-
公开(公告)号：CN101324926A
公开(公告)日：2008-12-17
申请号：CN200810070033.8
申请日：2008-07-25
Applicant: 重庆大学
Abstract: 本发明提出了一种面向复杂模式分类的特征选择方法，该方法是在传统遗传方法的基础上，通过改进种群的结构为双环智能体网络结构，使种群分为多个子种群，子种群间通过共享智能体传递信息，所有子种群的遗传进化同步进行，改进的动态邻域竞争操作和邻域自适应交叉操作方法提高了遗传进化效率，同时引入二进制编码方式表达某个特征是否被选中，方便编码和解码，实现高效的特征选择。与传统的特征选择相比，该选择方法具有较高的自适应性，可在高维多峰的特征空间中进行快速搜索，并有效避免陷入局部极值，获得较满意的特征选择效果。
-
公开(公告)号：CN101304398A
公开(公告)日：2008-11-12
申请号：CN200810069869.6
申请日：2008-06-20
Applicant: 重庆大学
IPC: H04L27/26
Abstract: 本发明提供一种正交频分复用系统中降低峰均比的方法，对正交频分复用系统的输入数据，经过串并转换转换为并行数据后；进行扰码插入，将长度为K的正交频分复用系统的信号序列均匀分成M块，保证K/M为整数，每块的末尾插入一位扰码，插入的扰码总位数为M；然后进行快速傅立叶反变换和并串转换；计算输出满足设置的要求的信号序列峰均比；若不满足要求，则进行扰码。该方法采用扰码插入技术，在系统收发两端实现简单，并且不需传输任何辅助信息。与已有的序列插入方案相比，在不增加系统的复杂度的前提下，能更好的降低OFDM系统的峰均比。
-
公开(公告)号：CN118694409A
公开(公告)日：2024-09-24
申请号：CN202410817784.0
申请日：2024-06-24
Applicant: 重庆大学
IPC: H04B7/06 , H04L5/00 , H04L1/00 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于多注意力机制的大规模MIMO的CSI反馈方法，包括：获取待反馈压缩的CSI数据H；通过离散傅里叶变换将H变换到角度时延域，生成稀疏信道矩阵#imgabs0#将稀疏信道矩阵#imgabs1#的前Na行进行截断，得到截断矩阵#imgabs2#步骤4：构建CSI反馈模型，并利用训练好的CSI反馈模型对截断矩阵#imgabs3#进行重建，生成重建的CSI矩阵#imgabs4#其中，CSI反馈模型包括多注意力机制网络MANet；步骤5：将重建的CSI矩阵#imgabs5#进行零填充和逆傅里叶变换，生成恢复的CSI矩阵#imgabs6#本发明的方法能够在不增加复杂度的情况下，提高重建CSI的精度。
-
公开(公告)号：CN115087069B
公开(公告)日：2024-06-07
申请号：CN202210739759.6
申请日：2022-06-28
Applicant: 重庆大学
Abstract: 本申请提供一种基于链路持续时间的自适应地理位置路由方法。所述自适应地理位置路由方法包括计算相邻节点间的链路持续时间，基于所述链路持续时间、相对距离和节点度的贪婪转发、区域预测转发和自适应路由更新四个部分。仿真结果表明：利用本方法制定的LDAGR协议在链路稳定性、时效性和资源利用率方面均表现良好，性能明显优于经典的AODV，OLSR和GPSR路由协议；相较于GPSR协议，LDAGR协议的包投递率增高了13.7％，平均端到端时延降低了21.3％，路由开销分别降低了15.1％。上述研究可为具有高动态时变拓扑的大规模无人集群网络可扩展性组网提供参考。
-
公开(公告)号：CN115087069A
公开(公告)日：2022-09-20
申请号：CN202210739759.6
申请日：2022-06-28
Applicant: 重庆大学
Abstract: 本申请提供一种基于链路持续时间的自适应地理位置路由方法。所述自适应地理位置路由方法包括计算相邻节点间的链路持续时间，基于所述链路持续时间、相对距离和节点度的贪婪转发、区域预测转发和自适应路由更新四个部分。仿真结果表明：利用本方法制定的LDAGR协议在链路稳定性、时效性和资源利用率方面均表现良好，性能明显优于经典的AODV，OLSR和GPSR路由协议；相较于GPSR协议，LDAGR协议的包投递率增高了13.7％，平均端到端时延降低了21.3％，路由开销分别降低了15.1％。上述研究可为具有高动态时变拓扑的大规模无人集群网络可扩展性组网提供参考。
-
Patent Agency Ranking
公开(公告)号：CN108985365B
公开(公告)日：2021-10-01
申请号：CN201810732829.9
申请日：2018-07-05
Applicant: 重庆大学
Abstract: 本发明公开了一种基于深度子空间切换集成学习的多源异构数据融合方法，按照以下步骤进行：S1：分别对每个源数据集进行特征提取，并组成空谱特征；S2：重组构成空谱特征数据集；S3：基于深度样本学习算法对空谱特征数据集中的样本数据进行处理，形成原始样本、一阶样本和二阶样本；S4：针对三组样本集，分别构建分类器模型；S5：对三组模型分别采用各自合适的分类方式进行分类，得到三组分类结果，然后通过分类投票得到最终的分类结果。其效果是：本发明联合光谱空间信息并融入分层子空间切换集成学习算法，利用了多尺度的空谱样本，增加了有用样本，提高了训练的质量，既保留了边缘信息，又提高了样本的多样性和可分性。
-
公开(公告)号：CN110113420A
公开(公告)日：2019-08-09
申请号：CN201910381138.3
申请日：2019-05-08
Applicant: 重庆大学
Abstract: 本发明公开一种基于NVM的分布式消息队列管理系统，采用基于主题的发布订阅模式，设置有生产者机器、消费者机器、消息服务器集群和集群管理器，每个机器上均配置了NVM存储器和RDMA网卡，且通过RDMA网络互联；其效果是：可绕过复杂的I/O软件栈，通过进程的虚拟地址访问消息数据，可以通过访问支持随机读取的消息元数据完成对消息数据的访问，同时基于RDMA单边操作传输消息，直接读写远端服务器内存中的消息数据，无需任何多余的数据拷贝，实现数据高吞吐量、低延迟的消息传输，通过主题分区机制保证远程消息写入的无锁化，并在远程消息写入过程中，采用了基于消息生产速度、消息传输速度自适应的消息批处理策略，降低传输延迟，提升传输带宽。
-
公开(公告)号：CN110109873A
公开(公告)日：2019-08-09
申请号：CN201910381124.1
申请日：2019-05-08
Applicant: 重庆大学
IPC: G06F16/13
Abstract: 本发明公开了一种用于消息队列的文件管理方法，其特征在于：采用新型非易失存储设备，并在存储模块中设置有消息文件和元数据文件且建立了两个键值存储结构用于记录每个消息文件包含的消息数和消息文件大小，所述消息文件和元数据文件一一对应且分开保存，其中消息文件用于存放消息实体数据，元数据文件用于存放每条消息的描述信息，包括消息大小、在消息文件内的偏移，消息生成时间。其效果是：使用NVM做为消息的持久化存储介质，可通过进程的虚拟地址访问消息数据，规避复杂的I/O软件栈，可通过访问消息编号随机访问消息数据，建立了基于消息生产时间的多精确度的消息分层索引结构，可快速回溯消息。
-
公开(公告)号：CN109104366A
公开(公告)日：2018-12-28
申请号：CN201810997873.2
申请日：2018-08-29
Applicant: 重庆大学
IPC: H04L12/721
Abstract: 本发明公开了一种链路持续时间计算方法、MPR节点选择方法及路由协议，其中，MPR节点选择方法是：S1:将转发意愿为WILL_ALWAYS的N1集中的成员加入MPR集；S2:计算N1中所有节点的覆盖率；S3:计算本地节点到N1中节点的链路持续时间；S4:若N2中存在某个节点只能通过唯一的一个N1中的节点到达，将该N1中的节点加入MPR集合；S5:判断N2中是否存在未被MPR节点覆盖的节点，若不存在，则算法结束，否则，计算N1中未被选为MPR节点的覆盖率；选择覆盖率最高的，链路持续时间最长的节点加入MPR集，并移除此时被MPR集覆盖的节点；S6：循环执行直至N2为空。通过本发明，使得LD-OLSR路由协议在端到端平均时延、归一化吞吐量、TC分组数、路由开销方面大约有10％-15％的性能提升。
-
公开(公告)号：CN105024940B
公开(公告)日：2017-10-31
申请号：CN201510419245.2
申请日：2015-07-16
Applicant: 重庆大学
IPC: H04L12/803 , H04L29/06
Abstract: 本发明提供了一种基于链路自适应的异构网络TCP拥塞控制方法，在指数型窗口增长函数中引入一个自适应增长因子以实现窗口增长速率与链路状态相匹配，在丢包区分策略中采用自适应队列门限以提高无线环境下TCP的性能，该方法能够根据链路自适应调整窗口增长速率和退避策略，避免TCP由于不同链路带宽和时延的差异性以及高丢包造成TCP传输性能退化，此外，还采用加速拥塞窗口收敛的策略，并且只需修改发端TCP协议，易于在互联网上逐步部署应用，根据性能分析和评估表明，提高了TCP拥塞控制算法的公平性、链路利用率以及端对端往返时延的公平性。
-
-
-
-
-
-
-
-
-
Search Results
133
records
(took 0.028 seconds)
