时对应的光滑因子为最优解，从而得到光滑因子，以建立基于广义回归神经网络的链路质量评估模型；S2，采用所述基于广义回归神经网络的链路质量评估模型对链路质量进行评估。本发明能够在全面选取链路质量特性的基础上，通过改进的网格搜索法确定最优光滑因子构建基于GRNN链路质量评估模型，基于GRNN链路质量评估模型能够快速自学习链路质量参数与链路质量的关系，使得本发明提供的方法能够有效的提高WSNs链路质量评估的准确性及高效性。
-
Patent Agency Ranking
公开(公告)号：CN113709782A
公开(公告)日：2021-11-26
申请号：CN202110874737.6
申请日：2021-07-30
Applicant: 南昌航空大学
Abstract: 本发明公开了一种采用叠层宽度学习的链路质量评估方法，该方法首先采用基于邻域密度的K均值初始聚类中心的优化方法来划分链路质量等级；然后将处理好的数据输入到采用叠层宽度学习模型的链路质量评估模型中得到评估结果。本发明使用叠层宽度学习模型构建链路质量评估模型，在保证低复杂度的情况下提高模型的拟合能力，能够有效提高对无线传感器网络链路质量评估的准确性。
-
公开(公告)号：CN110661566B
公开(公告)日：2021-11-19
申请号：CN201910936940.4
申请日：2019-09-29
Applicant: 南昌航空大学
Abstract: 本发明涉及一种采用深度图嵌入的无人机集群组网方法及系统，该方法包括：对历史网络数据进行量化处理得到网络快照数据，对所述网络快照数据进行数据表示，并根据无人机集群特性计算得到有向含权图对应的权值；采用编码解码模型对所述历史网络数据进行图嵌入，提取所述历史网络数据中各节点的拓扑结构信息，并通过改进的临近相似度函数使所述编码解码模型对所述有向含权图进行适应；根据所述拓扑结构信息对无人机集群网络进行个体局部分层组网。本发明提出的采用深度图嵌入的无人机集群组网方法，可提高网络的敏捷性及无人机大范围协同作战的能力。
-
公开(公告)号：CN108811028B
公开(公告)日：2021-07-16
申请号：CN201810814586.3
申请日：2018-07-23
Applicant: 南昌航空大学
Abstract: 本发明涉及一种机会网络链路的预测方法，该方法包括如下步骤：在机会网络中根据链路预测精度，选取确定第一指标相似度以及第二指标相似度；根据机会网络中的节点历史信息，分别对第一指标相似度以及第二指标相似度进行改进，以分别得到第一改进相似度以及第二改进相似度；通过加权平均法对第一改进相似度以及第二改进相似度进行融合以得到单位目标相似度，并根据多个单位目标相似度得到节点对目标相似度，根据节点对相似度对机会网络进行链路预测。本发明提出的机会网络链路的预测方法，可对机会网络的链路进行准确预测。
-
公开(公告)号：CN108601047B
公开(公告)日：2021-07-16
申请号：CN201810869232.9
申请日：2018-08-02
Applicant: 南昌航空大学
Abstract: 一种机会网络关键节点的测量方法，包括：将预设时间段内的机会网络按照预设的时间窗口进行划分，得到多个机会网络单元，并针对每个所述机会网络单元建立对应的拓扑凝聚图；计算每个所述拓扑凝聚图中各个节点的评估指标参数，并根据所述评估指标参数确定所述机会网络中的一关键节点，所述评估指标参数包括二阶节点度、连接强度以及关键域重要度。本发明实施例中考虑到机会网络的动态特征，采用时间切片的方法将动态的机会网络转换为静态网络，其不仅考虑到机会网络的动态特征，且在静态网络的基础上确定机会网络的关键节点，其准确度更高，且适用性广。
-
公开(公告)号：CN111935747A
公开(公告)日：2020-11-13
申请号：CN202010826981.0
申请日：2020-08-17
Applicant: 南昌航空大学
Abstract: 一种采用GRU预测无线传感器网络链路质量的方法，该方法包括：获取一段时间内每一时刻的无线传感器网络的链路质量参数，并根据获取的链路质量参数确定每一时刻的链路质量等级；计算当前时刻之前的历史链路质量参数与所述当前时刻的链路质量参数之间的皮尔逊相关系数；确定与当前时刻皮尔逊相关系数大于阈值的历史时刻的数量，并根据所述数量确定时间窗口的尺寸，以所述尺寸大小的时间窗口对链路质量参数进行数据截取，以得到训练样本集，并将带有链路质量等级标签的训练样本集对GRU神经网络模型进行训练；利用训练好的GRU神经网络模型对所述无线传感器的链路质量进行预测。本发明能够有效、准确地预测下一时刻地链路质量。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.021 seconds)
