-
公开(公告)号：CN110488842B
公开(公告)日：2020-11-03
申请号：CN201910832754.6
申请日：2019-09-04
Applicant: 湖南大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于双向内核岭回归的车辆轨迹预测方法，包括：步骤1，获取车辆行驶过程中在信号中断时间段之前的第一行驶姿态信息时间序列和之后的第二行驶姿态信息时间序列，并分别采用滑动窗口从中获取有关行驶姿态信息的前向训练数据和后向训练数据；步骤2，利用前向训练数据和后向训练数据，分别训练两个核岭回归模型，得到轨迹前向预测模型和轨迹后向预测模型；步骤3，使用轨迹前向预测模型和轨迹后向预测模型，分别从前向和后向对中断时间段内的行驶姿态信息进行滚动预测，得到前向预测序列和后向预测序列，最后整合得到中断时间段内的行驶姿态信息时间序列。本发明方法对车辆轨迹预测具有更好的精确度和鲁棒性。
-
公开(公告)号：CN105323052B
公开(公告)日：2018-06-01
申请号：CN201510794460.0
申请日：2015-11-18
Applicant: 湖南大学
IPC: H04L5/00 , H04B17/382
Abstract: 本发明公开了一种基于OFDM的认知无线电网络中资源分配方法，该方法巧妙的将优化问题分解成子载波优化问题和功率优化问题两个问题，分别采用启发式算法和迭代算法求解相对来说计算复杂度较低，易于求解，适用于认知用户和子载波数量较大的情况。采用改进的启发式多项式时间算法分配子载波，首先针对主用户对子载波的干扰值将子载波排序，性能更优的子载波首先选择能效比高的认知用户，使得子载波和认知用户的匹配更佳。采用迭代算法分配功率，满足主用户的干扰限制条件和认知系统的总功率限制条件，保证了每个认知用户的最低传输速率。本发明中的两个阶段的算法结合，具有计算复杂度低，适用于多用户系统的特点。
-
公开(公告)号：CN102158701A
公开(公告)日：2011-08-17
申请号：CN201110097756.9
申请日：2011-04-19
Applicant: 湖南大学
Abstract: 本发明公开了一种基于压缩感知理论的分类量化图像编码方法，该方法为：利用小波变换将图像分解成低频系数和高频系数；对低频系数采用低压缩的DPCM编码得到低频码流，对高频系数采用随机观测得到观测值，再对其进行LBG矢量量化编码得到高频码流；对得到的低频码流采用DPCM解码方法得到低频系数，对高频码流进行LBG矢量量化解码，利用求解l1范数的线性规划问题，重构高频系数；对上述低频系数和高频系数进行小波合成，得到编码后的图像小波系数；对合成后的小波系数进行后置的低通滤波，得到重构的图像。基于压缩感知理论的分类量化图像编码方法可以在提高图像压缩比的同时获得高质量的编码图像。
-
公开(公告)号：CN101557629A
公开(公告)日：2009-10-14
申请号：CN200910042887.X
申请日：2009-03-18
Applicant: 湖南大学
Abstract: 本发明结合矿井巷道的地形特点，提出一种应用于井下无线网络中的高效路由方法。首先确定井下巷道环境功率估计和路由切换的临界角度和临界距离；发送节点根据邻居节点的位置信息，选择最优的下一跳节点，并根据是近壁传播还是洞中传播，动态调整发送功率；接收节点根据发送节点的方位确定发送节点选择的传播方式并做出相应的接收功率估计；一旦接收节点确定自己为最优转发节点，便压制冗余的RREQ，优先进行RREQ转发处理。同时如果建立的路径中由于某个节点失效导致路径中断，依靠记录的RREQ消息还能找到互补的路径恢复路由。本路由方法充分考虑了井下巷道通信环境的特点，是一种鲁棒性高的自适应地理路由方法。
-
公开(公告)号：CN119516176A
公开(公告)日：2025-02-25
申请号：CN202411754303.2
申请日：2024-12-02
Applicant: 湖南大学
IPC: G06V10/25 , G06N3/0464 , G06V10/774 , G06V10/22 , G06N3/045 , G06N3/08 , G06V10/40 , G06V10/80 , G06T7/00
Abstract: 本发明公开了一种基于YOLOv10的输电线路绝缘子检测方法及系统，其中，该方法包括：构建绝缘子数据集；再构建基于轻量化YOLOv10n网络的绝缘子检测模型，即使用基于GhostBottleneck模块堆叠的幽灵卷积层GhostConv替换Backbone网络的原普通卷积网络；以及使用特征加强模块Concat_BiFPN替换Neck网络的原连接层网络，并在Neck网络的特征提取模块C2FCIB之后设置注意力模块ContextAggregation；最后将绝缘子数据集送入基于轻量化YOLOv10n的绝缘子检测模型进行模型训练，得到绝缘子检测模型，用于绝缘子检测，极大的提高算法运行效率以及准确性。
-
Patent Agency Ranking
公开(公告)号：CN114492995B
公开(公告)日：2024-05-24
申请号：CN202210092001.8
申请日：2022-01-26
Applicant: 湖南大学
IPC: G06Q10/04 , G06Q50/40 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06N20/20
Abstract: 本发明提供了一种基于动态图卷积网络的联邦学习私家车速度预测方法，包括：步骤1，采集城市中私家车的GPS数据和OBD数据，并基于GPS数据和OBD数据提取私家车的速度数据、平均速度和最大速度；步骤2，设计基于动态图卷积神经网络的跨节点联邦学习框架，基于私家车速度数据、平均速度和最大速度对私家车未来十二个步长内的速度进行预测。本发明在联邦学习设置中使用动态图卷积网络，弥补了复杂时空数据建模和去中心化数据处理之间的差距，在真实世界的数据集上进行的交通流预测实验，用于为驾驶员提供在接下来几个时间步中的车辆速度。
-
公开(公告)号：CN114444123B
公开(公告)日：2024-04-19
申请号：CN202210087301.7
申请日：2022-01-25
Applicant: 湖南大学
Abstract: 本发明提供了一种基于语义信息的匿名轨迹隐私保护方法，包括：步骤1，基于空间访问密度将原轨迹数据集中的轨迹进行离散化，生成自适应离散化格网；步骤2，通过滑动窗口算法将离散化格网中的轨迹划分为若干定长的子轨迹；步骤3，分别计算滑动窗口中子轨迹的时空相似度，并分别根据子轨迹的时空相似度进行轨迹聚类，获得轨迹匿名聚类集合；步骤4，将轨迹匿名聚类集合中的同一匿名聚类中的子轨迹进行合并，合并后的子轨迹满足l‑diversity。本发明可使发布的匿名轨迹数据集有效抵御去匿名攻击和语义攻击，保护用户隐私，减少数据损失，保证数据的可用性。
-
公开(公告)号：CN113780665B
公开(公告)日：2023-09-29
申请号：CN202111079680.7
申请日：2021-09-15
Applicant: 湖南大学
IPC: G06Q10/04 , G06Q50/30 , G06F16/9537 , G06N3/044
Abstract: 本发明公开了一种基于增强循环神经网络的私家车停留位置预测方法和系统，方法包括：首先，对私家车原始GPS轨迹数据中的停留点进行检测，并且提取出车辆在每个停留点的上下文信息包括停留时间、停留地点、停留时长和停留次数信息；然后，基于停留点的上下文信息，构建两个利用注意力机制增强的循环神经网络分别从停留点上下文信息中学习私家车用户的出行规律和偏好；最后，将深度神经网络习得的出行规律特征和出行偏好特征进行融合，并输入到全连接神经网络对私家车停留位置进行预测。本发明方法利用增强循环神经网络充分挖掘私家车轨迹数据中所蕴含的用户出行规律和偏好，实现对私家车停留位置的预测，且具有较高的准确率。
-
公开(公告)号：CN115643301A
公开(公告)日：2023-01-24
申请号：CN202211299698.2
申请日：2022-10-24
Applicant: 湖南大学
Abstract: 本发明公开了一种基于压缩布谷鸟过滤器的DDS自动发现方法和介质，方法包括：网络中的任意节点A在参与者发现阶段把自身端点信息以指纹形式封装到压缩布谷鸟过滤器中并广播发送到其余节点B，B对A发送的信息进行匹配，完成对A的发现并进入端点发现阶段；在端点发现阶段，B查询压缩布谷鸟中是否有自身需要订阅的主题，若有则向A发送订阅的主题信息，完成端点匹配；压缩布谷鸟过滤器对其中非空条目，使用指纹第1bit表示非空条目，指纹末尾增加1bit表示该指纹数量；对空条目则使用1bit表示当前位置为空条目，再使用3bit表示当前位置开始的连续空条目数量。本发明能加速DDS的自动发现环节，且有效降低网络负载和内存消耗。
-
公开(公告)号：CN114863683A
公开(公告)日：2022-08-05
申请号：CN202210508400.8
申请日：2022-05-11
Applicant: 湖南大学
IPC: G08G1/01
Abstract: 本公开实施例中提供了一种基于多目标优化的异构车联网边缘计算卸载调度方法，属于计算技术领域，具体包括：建立具有缓存和计算功能的两层异构车载边缘网络模型；确定server的服务缓存决策；求解server服务缓存最优解；根据卸载任务的不同特性建立不同的任务卸载模型；提出系统优化目标，根据任务卸载模型计算相应的时延和能耗，在服务缓存和计算资源的约束下，计算不同卸载模型下的联合时延和能耗开销，选择开销最小的模型进行计算卸载；将计算卸载过程建模为受约束的基于卸载时延和卸载能耗两个目标的优化问题；为所建模型构造多目标萤火虫算法，基于非支配排序筛选出最优计算卸载解集。通过本公开的方案，提高了计算效率和适应性。
-
-
-
-
-
-
-
-
-
Search Results
110
records
(took 0.022 seconds)
