-
公开(公告)号：CN116669044A
公开(公告)日：2023-08-29
申请号：CN202310393109.5
申请日：2023-04-13
Applicant: 东北大学
IPC: H04W16/10 , H04L41/0893 , G06Q30/08
Abstract: 本发明提供了一种基于双层拍卖的电力无线接入网切片资源分配方法，涉及无线切片资源分配技术领域，包括如下步骤：S1、向移动虚拟运营商递交切片类型需求和相应的切片资源块数量需求；S2、向网络运营商发起交易请求；S3、各个移动虚拟运营商初始化自身的组合投标；S4、定义上层拍卖中相关参数；S5、执行上层拍卖来决定移动虚拟运营商的切片资源分配结果；S6、定义下层拍卖的相关参数；S7、执行下层拍卖；S8、执行下层拍卖中改进全局搜索能力的粒子群算法以挑选出能够实现最大化社会效益的合法投标向量。本发明构建了双层无线资源拍卖架构，通过采用无拍卖商的分布式拍卖机制来提高整体的拍卖效率，进而降低无线资源分配的时延。
-
公开(公告)号：CN113660273B
公开(公告)日：2023-06-02
申请号：CN202110948874.X
申请日：2021-08-18
Applicant: 国家电网公司东北分部 , 东北大学
IPC: H04L9/40 , H04L41/142 , G06N3/006 , G06N3/0499 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种超融合架构下基于深度学习的入侵检测方法、装置及存储介质，涉及入侵检测技术领域，该检测方法应用在超融合架构的虚拟化内核层，先捕获进出虚拟机的网络流量，并对其进行IP/MAC地址验证，再提取相关流量特征，利用CICIDS2017数据集训练完成的深度学习模型分析特征值，以实现超融合架构下低开销、高精度的DDoS攻击检测。特别地，为了减少冗余信息，采用改进的二进制布谷鸟算法选取特征，在保证检测精度的同时，减小深度学习模型尺寸的同时减少网络流量特征的提取时间。
-
公开(公告)号：CN115037616A
公开(公告)日：2022-09-09
申请号：CN202210430467.4
申请日：2022-04-22
Applicant: 东北大学
IPC: H04L41/082 , H04L41/122 , H04L41/14 , H04L49/111
Abstract: 本发明提供一种基于TSSDN网络的确定性流调度及其更新方法，以TSSDN网络作为基础网络架构，首先本发明使用基于无冲突的ILP模型的流表生成方法，解决了流与流之间因冲突造成的帧丢失的问题，其次本发明使用基于增强型的ILP模型的冲突避免方法，解决了新旧配置之间发生冲突的情况，避免了冲突造成的帧丢失现象。最后当流表生成后，本发明使用批处理更新机制(BPUM)完成了流表的下发，解决了设备与控制机交互次数过多引起的更新持续时间过长的问题，同时用版本号区分新旧配置，对新的流和旧的流进行调度，解决了更新期间配置的不一致问题，保证了确定性传输。
-
公开(公告)号：CN113660273A
公开(公告)日：2021-11-16
申请号：CN202110948874.X
申请日：2021-08-18
Applicant: 国家电网公司东北分部 , 东北大学
Abstract: 本发明提供了一种超融合架构下基于深度学习的入侵检测方法、装置及存储介质，涉及入侵检测技术领域，该检测方法应用在超融合架构的虚拟化内核层，先捕获进出虚拟机的网络流量，并对其进行IP/MAC地址验证，再提取相关流量特征，利用CICIDS2017数据集训练完成的深度学习模型分析特征值，以实现超融合架构下低开销、高精度的DDoS攻击检测。特别地，为了减少冗余信息，采用改进的二进制布谷鸟算法选取特征，在保证检测精度的同时，减小深度学习模型尺寸的同时减少网络流量特征的提取时间。
-
Patent Agency Ranking
公开(公告)号：CN112597704A
公开(公告)日：2021-04-02
申请号：CN202011554072.2
申请日：2020-12-24
Applicant: 东北大学
Abstract: 本发明涉及一种发动机异常原因分析方法、系统、设备及介质，其方法包括：首先，确定输入序列与输出序列；其次，根据输入序列与输出序列，构建基于神经网络的编码器‑解码器模型；接着，在编码器‑解码器模型中，构建注意力机制；最后，使用输入序列训练编码器‑解码器模型，在训练完成之后，获得注意力机制中为输入序列生成的一组权重向量；通过每一个权重向量确定各异常类型与各输入元素之间的相关性，进而基于相关性确定发动机的异常原因。本发明提供的方法能够通过训练得到异常类型与监测到的各项数据之间的相关性，确定发动机产生异常类型的时间、位置以及起因，进而在发动机的改进与优化方面提供指示与帮助。
-
公开(公告)号：CN110362065A
公开(公告)日：2019-10-22
申请号：CN201910646791.8
申请日：2019-07-17
Applicant: 东北大学
IPC: G05B23/02
Abstract: 本发明属于航空发动机故障诊断技术领域，尤其涉及一种基于隐马尔可夫模型的航空发动机防喘控制系统的状态诊断方法。该方法包括如下步骤：A1、获取航空发动机防喘控制系统的传感数据；A2、将获取到的传感数据作为输入数据，输入预先训练的隐马尔可夫模型，得到输出结果；A3、将输出结果与预先定义的状态信息进行匹配，输出航空发动机防喘控制系统当前的状态；其中，所述预先训练的隐马尔可夫模型为基于预设历史时间段内的航空发动机防喘控制系统的传感数据和对应的航空发动机防喘控制系统的状态信息的训练集，进行训练后的模型。该方法基于隐马尔可夫模型，实现复杂度低，故障诊断精确程度更高。
-
公开(公告)号：CN104580368B
公开(公告)日：2017-10-17
申请号：CN201410748055.0
申请日：2014-12-09
Applicant: 东北大学
Abstract: 本发明提供一种光数据中心网络中面向云渲染的虚拟网络嵌入系统及方法，系统包括：光骨干网、渲染数据中心、图像存储数据中心和图像压缩数据中心；方法包括：云渲染用户向光数据中心网络发出虚拟网络嵌入请求；对虚拟网络嵌入请求进行模型化描述；对所有云渲染任务进行排序；进行当前云渲染任务的虚拟网络嵌入；更新底层光数据中心网络资源；统计消耗的波长总数及服务器总数；得到所有云渲染任务所消耗的波长总数下界值区间及服务器总数下界值区间；验证当前虚拟网络嵌入操作是否最优。本发明结合服务器整合及流量疏导方法为真实云渲染任务和非真实云渲染任务的虚拟网络嵌入请求进行节点映射和链路映射，达到了有效降低渲染开销的目的。
-
公开(公告)号：CN104580368A
公开(公告)日：2015-04-29
申请号：CN201410748055.0
申请日：2014-12-09
Applicant: 东北大学
Abstract: 本发明提供一种光数据中心网络中面向云渲染的虚拟网络嵌入系统及方法，系统包括：光骨干网、渲染数据中心、图像存储数据中心和图像压缩数据中心；方法包括：云渲染用户向光数据中心网络发出虚拟网络嵌入请求；对虚拟网络嵌入请求进行模型化描述；对所有云渲染任务进行排序；进行当前云渲染任务的虚拟网络嵌入；更新底层光数据中心网络资源；统计消耗的波长总数及服务器总数；得到所有云渲染任务所消耗的波长总数下界值区间及服务器总数下界值区间；验证当前虚拟网络嵌入操作是否最优。本发明结合服务器整合及流量疏导方法为真实云渲染任务和非真实云渲染任务的虚拟网络嵌入请求进行节点映射和链路映射，达到了有效降低渲染开销的目的。
-
公开(公告)号：CN104468450A
公开(公告)日：2015-03-25
申请号：CN201410748746.0
申请日：2014-12-09
Applicant: 东北大学
IPC: H04L27/26 , H04L25/02 , H04B10/556
CPC classification number: H04L27/2601 , H04J14/06 , H04L25/0202
Abstract: 本发明一种偏振复用DD-OFDM-PON系统及信号传输方法，属于光接入网络技术领域，本发明在系统发送端和接收端，分别采用了射频上变换和射频下变换，相对现有的OFDM-PON系统，子载波利用率提高了一倍；本发明采用光学单边带调制技术和偏振复用技术，偏振正交的两路信号在频谱上重叠，相对于采用光学双边带的偏振复用DD-OFDM-PON系统或未采用偏振复用技术的DD-OFDM-PON系统的频谱利用率提高了一倍；本发明采用了MIMO信道估计技术，具有较好的数据恢复功能，系统性能的误比特率性能与40Gb/s的系统性能相近，系统鲁棒性较好。
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.036 seconds)
