-
公开(公告)号：CN111035391B
公开(公告)日：2021-09-17
申请号：CN201911178456.6
申请日：2019-11-27
Applicant: 吉林大学
Abstract: 本发明公开了一种基于特征值加权平均和阈值法相结合的老人跌倒检测方法，包括：姿态传感器信号的读取；信号的预处理与特征值的提取；对最大合加速度、最大合角速度、最大倾角进行归一化；将最大合角速度归一化值和最大合加速度归一化值进行加权平均，将最大合角速度归一化值和最大倾角归一化值进行加权平均；对得到的两个加权平均值以及某些特征值设定阈值，并分别与各自阈值进行比较，根据比较结果判定是否跌倒。本发明通过对特征值进行加权平均，并设定多个阈值进行判定，有效地提高了识别准确率，通过滑动数据窗实现了实时检测，且算法计算量小，本发明考虑了10种ADL即跑步、步行、上楼、下楼、坐下、跳跃、下蹲起立、弯腰、转身、躺下。
-
公开(公告)号：CN113364859A
公开(公告)日：2021-09-07
申请号：CN202110619225.5
申请日：2021-06-03
Applicant: 吉林大学
IPC: H04L29/08 , H04L12/911 , H04L12/24
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：CN104200118A
公开(公告)日：2014-12-10
申请号：CN201410468796.3
申请日：2014-09-15
Applicant: 吉林大学
Abstract: 本发明公开了一种自动平衡机振动信号处理方法，针对待处理的振动信号中常出现的倍频干扰、非整次谐波干扰以及强噪声干扰的情况，提出了用最小二乘法拟合信号中各频率成分的大致频率值，获得小波变换尺度因子，并用Morlet复连续小波变换对信号进行带通滤波的处理，准确地提取出与转子转速相同的不平衡振动信号，计算出振动信号的幅值和频率，提高测量精确度和速度。用全相位FFT谱分析的方法计算振动信号相位，此方法能精确得到振动信号的初相位。
-
公开(公告)号：CN103730006A
公开(公告)日：2014-04-16
申请号：CN201410036172.4
申请日：2014-01-26
Applicant: 吉林大学
Abstract: 本发明针对现有短时交通流量的预测模型预测精确度不高的问题，提供了一种基于灰色系统与最小二乘支持向量机组合预测的短时交通流量预测方法，本发明利用灰色模型和最小二乘支持向量机（LSSVM）等人工智能方法的优势，建立了一种灰色系统与最小二乘支持向量机组合预测模型，通过对灰色模型进行残差修正和背景值修正以及对最小二乘支持向量机进行参数寻优，提高了组合预测模型的预测精度和推广泛化能力，随着预测时间延长，基于灰色系统与最小二乘支持向量机组合预测模型具有较高的预测精度，且预测精度的稳定性较高，本方法通过实证分析，获得了良好的改进效果。
-
公开(公告)号：CN117014832A
公开(公告)日：2023-11-07
申请号：CN202311041910.X
申请日：2023-08-18
Applicant: 吉林大学
Abstract: 本发明公开了一种车联网中基于近端策略优化的MEC任务调度方法，建立MEC系统模型；对车联网移动边缘计算中所有任务的加权平均时延进行数学建模，以最小化所有任务的加权时延为目标进行任务调度优化，并利用深度强化学习方法解决此优化问题；然后采用近端策略优化算法作为深度强化学习模型的基本结构；然后将任务调度优化问题转化为马尔科夫决策过程，对状态空间、动作空间、奖励函数、算法的网络结构进行设计；然后形成基于近端优化策略的任务调度算法；最后对算法的任务调度优化；通过本方法可以在系统计算资源不同的情况下，在时延性能优化方面均有着显著的作用；不仅能够显著改善系统的时延性能，而且其在运行时间上也有很大优势。
-
Patent Agency Ranking
公开(公告)号：CN110443315B
公开(公告)日：2022-12-02
申请号：CN201910729656.X
申请日：2019-08-08
Applicant: 吉林大学
Abstract: 本发明涉及一种室内环境下基于加权融合的老人跌倒检测方法，该方法包括下述步骤：上位机通过蓝牙姿态传感器信号的数据包提取三轴加速度、三轴角速度和三轴角度并进行预处理；提取最大合加速度、最大合角速度、最大倾角；归一化处理得到归一化最大合加速度、归一化最大合角速度、归一化最大倾角：加权融合得到加权检测值；将加权检测值与设定阈值对比，判定是否为跌倒。本发明检测算法简单，实时性好，并有很高的识别准确率。
-
公开(公告)号：CN110889564B
公开(公告)日：2022-11-08
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。
-
公开(公告)号：CN115082337A
公开(公告)日：2022-09-20
申请号：CN202210676035.1
申请日：2022-06-15
Applicant: 吉林大学
Abstract: 本发明提供了一种基于双重全变分的高光谱混合噪声去除方法，获取含有混合噪声的高光谱图像，选取SSTV正则项来描述高光谱图像全局稀疏结构，同时设计重加权范数约束高光谱图像主成分图的空间方向差分影像的局部稀疏结构，引入双重约束，选取更稀疏的全局特征和局部特征，稀疏正则项用于隔离稀疏噪声，范数刻画影像的高斯噪声，构建基于双重全变分的高光谱图像去噪模型，引入辅助变量优化基于双重全变分的高光谱图像去噪模型，采用ALM算法框架来优化提出的模型，将复杂的问题转换成多个简单的子问题来交替迭代求解，得到去噪后高光谱图像；本发明可以有效提高高光谱影像去噪的适用性和精度。
-
公开(公告)号：CN113783959B
公开(公告)日：2022-06-03
申请号：CN202111069093.X
申请日：2021-09-13
Applicant: 吉林大学
IPC: H04L67/12 , H04L47/70 , H04L43/0852
Abstract: 本发明公开了一种车联网联合优化计算任务卸载比率和资源分配方法，应用于车联网系统，方法包括步骤：确定优化平均开销的目标函数及约束条件；平均开销根据所有计算任务的卸载比率和计算资源分配信息确定，卸载比率为车辆将计算任务卸载至服务器的比率，计算资源分配信息为服务器对卸载的计算任务分配计算资源的信息；在约束条件下，基于凸优化法对目标函数进行优化，得到优化的计算资源分配信息；并基于蝴蝶优化法分别对目标函数进行优化，得到优化的卸载比率。基于凸优化法，优化得到优化的计算资源分配信息，并基于蝴蝶优化法，优化得到优化的卸载比率，充分利用车辆和服务器的资源，提高计算任务的计算效率，使得卸载比率、资源分配更合理。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.016 seconds)
