-
公开(公告)号：CN113347267B
公开(公告)日：2022-03-18
申请号：CN202110688768.2
申请日：2021-06-22
Applicant: 中南大学
Abstract: 本发明公开了一种移动边缘云计算网络中的MEC服务器部署方法，目的是使得MEC服务器的部署效率最大化。技术方案是：先对影响部署效率的各种因素进行建模和分析，得到部署效率的计算公式。然后利用得到计算部署效率所需要的各个参数的值。接着根据部署效率的计算公式和各参数的值，使用三层优化方法计算出最优的部署决策。最后使用最优的部署决策，决定在哪些基站部署MEC服务器，并在每个基站上部署多少的计算资源量，并以此在城市中的基站上部署MEC服务器和计算资源量。采用本发明可保证MEC服务器对移动用户的覆盖率，降低MEC服务器处理用户计算任务时的延迟，降低MEC服务器部署期间造成的浪费。
-
公开(公告)号：CN113347267A
公开(公告)日：2021-09-03
申请号：CN202110688768.2
申请日：2021-06-22
Applicant: 中南大学
Abstract: 本发明公开了一种移动边缘云计算网络中的MEC服务器部署方法，目的是使得MEC服务器的部署效率最大化。技术方案是：先对影响部署效率的各种因素进行建模和分析，得到部署效率的计算公式。然后利用得到计算部署效率所需要的各个参数的值。接着根据部署效率的计算公式和各参数的值，使用三层优化方法计算出最优的部署决策。最后使用最优的部署决策，决定在哪些基站部署MEC服务器，并在每个基站上部署多少的计算资源量，并以此在城市中的基站上部署MEC服务器和计算资源量。采用本发明可保证MEC服务器对移动用户的覆盖率，降低MEC服务器处理用户计算任务时的延迟，降低MEC服务器部署期间造成的浪费。
-
公开(公告)号：CN112929842A
公开(公告)日：2021-06-08
申请号：CN202110117008.6
申请日：2021-01-28
Applicant: 中南大学
Abstract: 本发明提供了一种基于多通信模块的传感器节点数据传输方法包括如下步骤：步骤S1、部署传感器节点：传感器节点搭载传感器模块以及传感器节点通信模块，传感器节点通信模块包括传感器节点低功耗通信模块及传感器节点高速传输通信模块；步骤S2、部署数据汇聚节点：数据汇聚节点搭载汇聚节点通信模块，汇聚节点通信模块包括汇聚节点低功耗通信模块及汇聚节点高速传输通信模块；步骤S3、默认状态时数据传输以“低功耗模式”运行；步骤S4、在遇到突发情况导致数据量激增或者有外部请求时，数据传输开启“高性能模式”。本发明用于解决物联网无线传感网络只能服务单一的应用场景，无法完成复杂的数据采集需求的问题。
-
公开(公告)号：CN111754000A
公开(公告)日：2020-10-09
申请号：CN202010590843.7
申请日：2020-06-24
Abstract: 本发明公开了一种质量感知的边缘智能联邦学习方法及系统，该方法包括：云平台以多个学习任务的聚合模型质量之和在每次迭代中都达到最大为优化目标，构建联邦学习质量优化问题并解决：在每次迭代中，利用参与节点的历史学习质量记录预测参与节点的学习质量；其中，利用每次迭代中损失函数值的减少量来量化节点训练数据的学习质量；在每次迭代中，云平台通过反向拍卖机制激励高学习质量的节点参与联邦学习；以进行学习任务和学习报酬的分配；在每次迭代中，对于每个学习任务，每个参与节点将其本地模型参数上传到云平台以聚合得到全局模型。本发明可以在保护数据隐私的情况下，为模型的训练提供更丰富的数据和更多的算力，以提高模型的质量。
-
公开(公告)号：CN111443990A
公开(公告)日：2020-07-24
申请号：CN202010218209.0
申请日：2020-03-25
Applicant: 中南大学
Abstract: 本发明公开了一种边缘计算任务迁移仿真系统，包括边缘网络模型、工作流模型、调度算法模型和仿真环境模型；所述边缘网络模型用于模拟边缘网络的拓扑结构；所述工作流模型用于仿真生成工作流；所述调度算法模型用于生成、存储边缘计算任务迁移调度算法；所述仿真环境模型用于从所述边缘网络模型中读取边缘网络的拓扑结构，从工作流模型中读取工作流模型，从调度算法模型中读取调度算法，构建仿真环境，实现并验证仿真系统的性能。本发明具有适用范围广，可灵活、方便对边缘计算任务迁移进行仿真等优点。
-
Patent Agency Ranking
公开(公告)号：CN111225356A
公开(公告)日：2020-06-02
申请号：CN201911396884.6
申请日：2019-12-30
Applicant: 中南大学
Abstract: 本发明公开了一种多跳无线传感器网络资源分配方法，将多跳无线传感器网络的资源分配管理时隙划分为小时隙和大时隙，所述大时隙大于所述小时隙；以所述大时隙为管理单元进行能量分配，更新无线传感器的能量参数；以所述小时隙为管理单元进行数据资源收发分配，更新无线传感器的数据传输状态。具有稳定性好，持续性好等优点。
-
公开(公告)号：CN109886230A
公开(公告)日：2019-06-14
申请号：CN201910150614.0
申请日：2019-02-28
Applicant: 中南大学
Abstract: 本发明公开了一种图像目标检测方法及装置，方法包括：S1.在特征提取网络中，获取其中至少2个阶段的输出数据，并对所述输出数据进行融合，生成超特征图；S2.通过目标候选区域提取网络对所述超特征图进行候选区域提取，得到目标候选区域；S3.在所述超特征图和所述目标候选区域的基础上对目标进行标定。具有检测任意角度目标鲁棒性强，检测小目标准确度高等优点。
-
公开(公告)号：CN107682880A
公开(公告)日：2018-02-09
申请号：CN201710822256.4
申请日：2017-09-13
Applicant: 中南大学
Abstract: 本发明公开了一种云无线接入网络的资源分配方法，构建混合能量管理计算模型、数据请求控制计算模型和功率与信道分配计算模型，获取网络当前时隙的状态参数，分别通过混合能量管理计算模型、数据请求控制计算模型和功率与信道分配计算模型计算更新网络状态；混合能量管理计算模型用于根据当前时隙的能量状态计算的能量获取量和能量购买量；数据请求控制计算模型更新数据队列长度，并计算数据请求量和网络效用；功率与信道分配计算模型用于根据当前时隙的数据队列长度、能量状态、信道参数计算功率分配值，并根据功率分配值进行信道分配。具有更加稳定，性能更好的优点。
-
公开(公告)号：CN106778853A
公开(公告)日：2017-05-31
申请号：CN201611116829.3
申请日：2016-12-07
Applicant: 中南大学
IPC: G06K9/62
CPC classification number: G06K9/6257 , G06K9/6267
Abstract: 不平衡数据集的分类已经成为数据挖掘中最具挑战性的问题之一。因为少数类样本数量远远少于多数类，导致少数类在传统算法的分类学习过程中存在正确率低、泛化性能不好等缺陷。算法集成已经成处理该问题的一个重要方法，其中基于随机欠抽样和基于聚类的两种集成算法能有效提高分类的性能。但是，前者容易造成信息丢失，后者计算复杂不易推广。本文提出一种基于权重聚类，融合欠抽样的改进的集成分类算法，具体为基于权重聚类和欠抽样的不平衡数据分类方法。算法根据样本权重划分簇，依据样本权值从每个簇中抽取一定比例的多数类和全部的少数类组成平衡数据集，并利用Adaboost算法框架对分类器进行集成，提高了分类效果。实验结果表明，该算法具有准确，简单，稳定性高的特点。
-
公开(公告)号：CN114038062B
公开(公告)日：2024-10-29
申请号：CN202111335745.X
申请日：2021-11-11
Applicant: 中南大学
Abstract: 本发明公开了一种基于联合关键点表征的考生异常行为分析方法及系统，方法包括如下步骤：S1.获取视频帧，以考生和课桌为目标进行定位，获取目标图像；S2.提取所述目标图像中所述考生的人体关键点，以及所述课桌的课桌关键点；S3.根据所述人体关键点、课桌关键点，生成抽象化特征图；通过智能神经网络对所述特征图进行识别，判断考生是否存在异常行为。具有准确性高、对考生异常行为识别效果好等优点。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.03 seconds)
