-
公开(公告)号:CN109274598A
公开(公告)日:2019-01-25
申请号:CN201811160324.6
申请日:2018-09-30
Applicant: 中南大学
IPC: H04L12/801 , H04L12/803 , G06Q30/02
Abstract: 本申请提出了一种物联网中基于行为经济学的节点参与数据卸载的激励方法,涉及网络通信技术领域,将物联网数据卸载领域和行为经济学领域相结合。该方法包括如下过程:接入点设备结合卸载单价和个人偏好选择参与数据卸载顺序;其次,结合行为经济学中的锚定效应,选取一个报酬值(参照因子)作为参照点,给定接入点设备参与卸载总报酬的判定标准;然后,根据参照点确定满减因子的值;接着,结合行为经济学中的损失厌恶,给定接入点设备时间压,并计算出相应的后悔值和后悔效用,激励接入点设备在规定时间内参与数据卸载;本发明给定接入点设备参照系,从而改变接入点设备对初始报酬值的判断;本发明结合满减因子以最大化接入点设备的额外收益。
-
公开(公告)号:CN119885005A
公开(公告)日:2025-04-25
申请号:CN202411825356.9
申请日:2024-12-12
Applicant: 国网湖北省电力有限公司孝感供电公司 , 中南大学
IPC: G06F18/2433 , G01R31/00 , G06F18/2415 , G06F18/15 , G06F18/214 , G06N3/0455 , G06N3/082 , G06N3/0895 , G06F123/02
Abstract: 本发明提供一种基于数据增强的变电站设备异常检测方法,该方法包括:S1收集多组时序参数数据;S2对缺失参数数据进行填补,得到填补后的参数数据集;S3将填补后的参数数据集分为初级正训练样本集、初级负训练样本集和验证集;S4获取初级正训练样本集和初级负训练样本集的正加权平均向量集和负加权平均向量集;S5采用增强策略对初级负训练样本集进行数据增强,生成高级正训练样本集和高级负训练样本集;S6利用高级正训练样本集和高级负训练样本集对异常检测模型进行对比训练,生成训练后的异常检测模型;S7获取待测参数数据,用训练后的异常检测模型对其进行异常检测,生成检测结果。本发明提供了一种高效和准确的变电站设备的异常检测方法和系统。
-
公开(公告)号:CN119760656A
公开(公告)日:2025-04-04
申请号:CN202411778496.5
申请日:2024-12-05
Applicant: 国网湖北省电力有限公司孝感供电公司 , 中南大学
Abstract: 本发明涉及电力设备运行状态监测与故障预警的技术领域,特别是涉及一种变压器温度预警方法和系统,步骤一、收集变压器历史温度数据;步骤二、计算滑动窗口大小;步骤三、根据步骤一收集的变压器温度数据和步骤二得到的滑动窗口大小训练支持向量回归模型;步骤四、根据步骤一收集的变压器温度数据和步骤二得到的滑动窗口大小训练随机森林模型;步骤五、根据步骤一收集的变压器温度数据和步骤二得到的滑动窗口大小训练梯度提升回归模型;步骤六、得到Stacking模型,并计算;步骤七、预测未来温度;步骤八、根据历史数据和专业知识构建预警规则库,作为变压器温度预测后预警的评判标准;步骤九、进行判断并预警;其提高预测准确率。
-
公开(公告)号:CN115098261B
公开(公告)日:2024-10-11
申请号:CN202210739590.4
申请日:2022-06-28
Applicant: 中南大学
Abstract: 本发明提供了一种云服务器资源分配的方法、介质及设备,具体方法包括:建立波动率数据函数模型得到波动率,对所述波动率进行排序,根据排序结果确定负载数据的阈值;基于阈值筛选负载极大值,构建资源块的超阈值极值模型;设计用于评估资源块的负载量的资源分配评估参数;根据Copula理论对构建的资源块的超阈值极值模型的边缘分布进行建模,得到资源块间边缘分布模型;根据资源块间边缘分布模型,设计负载预警机制来调整资源分配评估参数,用于进行资源分配。
-
公开(公告)号:CN117407089A
公开(公告)日:2024-01-16
申请号:CN202311481157.6
申请日:2023-11-08
Applicant: 中南大学
Abstract: 本申请适用于边缘计算技术领域,提供了一种边缘计算环境下的依赖任务卸载方法及设备。该依赖任务卸载方法包括:构建依赖任务的有向无环图;构建策略网络模型;基于依赖任务的有向无环图获取依赖任务状态表示;获取计算设备状态表示;基于依赖任务的依赖任务状态表示和计算设备状态表示,将依赖任务的子任务卸载到计算设备;得到动作空间表示;计算动作空间表示的奖励函数值;利用奖励函数值更新策略网络模型中的策略,对策略网络模型进行更新;利用策略网络模型对待卸载的依赖任务选择策略,并根据策略对待卸载的依赖任务进行卸载并执行。本申请的边缘计算环境下的依赖任务卸载方法能够解决无法对多依赖任务进行卸载的问题。
-
公开(公告)号:CN115543638B
公开(公告)日:2023-03-14
申请号:CN202211524340.5
申请日:2022-12-01
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种基于不确定性的边缘计算数据收集分析方法、系统及设备,属于数据处理技术领域,具体包括:得到每个基学习器的准确率均值、不确定性和基学习器之间的相关性;确立集成学习模型的最优条件;根据方法使用者设置的不确定性的偏好和最优条件,权衡集成学习模型的准确率和泛化能力,并据此设计不确定性参数;计算出基学习器的最优组合权重,并以此确定最优权重集合;使用基学习器对所有数据进行学习训练,并利用训练得到的集成学习模型进行预测,将预测的结果代入基于最优权重集合的预测结果加权机制中,加权得到最终的数据分析结果。通过本公开的方案,在提高算法准确率和泛化能力的同时,在它们之间达到最优的权衡。
-
公开(公告)号:CN115098261A
公开(公告)日:2022-09-23
申请号:CN202210739590.4
申请日:2022-06-28
Applicant: 中南大学
Abstract: 本发明提供了一种云服务器资源分配的方法、介质及设备,具体方法包括:建立波动率数据函数模型得到波动率,对所述波动率进行排序,根据排序结果确定负载数据的阈值;基于阈值筛选负载极大值,构建资源块的超阈值极值模型;设计用于评估资源块的负载量的资源分配评估参数;根据Copula理论对构建的资源块的超阈值极值模型的边缘分布进行建模,得到资源块间边缘分布模型;根据资源块间边缘分布模型,设计负载预警机制来调整资源分配评估参数,用于进行资源分配。
-
公开(公告)号:CN114742577A
公开(公告)日:2022-07-12
申请号:CN202210294312.2
申请日:2022-03-24
Applicant: 中南大学
IPC: G06Q30/02
Abstract: 本公开实施例中提供了一种基于目标梯度效应的移动群智感知长期用户保留机制,属于计算技术领域,具体包括:步骤1,构建移动群智感知环境,其中,所述移动群智感知环境包括平台和用户集合;步骤2,所述平台为所述用户集合内的所有用户发放目标卡;步骤3,当所述平台发布感知任务后,根据目标梯度函数计算用户获胜因子,并根据获胜者选择标准分配任务,获胜用户完成任务后结算任务报酬并更新其目标卡;步骤4,所述平台根据用户在当前轮的任务申请信息和其对应的目标卡计算失败危险系数并据此对用户进行风险提示校正。通过本公开的方案,在控制成本的情况下,保障群智感知平台中用户的保留率和用户保留机制的长期有效性。
-
公开(公告)号:CN112887435A
公开(公告)日:2021-06-01
申请号:CN202110395058.0
申请日:2021-04-13
Applicant: 中南大学
IPC: H04L29/08
Abstract: 本发明涉及移动边缘计算技术领域,尤其涉及一种提高边缘计算中任务卸载合作率的方法。本发明通过在基站建立奖金池,边缘服务器设定偏好因子,收到卸载任务请求后,根据偏好因子按照预设的方法计算预期收益并定价,移动设备根据定价与卸载任务的延迟对边缘服务器进行排序,计算服务器选择因子,同时边缘服务器也可以根据任务选择因子的大小对卸载任务进行选择,任务完成后获得报酬和奖励金,根据奖励金更新奖金池和偏好因子,本发明充分利用边缘服务器的空闲资源,协助负载过重的移动设备卸载任务,降低移动设备的计算成本,提高移动设备的收益,提高边缘计算中任务卸载合作率。
-
公开(公告)号:CN111625287B
公开(公告)日:2021-04-16
申请号:CN202010266213.4
申请日:2020-04-07
Applicant: 中南大学
Abstract: 本发明公开了一种基于诱饵效应的雾节点任务卸载方法、系统、介质及设备,本发明考虑了诱饵效应对用户的激励作用,建立了能够影响雾节点行为决策的任务发布环境,并向环境中卸载任务提供了任务吸引力值,通过任务发布和任务吸引力值有指向性地引导雾节点决策;通过设置诱饵任务,提高了目标任务的客观吸引力值;在此基础上引入偏好系数,反映雾节点的真实决策行为,诱饵任务的加入提高了部分雾节点主观偏好值,使更多雾节点参与任务阈值得到满足,提高了雾节点的参与数量。同时,相较于对比的机制,本方案不需要提高任务报酬就使更多的任务被选择了,提高了移动设备的总效用,本方案能有更实际和更有效的激励效果。
-
-
-
-
-
-
-
-
-