一种基于时空关系的LBSN超网络链接预测方法

    公开(公告)号:CN107784124A

    公开(公告)日:2018-03-09

    申请号:CN201711182961.9

    申请日:2017-11-23

    CPC classification number: G06F17/30867 G06F17/3087 G06F17/30882 G06Q50/01

    Abstract: 本发明涉及一种基于时空关系的LBSN超网络链接预测方法,属于数据挖掘领域。该方法包括以下步骤:S1:获取数据源;S2:构建超网络模型;S3:定义和量化超网络边权值;S4:基于该模型,首先构建多种类型的加权超边结构,通过不同的结构挖掘用户间不同的语义关系,最后通过梯度下降方法训练模型参数,进而预测网络中的链接关系。本发明通过加权超边结构,能够有效挖掘节点之间的多种关联关系,不仅能够解决网络中的稀疏性问题,同时能够提高模型的抗噪性与稳定性,并且其预测准确性也有着较大的提升。

    一种面向异构边缘计算环境的分散联邦学习方法

    公开(公告)号:CN116319368B

    公开(公告)日:2025-05-06

    申请号:CN202310033009.1

    申请日:2023-01-10

    Abstract: 本发明涉及一种面向异构边缘计算环境的分散联邦学习方法,属于大数据计算领域。该方法包括以下步骤:在联邦学习系统中,边缘节点初始化自己的模型;边缘节点根据本身的通信速率和计算能力计算通信成本函数,该成本函数表示边缘节点之间的匹配程度;节点基于贪婪算法选择成本函数较小的相邻节点作为匹配集;对于每个边缘节点,基于梯度和权重衡量边缘节点模型间的相似性,使用MonteCarlo方法进行从匹配集中选择邻居;节点从邻居处接收权重和更新模型,基于得到的数据,通过共识得到聚合模型;节点通过聚合模型,计算梯度下降,更新模型,并发给邻居。本发明使得具有相似数据分布的边缘节点协同训练模型,以节省额外的计算和通信延迟。

    一种数字孪生辅助数据中心网络负载均衡的方法

    公开(公告)号:CN116233133B

    公开(公告)日:2025-05-06

    申请号:CN202211740947.7

    申请日:2022-12-30

    Abstract: 本发明涉及一种数字孪生辅助数据中心网络负载均衡的方法,属于数字孪生领域,包括以下步骤:S1:搭建基于数字孪生的数据中心网络框架;S2:采集物理数据中心网络的数据;S3:计算链路利用率、时延、丢包率,交换机负载,流量矩阵;S4:在当前采集周期时间里,判断到达边缘交换机新流大小,若为老鼠流,则使用ECMP方式进行路由;若为大象流,则转至大象流调度模块进行调度;S5:大象流调度模块采用DDPG进行调度决策,其输出是一组链路权重,通过路径计算子模块计算最优转发路径,然后经过流量管理模块下发流表到物理数据中心网络;S6:通过南向接口协议,物理数据中心网络层收到流表,对大流选择最优路径重路由。

    一种多模态人体动作识别方法
    26.
    发明公开

    公开(公告)号:CN119418401A

    公开(公告)日:2025-02-11

    申请号:CN202411459423.X

    申请日:2024-10-18

    Abstract: 本发明涉及一种多模态人体动作识别方法,属于人体动作识别领域。通过ResNet152网络提取视频空间特征,Bi LSTM网络提取时间依赖特征,并进行特征编码。随后,利用改进的串联交叉注意力网络进行特征融合,其中交叉注意力模块采用随机脉冲滤波卷积矩阵进行初始化,将CNN的归纳偏差引入其中,提高模型数据有效性,使其更容易在小规模数据集上拟合。最终,融合特征通过全连接层和Softmax函数进行动作类别预测。本发明有效提升了多模态人体动作识别在小规模数据集上的性能,并增强了其普适性和通用性,适用于人机交互、监控视频、手势识别等多种场景。

    一种基于深度学习的驾驶员情感识别及不确定性评估方法

    公开(公告)号:CN119418312A

    公开(公告)日:2025-02-11

    申请号:CN202411459397.0

    申请日:2024-10-18

    Inventor: 黄宏程 周超 胡敏

    Abstract: 本发明涉及一种基于深度学习的驾驶员情感识别及不确定性评估方法,属于驾驶员情感识别领域。图像增强模块采用自适应直方图均衡化技术,有效解决车内光照不均带来的影响,提升图像质量。视觉特征提取模块使用改进后的Wide ResNet网络,通过添加谱归一化层和高斯过程层,不仅能够提取丰富的情感特征,还能感知特征之间的距离关系,增强模型对复杂和不确定数据的处理能力。情感识别模块利用贝叶斯理论体系,对高斯过程层得到的概率密度分布进行分类,并通过随机特征扩展拉普拉斯近似计算高斯过程后验,实现高效的情感识别。本发明通过引入不确定性评估功能,有效预测测试样本与训练样本之间的距离,为自动驾驶环境下的驾驶员情感识别提供决策优化。

    一种基于用户需求的物联网服务发现方法

    公开(公告)号:CN119254652A

    公开(公告)日:2025-01-03

    申请号:CN202411359616.8

    申请日:2024-09-27

    Abstract: 本发明属于物联网技术领域,具体涉及一种基于用户需求的物联网服务发现方法,包括以下步骤:获取用户的历史服务请求数据,建立输入样本数据集;基于Bi‑LSTM网络,构建用户需求预测模型;根据用户的服务质量需求,通过层次分析法计算用户对服务质量需求的第一权重值;根据服务质量评价指标,通过熵值法计算用户对服务质量需求的第二权重值;根据用户对服务质量的第一权重值和第二权重值,采用算术平均法计算服务质量评价的混合权重值;根据混合权重值,采用TOPSIS多属性决策方法为用户匹配满足用户需求的服务,并生成服务发现结果,本方案能够在动态变化的物联网环境中为用户匹配满足其需求的服务,从而提高服务匹配准确率。

    基于信任状态的驾驶员接管绩效调控方法

    公开(公告)号:CN119190079A

    公开(公告)日:2024-12-27

    申请号:CN202411459431.4

    申请日:2024-10-18

    Abstract: 本发明涉及基于信任状态的驾驶员接管绩效调控方法,属于智能驾驶技术领域。该方法包括:S1:接管绩效分类:S11:对接管数据的定性分析,具体包括:从接管时间、最小碰撞时间、碰撞概率和刹车应用四个指标出发,评估驾驶员在接管过程中的绩效;S12:明确驾驶员接管绩效,具体包括:采用灰色关联度计算法,将上述四个指标作为输入,计算各接管环节的绩效得分;S2:接管绩效预测:在实时测量信任的基础上,使用机器学习算法有效预测不同信任与生理水平下驾驶员的接管绩效。本发明能准确预测接管绩效进行适时的绩效调控以得到最佳的接管绩效。

Patent Agency Ranking