-
公开(公告)号：CN111131514A
公开(公告)日：2020-05-08
申请号：CN201911421912.5
申请日：2019-12-31
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明提供了一种适用IPv6工业物联网信息传输的通信方法及系统，方法步骤包括：接收感知层传输的初始传感信息，对初始传感信息适配解析协议，并根据解析协议解析所述初始传感信息，获得传感数据信息，根据标识信息和预存的映射关系确定所述感知层对应的应用系统，并生成对应的数据分类标识符；将传感数据信息分别和每个所述数据分类标识符单独封装在封装传感信息内的单行结构数据信息中；按照不同种类的预定参数将物联网终端划分为多个群组；并设置辅助服务器，辅助服务器根据不同所述预定参数对应的辅助策略，对群组分别生成通信辅助指令；并发送给相应群组中的所述物联网终端；然后将封装传感信息发送至网络层接入所述物联网终端。
-
公开(公告)号：CN110312230A
公开(公告)日：2019-10-08
申请号：CN201910611582.X
申请日：2019-07-08
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明公开了一种列车系统的通信方法、装置和列车系统。其中，该方法包括：服务器用于为接入网设备提供本地服务，运行参数为进入到接入网设备的网络环境中的所有列车的运行参数；服务器基于运行参数、接收运行参数的时刻，确定每辆列车的交通信息，并将交通信息发送至所有列车和/或管控中心。本发明解决了相关技术中列车的LTE网络传输路径长、延迟高，导致列车之间难以实时共享位置信息、预判危险的技术问题。
-
公开(公告)号：CN110300186A
公开(公告)日：2019-10-01
申请号：CN201910637419.0
申请日：2019-07-15
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明提出了一种基于边缘计算技术的点对点文件传输机制，其中方法包括：在边缘计算MEC系统中部署基于HTTP协议的点对点文件传输控制服务；移动用户A通过浏览器访问点对点文件传输控制服务页面，并通过表单形式选取拟点对点传输的文件，生产一个有效时间内的点对点文件传输二维码；移动用户B在有效时间内扫描移动用户A的点对点文件传输二维码，确认开始点对点文件传输。本发明基于边缘计算技术在MEC系统中部署点对点文件传输控制服务，并以HTTP协议形式实现，用户终端设备无需安装任何额外程序即可完成点对点的文件传输。该方法基于边缘计算技术可有效提高空口链路资源利用率，不仅提升了数据传输速率，而且在传输路径上也大大减小了数据传输时延，很好地改善了移动用户间的数据交互体验。
-
公开(公告)号：CN110049050A
公开(公告)日：2019-07-23
申请号：CN201910325411.0
申请日：2019-04-22
Applicant: 中国科学院计算机网络信息中心
Abstract: 本申请实施例提供了一种通信的方法及装置，涉及通信技术领域。该方法应用于第一MEC服务器，第一MEC服务器与位于目标列车行驶方向且与第一MEC服务器相邻的第二MEC服务器连接，第一MEC服务器与目标列车上的第一用户终端建立TCP连接，该方法包括：获取目标列车所处的第一位置；当获取到的第一位置为第一基准位置时，向第二MEC服务器发送第一用户终端对应的TCP连接状态信息，第一基准位置为预设的目标列车的行驶路线上、且位于第一MEC服务器对应的第一基站覆盖范围内的预设位置，以使目标列车驶入第二MEC服务器对应的第二基站覆盖范围后，第二MEC服务器根据第一用户终端对应的TCP连接状态信息与第一用户终端建立TCP连接。采用本申请可以防止网络服务的中断。
-
公开(公告)号：CN109547418A
公开(公告)日：2019-03-29
申请号：CN201811290181.0
申请日：2018-10-31
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明提供了一种基于软件定义网络SDN的数据传输网络系统，该系统包括：SDN传输控制网络，科学数据传输网络和数据安全传输网络，其中，SDN传输控制网络分别与科学数据传输网络和数据安全传输网络连接；SDN传输控制网络用于确定待传输数据的数据类型；在待传输数据的数据类型为科学数据的情况下，将待传输数据发送给科学数据传输网络；在待传输数据的数据类型为非科学数据的情况下，将待传输数据发送给数据安全传输网络。通过本发明，解决了相关技术中科学数据的传输效率较低的问题，进而达到了提高科学数据的传输效率的效果。
-
Patent Agency Ranking
公开(公告)号：CN109040298A
公开(公告)日：2018-12-18
申请号：CN201811019205.9
申请日：2018-08-31
Applicant: 中国科学院计算机网络信息中心
CPC classification number: H04L67/2842 , H04L67/327 , H04W28/14
Abstract: 本发明公开了一种基于边缘计算技术的数据处理方法及装置。其中，该方法包括：将第一终端的业务数据缓存至第一边缘服务器，通过第一边缘服务器将业务数据发送至中心服务器，通过中心服务器确定第二终端所处的第二边缘服务器的地址，通过中心服务器将业务数据发送至第二边缘服务器，以使第二边缘服务器缓存第二业务数据。通过在与第一终端上登陆用户相关联登陆用户所登陆的第二终端的第二边缘服务器上，缓存第一终端的业务数据。本发明解决了由于相关技术中的缓存方案受限于热点内容预测的准确率，且不适合现有网络中针对用户生成内容通过社交网络渠道进行实时分享的网络优化场景，而导致了网络数据堵塞，网络优化效率低的技术问题。
-
公开(公告)号：CN113590887B
公开(公告)日：2024-11-05
申请号：CN202110814231.6
申请日：2021-07-19
IPC: G06F16/901 , G06F16/903
Abstract: 本发明提出一种基于Quegel分布式图计算系统的K‑truss分解方法，针对大型网络图，系统运行后加载图，对存储图的文件进行逐行读取转成字符串后调用自定义UDF函数，将文件中的一行字符数据转换成顶点和邻接表，并以顶点为端点的边集存入global_Edge_Map中；完成加载后，通过分解函数重置计时器，新建一个查询任务用来分解，并将该查询任务初始化后添加至查询任务队列中，再清空查询任务队列的通信量和计算量；执行查询任务队列，激活所有顶点，对激活的所有顶点进行K‑truss分解；统计并判断global_Edge_Map中边的个数，为空时，判断分解完成并退出该过程，打印信息。解决目前有的技术方案大部分都是一台机器上的图的k‑truss分解处理，当遇到大型图的处理时，需要机器很高的配置，耗费大内存的问题。
-
公开(公告)号：CN116450960A
公开(公告)日：2023-07-18
申请号：CN202310343069.3
申请日：2023-04-03
IPC: G06F16/9537 , G06F16/901 , G06F16/29 , G06Q10/047
Abstract: 本发明公开了一种基于最短路径和路径枚举的道路网选址方法，首先读取真实道路网络数据集，提取其中的顶点和边数据，并根据提取的顶点和边数据建立无向有权图，使用函数readGraph()对无向有权图进行读取处理，以得到起点集合，使用函数readGraph()对无向有权图进行读取处理，以得到终点集合，使用深度优先搜索DFS方法对起点集合和终点集合进行处理，以得到所有起点到所有终点之间、且处于预设的路径阈值d范围内的所有路径，对每个起点到每个终点之间、且处于预设的路径阈值d范围内的所有路径进行降序排序处理，以得到每个起点到所有终点中的路径数量最大值及其对应的终点。本发明能够解决现有基于Dijkstra算法的道路网选址方法查询效率低的技术问题。
-
公开(公告)号：CN113590887A
公开(公告)日：2021-11-02
申请号：CN202110814231.6
申请日：2021-07-19
IPC: G06F16/901 , G06F16/903
Abstract: 本发明提出一种基于Quegel分布式图计算系统的K‑truss分解方法，针对大型网络图，系统运行后加载图，对存储图的文件进行逐行读取转成字符串后调用自定义UDF函数，将文件中的一行字符数据转换成顶点和邻接表，并以顶点为端点的边集存入global_Edge_Map中；完成加载后，通过分解函数重置计时器，新建一个查询任务用来分解，并将该查询任务初始化后添加至查询任务队列中，再清空查询任务队列的通信量和计算量；执行查询任务队列，激活所有顶点，对激活的所有顶点进行K‑truss分解；统计并判断global_Edge_Map中边的个数，为空时，判断分解完成并退出该过程，打印信息。解决目前有的技术方案大部分都是一台机器上的图的k‑truss分解处理，当遇到大型图的处理时，需要机器很高的配置，耗费大内存的问题。
-
公开(公告)号：CN117892764A
公开(公告)日：2024-04-16
申请号：CN202311817973.X
申请日：2023-12-26
Abstract: 本申请涉及一种图神经网络生成方法、装置、计算机设备、存储介质和计算机程序产品。包括：在图神经网络的训练过程中，通过图神经网络获取图拓扑数据的平均度数，并确定图拓扑数据的邻接矩阵；在平均度数满足度数条件的情况下，基于平均度数确定图拓扑数据的图划分力度；基于按图划分力度对邻接矩阵进行划分确定的各顶点的邻接点数量，对各顶点进行排序，得到各顶点的排序结果；基于通过排序结果确定的动态邻居划分表，将图拓扑数据的多个子特征分别与邻接矩阵依次进行聚合，得到各子特征的子聚合结果；将各子聚合结果进行整合处理，输出图拓扑数据对应的聚合结果，基于聚合结果，生成训练后的图神经网络。采用本方法可加速图神经网络的训练速度。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.061 seconds)
