-
公开(公告)号:CN111343569B
公开(公告)日:2021-04-30
申请号:CN202010109426.6
申请日:2020-02-22
Applicant: 吉林大学
Abstract: 本发明涉及一种基于改进的卡尔曼算法的移动边缘计算基站选择方法,该方法包括下述步骤:测量当前车辆的初始位置和初始速度;选定一个系统噪声基础值,计算实际残差;随机生成多个系统噪声随机值,分别计算理论残差;计算各系统噪声随机值对应的适应度函数值,利用轮盘赌算法,选取进入下一次迭代的个体;当个体对应的适应度函数值不再上升或者迭代达到预设的迭代次数时,迭代终止,输出适应度函数值最大的最优系统噪声;计算最优系统噪声对应的当前车辆位置预测最佳值,将该位置预测最佳值作为最佳接入点,选取距离最近的基站进行连接,卸载任务。本发明复杂度低,时延更小,任务的成功率高。
-
公开(公告)号:CN113364859B
公开(公告)日:2022-04-29
申请号:CN202110619225.5
申请日:2021-06-03
Applicant: 吉林大学
IPC: H04L67/12 , H04L67/10 , H04L41/0893 , H04L47/783
Abstract: 本发明专利属于移动边缘计算领域,具体涉及车联网中面向MEC的联合计算资源分配和卸载决策优化方案;包括:对车联网移动边缘计算中计算资源分配和卸载任务决策进行数学建模,在有限的计算资源条件下,对计算资源和卸载决策进行了联合优化;以及将问题分为资源分配和卸载决策两个子问题,通过凸优化算法求解计算资源分配问题;经过变量连续化后,采用基于精英决策改进的灰狼算法求解得出最优卸载决策;交替迭代求解得到最优的计算资源分配和卸载决策;通过本方案所研究的系统可以在有限的计算资源条件下,得出能够产生较低的开销、时延、能耗的资源分配方案和卸载决策。
-
公开(公告)号:CN114118339A
公开(公告)日:2022-03-01
申请号:CN202111337282.0
申请日:2021-11-12
Applicant: 吉林大学
Abstract: 本发明公开了一种基于布谷鸟算法改进ResNet的无线电调制信号识别分类方法,首先处理训练数据集,设计ResNet网络训练模块,搭建ResNet训练网络和连接方式;其次根据布谷鸟算法相关步骤,设计CS寻优模块;然后进行无线电调制信号模型训练,并融合布谷鸟算法寻优模块不断迭代寻优,得到待优化目标超参数的优质解,残差网络根据优质解改进相关参数;最后经过训练后的网络输出准确率、混淆矩阵等,作为识别分类效果的指标,本方法采用CS算法优化初始参数设置,改变了以往凭借经验手动设置初始值不合理时影响网络训练效果及最终识别分类准确率的情况,通过迭代优化得到合适的初始权值,有效地改进了传统的ResNet训练的缺陷,同时具有很好的工程价值。
-
公开(公告)号:CN110889564A
公开(公告)日:2020-03-17
申请号:CN201911290170.7
申请日:2019-12-16
Applicant: 吉林大学
Abstract: 本发明设及一种基于MKPCA-RBFNN的短期电力负荷预测方法,该方法采用混合核主成成分分析与径向基神经网络模型的结合,通过混合核主成成分分析法对电力负荷数据进行降维处理,训练径向基神经网络模型,得到电力负荷预测数据。本发明提出的方法在处理复杂的电力负荷数据时,很好的适应了电力负荷数据的变化,有效的提高了电力负荷的预测精度。
-
-
-