-
公开(公告)号：CN113225584A
公开(公告)日：2021-08-06
申请号：CN202110316177.2
申请日：2021-03-24
Applicant: 西安交通大学
IPC: H04N21/231 , H04N21/238 , H04N21/24
Abstract: 本发明公开了一种基于编码和缓存的跨层联合的视频传输方法，该方法根据回程链路负载、传输包个数所满足的条件建立回程链路安全传输模型；建立视频文件的体验质量QoE和编码包大小之间的函数关系，MEC缓存、视频文件传输时延和编码包大小的函数关系；建立以上两个函数关系，视频编码码率、MEC缓存的容量和回程链路安全传输模型为约束条件，以最大化视频体验质量和最小化传输时延为优化目标，建立视频编码参数和MEC缓存联合优化模型；对视频编码参数和MEC缓存联合优化模型求近似最优解，利用近似最优解为视频文件制定体验质量最大化和传输时延最小化的存储策略。本发明能够在保证回程链路安全的情况下提升视频体验质量和减小传输时延。
-
公开(公告)号：CN113113916A
公开(公告)日：2021-07-13
申请号：CN202110420889.9
申请日：2021-04-19
Applicant: 西安交通大学
Abstract: 一种舰船综合电力系统多目标能量调控方法，包括以下步骤：通过求解舰船综合电力系统的预设优化模型，确定系统能量分配方案，其中，所述预设优化模型的目标函数为最大化脉冲负载总效能、舰船最大续航时长与航行速度的加权和；根据系统能量分配方案，调控发电功率分配至加速、克服阻力以及脉冲负载工作部分的功率值，对各脉冲负载并联的设备级储能装置的充放电过程进行控制，实现兼顾多个运行目标的能量调控。本发明中对各脉冲负载并联的设备级储能装置的充放电过程进行控制，实现兼顾多个运行目标的能量调控，达到整体性能最优的系统能量调控，有效提升舰船生存性能。
-
公开(公告)号：CN109671063B
公开(公告)日：2020-08-18
申请号：CN201811512050.2
申请日：2018-12-11
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于深度网络特征间重要性的图像质量评估方法，该方法在端到端的神经网络模型训练中加入了判别特征图间重要性关系的模块，能够更准确的预测图像质量，并且在各个图像质量评估(IQA)数据集上展现出较强的泛化能力。具体包括步骤：1)准备训练测试网络模型所用的图像质量评估数据集，将图像质量评估数据集按照图像内容随机划分为训练集和测试集；2)将SeNet模块加入VGG‑16网络以搭建用于图像质量评估的多个不同组合方式的神经网络模型VGG*‑SE，使用训练数据集分别对其进行训练，当训练的模型在测试数据集上达到预期的精度，选择此模型作为最终模型，并保存网络模型训练后的参数；3)使用选取的最终模型计算测试集的预测精度。
-
公开(公告)号：CN103313063B
公开(公告)日：2016-04-27
申请号：CN201310180282.3
申请日：2013-05-15
Applicant: 西安交通大学
IPC: H04N19/89
Abstract: 本发明公开了一种基于双解码模拟的H.264/AVC视频调度方法：（1）对每个待发送的H.264/AVC视频包计算其包质量贡献指数PQCI，PQCI由两类失真计算得到，每类失真包括两部分：视频包对当前帧的质量贡献和视频包对后续帧的质量贡献。（2）计算视频包对自身的质量贡献时，采用基于双解码模拟的方法，在发送端纳入两个解码器进行失真估计，并求得质量贡献。（3）计算视频包对后续帧的质量贡献时，采用扩散因子加权的方法进行求解。（4）按照PQCI的大小对待发送视频包进行排序调度后进行视频包的发送。本发明提高了接收端解码后的视频质量，提升了无线网络中视频传输的性能，并最终改善接收端的用户体验。
-
公开(公告)号：CN103269457A
公开(公告)日：2013-08-28
申请号：CN201310180283.8
申请日：2013-05-15
Applicant: 西安交通大学
IPC: H04N21/647 , H04N7/26
Abstract: 本发明提供一种基于失真估计的H.264/AVC视频包优先级调度方法：（1）对每个待发送的H.264/AVC视频包计算其包优先级指数PPI，其中，PPI由两类失真计算得到，每类失真包括两部分：视频包对当前帧造成的失真和视频包对后续帧的造成的失真；（2）计算视频包对当前帧造成的失真时，采用了一种基于失真估计模型的预测方法；（3）计算视频包对后续帧的造成的失真时，采用了利用扩散失真因子对失真估计模型所得失真进行加权的方法来求解；（4）在调度时，按照PPI的大小对待发送视频包进行排序调度后进行视频包的发送，本发明提高了接收端解码后的视频质量，提升了无线网络中视频传输的性能。
-
Patent Agency Ranking
-
公开(公告)号：CN118331742A
公开(公告)日：2024-07-12
申请号：CN202410563416.8
申请日：2024-05-08
Applicant: 西安交通大学
Abstract: 本发明智慧农业中基于多任务数据共享的MADDPG资源协同优化方法及装置，该方法包括：1)构建智慧农业场景中多任务数据共享数学模型；多任务数据共享数学模型包括：多个采集不同类型数据的采集设备、存在数据共享的多个农业任务、信道传输条件以及农业物联网中的边缘服务器集群；2)根据多任务数据共享数学模型构建优化问题的目标函数以及优化问题的约束条件；3)利用基于分层奖励函数的多智能体深度确定性策略梯度算法，求解得到优化问题的最优解。该装置包括依次连接的模型构建模块、优化问题构建模块和求解模块。本发明研究智慧农业场景中基于多任务数据共享和多智能体深度强化学习的系统资源协同优化方案，能够减少数据的重复传输，达到减少时延和能耗、提高服务器存储资源利用率的目的。
-
公开(公告)号：CN118196499A
公开(公告)日：2024-06-14
申请号：CN202410321799.8
申请日：2024-03-20
Applicant: 西安交通大学
IPC: G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于能量的点云目标检测方法及装置，该方法包括：获取待检测的点云目标数据；将待检测的点云目标数据输入至预设的目标检测模型中，得到点云中特定类别物体的三维边界框和类别分数；其中，预设的目标检测模型使用带标注的点云数据训练，带标注的点云数据，在第一次训练时通过随机选取从全量数据中获取并标注；在后续训练中，通过基于能量的主动学习方法全量数据中获取并标注；该装置包括数据获取模块和数据检测模块。本发明能够快速、准确地筛选出信息量最大的未标注点云数据供人工标注，为面向点云目标检测的主动学习方法提出了新的思路。
-
公开(公告)号：CN118038428A
公开(公告)日：2024-05-14
申请号：CN202410230733.8
申请日：2024-02-29
Applicant: 西安交通大学
Abstract: 本发明涉及目标检测领域，公开了一种基于通道和空间协同注意的小目标害虫检测方法和系统，所述方法包括：获取目标数据集：将所述目标数据集按8:1:1的比例划分为训练集、验证集和测试集；将YOLOv8模型作为基础模型，对所述YOLOv8模型进行改进，构建小目标害虫检测模型CSCA‑YOLO；分别利用训练集和验证集对所述CSCA‑YOLO模型进行训练和调参，直至模型的损失函数收敛，得到训练好的CSCA‑YOLO模型；将测试集图像输入到训练好的CSCA‑YOLO模型中进行目标检测，输出害虫目标的检测结果。所述系统包括：获取模块、构建模块、训练模块和检测模块。本发明通过对小目标害虫特点进行分析，基于这些特点对YOLOv8模型进行改进，构建出能够适用于对于害虫等小目标进行检测的CSCA‑YOLO模型，利用所述CSCA‑YOLO模型进行害虫目标检测，能够在较低的计算开销下，降低了小目标害虫的漏检率，提高小目标的检测能力，进一步提升检测精度。
-
公开(公告)号：CN117540882B
公开(公告)日：2024-03-15
申请号：CN202410030621.8
申请日：2024-01-09
Applicant: 国网经济技术研究院有限公司 , 西安交通大学
Inventor： 于昊洋 , 刘栋 , 王智冬 , 孙珂 , 吴雄 , 曹滨睿 , 秦继朔 , 李凡 , 郭国栋 , 章程 , 王丹 , 薛雅玮 , 刘忠健 , 游沛羽 , 张柯欣 , 梁涵卿 , 陶太堃 , 司远 , 胡天宇
IPC: G06Q10/04 , G06Q10/067 , G06Q10/0631 , G06Q50/06 , G06N3/0475 , G06F18/23213
Abstract: 本发明涉及一种基于随机场景生成的电力系统日前多阶段优化调度方法，该方法包括：基于电力系统的前一日风‑光出力数据通过条件生成对抗网络生成日前新能源预测随机场景；削减日前新能源预测随机场景，并使用场景树刻画削减后的日前新能源预测随机场景；构建面向含新能源的电力系统日前多阶段随机优化调度模型；基于场景树刻画的日前新能源预测随机场景对电力系统日前多阶段调度模型通过随机对偶动态整数规划算法求解，实现电力系统的日前多阶段优化调度。因此，本发明的多阶段随机优化调度模型可以根据新能源的实现情况改变各阶段决策，同时考虑后续阶段不确定性因素的实现。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.026 seconds)
