一种面向边缘计算的任务卸载和资源分配方法

    公开(公告)号:CN115529632A

    公开(公告)日:2022-12-27

    申请号:CN202210635941.7

    申请日:2022-06-07

    Applicant: 东南大学

    Abstract: 本发明公开了一种面向边缘计算的任务卸载和资源分配方法,该方法包括中继选择、卸载决策和资源分配三个方面,用于解决物联网环境下移动用户的任务延迟和能耗问题,首先,引入虚拟骨干网架构,通过连通控制集为用户提供高效的多跳卸载服务,然后,提出了一种基于连通控制集的深度强化学习算法,利用该算法找到从移动用户到移动边缘计算服务器的最短路径,此外,基于卸载决策和资源分配之间的高度耦合关系,本发明设计了一个DLIO算法来解决卸载和资源分配的联合优化问题,以最小化系统成本为优化目标,本发明能够有效解决泛在边缘物联网系统中移动用户任务卸载和资源分配的问题。

    一种基于图神经网络和强化学习的事实验证方法

    公开(公告)号:CN115511082A

    公开(公告)日:2022-12-23

    申请号:CN202211085132.X

    申请日:2022-09-06

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于图神经网络和强化学习的事实验证方法,能够验证语料库中陈述语句和表格型数据中的事实是否相符,基于Transformer的图神经网络来模拟多步推理过程,步骤如下:首先,通过图神经网络将不同类型的边编码为独立的向量,并利用自注意力机制对提取的多粒度特征进行邻居信息聚合,然后,设计一个监控节点,根据强化学习的奖励反馈,在每个图神经网络层上选择合适的证据词,通过对多个图神经网络层的信息聚合,监控节点可捕获各种潜在的关键证据,进行最终验证。最后,为了更加有效地学习聚集的证据信息,本发明利用Transformer设计了能够更加充分利用表格中证据信息的多步推理框架,提高事实验证模型的准确性。

    一种基于UCL的无人驾驶系统对象标识方法和装置

    公开(公告)号:CN113095278B

    公开(公告)日:2022-11-18

    申请号:CN202110463658.6

    申请日:2021-04-26

    Applicant: 东南大学

    Abstract: 本发明提供了一种基于UCL的无人驾驶系统对象标识方法和装置,首先利用深度学习目标检测模型对车载视频进行自动实时目标检测提取对象信息;其次扩展统一内容标签UCL,新增无人驾驶对象属性集合UOPS;然后依据扩展后的统一内容标签对车载视频中的对象进行UCL语义标引;接着上传利用UCL标引后的对象标识到知识库并利用知识库中的先验信息校准UCL对象信息包;最后将UCL对象信息包通过传输模块可靠传输至智慧路网的接收模块。本发明实现对象数据与处理软件分离解耦,提高车载视频信息提取的效率与准确度,确保无人驾驶环境中对象标识的统一性、兼容性、安全性和高效性,形成确保对象可监测、可控制、可审计的关键使能技术。

    一种基于多尺度特征的人体图像解析方法

    公开(公告)号:CN113111848A

    公开(公告)日:2021-07-13

    申请号:CN202110477075.9

    申请日:2021-04-29

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于多尺度特征的人体图像解析方法。本发明首先利用残差网络对人体图像不断进行下采样;然后利用双线性插值和通道压缩的方法不断对人体特征图进行上采样;最后通过多尺度特征融合的方式将上采样和上采样过程中产生的人体特征图进行多尺度特征融合,以同时利用不同感受野大小的人体图像信息。本发明利用不同倍率的空洞卷积做多尺度特征融合,有效解决传统人体解析方法对于人体边缘检测像素精度不够的问题,相比现有特征融合方法能大幅提高效率和精度。

    一种媒体文本相似性检测方法

    公开(公告)号:CN113111645A

    公开(公告)日:2021-07-13

    申请号:CN202110469854.4

    申请日:2021-04-28

    Applicant: 东南大学

    Abstract: 本发明涉及一种媒体文本相似性检测方法,该方法能够在海量的媒体文本中检测到与目标文本相似的媒体文本,本发明首先使用爬虫工具获得主流自媒体平台的媒体文本,构建媒体文本集;然后对媒体文本进行预处理提取正文字段,并进行分词和停用词过滤;接着,基于海量语料库训练Skip‑gram模型获得特征项的词向量表示;再者,使用词语的TF‑IDF特征,词性特征与位置特征进行特征融合,构建特征项的权重;最后基于特征项的词向量表示和权重使用Simhash算法获得文本指纹,并根据倒排索引构建文本指纹索引。本发明可以有效增强文本指纹的语义特征,提高Simhash算法对相似文本的检索效率和准确度。

    一种基于双向传播图的多任务谣言检测方法

    公开(公告)号:CN113111267A

    公开(公告)日:2021-07-13

    申请号:CN202110485893.3

    申请日:2021-04-30

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于双向传播图的多任务谣言检测方法,该方法可用于社交网络帖子的谣言检测以及评论信息的立场检测。本发明首先根据谣言帖子的内容生成文本特征矩阵、用户特征矩阵和文本统计特征矩阵,之后构建谣言的双向传播图,通过计算双向图卷积并进行根节点特征增强抽取谣言的传播特征,最后对传播特征进行平均池化和特征整合后,训练softmax分类器,获取谣言检测和立场检测结果。本发明能够有效地获取谣言的顺序传播特征和广度散布特征,并且引入用户评论的立场检测作为辅助任务,从而提高模型的泛化性,进一步提高谣言检测任务的准确率。

    一种基于UCL知识空间的实体消歧方法及装置

    公开(公告)号:CN113111136A

    公开(公告)日:2021-07-13

    申请号:CN202110475291.X

    申请日:2021-04-29

    Applicant: 东南大学

    Abstract: 本发明提供了一种基于UCL知识空间的实体消歧方法及装置,首先构建基础知识库,完成UCL知识空间的构建;随后从UCL知识空间中获取待消歧实体相关的候选实体集合,利用词向量表示方法生成候选实体和待消歧实体的嵌入表示;接着抽取待消歧实体及其上下文的概念特征,抽取候选实体上下文的特征;最后利用之前生成的四个向量表示作为输入,采用基于深度结构化语义匹配模型DSSM的自注意力匹配网络,获得匹配度;根据匹配结果的排序得到最终消歧结果,完成文本中实体与UCL知识空间中实体的实体链接。本发明既能够解决短文本中实体相关信息较少的问题,还能提高实体消歧的准确度。

    一种基于双向传播图的多任务谣言检测方法

    公开(公告)号:CN113094596A

    公开(公告)日:2021-07-09

    申请号:CN202110454550.0

    申请日:2021-04-26

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于双向传播图的多任务谣言检测方法,该方法可用于社交网络帖子的谣言检测以及评论信息的立场检测。本发明首先根据谣言帖子的内容生成文本特征矩阵、用户特征矩阵和文本统计特征矩阵,之后构建谣言的双向传播图,通过计算双向图卷积并进行根节点特征增强抽取谣言的传播特征,最后对传播特征进行平均池化和特征整合后,训练softmax分类器,获取谣言检测和立场检测结果。本发明能够有效地获取谣言的顺序传播特征和广度散布特征,并且引入用户评论的立场检测作为辅助任务,从而提高模型的泛化性,进一步提高谣言检测任务的准确率。

    一种基于BSSD检测与卡尔曼滤波的目标跟踪方法与装置

    公开(公告)号:CN110310305B

    公开(公告)日:2021-04-06

    申请号:CN201910452129.9

    申请日:2019-05-28

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于BSSD检测与卡尔曼滤波的目标跟踪方法与装置。本发明针对传统的基于卡尔曼滤波的目标跟踪方法难以应对目标尺度变化,跟踪准确率低等问题,将BSSD检测方法与卡尔曼滤波方法相结合,提高跟踪准确率与鲁棒性。在起始阶段,采用BSSD方法和ResNet‑18分类方法初始化跟踪目标,避免人工干预;在跟踪阶段,在使用卡尔曼滤波进行目标位置预测后,通过位置修正的方式对预测结果的位置进行修正,提高运动状态估计的准确性。与此同时,在满足一定触发条件的情况下,重新运行BSSD方法与ResNet‑18方法进行目标检测,并对检测结果与跟踪目标进行数据关联,以对新出现的目标进行跟踪,提高跟踪准确率,实现长期、准确的目标跟踪。

Patent Agency Ranking