-
公开(公告)号：CN112000897A
公开(公告)日：2020-11-27
申请号：CN202010397619.6
申请日：2020-05-12
Applicant: 中南大学
IPC: G06F16/9536 , G06F16/9538 , G06Q50/00
Abstract: 本发明公开了一种用于提升节点中心性的链路推荐方法，包括选取待分析的网络并获取对应的网络节点；计算网络节点关于待分析的网络中剩余节点的中心性敏感度，以及网络节点与待分析的网络中剩余节点建立链路的链路代价；对待分析的网络中的网络节点进行推荐度排序；根据推荐度排序结果得到最终的链路推荐方案。本发明还公开了包括了所述用于提升节点中心性的链路推荐方法的用户推荐方法。本发明根据选定的研究节点计算该节点对网络中其他节点的链路代价和中心性敏感度，并根据链路代价和中心性敏感度对备选节点进行排名，并通过多步链路建立方式对链路建立过程进行优化，能给用户推荐能够有效提高研究节点中心性、可靠性高且实用性好的链路。
-
Patent Agency Ranking
公开(公告)号：CN108513317A
公开(公告)日：2018-09-07
申请号：CN201810329559.7
申请日：2018-04-13
Applicant: 中南大学
Abstract: 本发明公开了一种非回连模式下车联网雾计算能力的评估方法，包括获取初始化数据信息；在每一个时间点计算每台车辆到车联网中其他所有车辆的距离并获取距离最小值；若距离最小值小于事先设定的第一阈值则将该车辆添加进入车联网；更新车联网的数据信息；计算车联网的评估信息，完成车联网中雾计算能力的评估。本发明提供的这种非回连模式下车联网雾计算能力的评估方法，通过车联网中的车辆数和计算能力对车联网的雾计算能力进行评估，能够科学合理地对非回连模式下车联网雾计算能力进行评估和评价，本发明方法简单可靠。
-
公开(公告)号：CN112000897B
公开(公告)日：2022-03-25
申请号：CN202010397619.6
申请日：2020-05-12
Applicant: 中南大学
IPC: G06F16/9536 , G06F16/9538 , G06Q50/00
Abstract: 本发明公开了一种用于提升节点中心性的链路推荐方法，包括选取待分析的网络并获取对应的网络节点；计算网络节点关于待分析的网络中剩余节点的中心性敏感度，以及网络节点与待分析的网络中剩余节点建立链路的链路代价；对待分析的网络中的网络节点进行推荐度排序；根据推荐度排序结果得到最终的链路推荐方案。本发明还公开了包括了所述用于提升节点中心性的链路推荐方法的用户推荐方法。本发明根据选定的研究节点计算该节点对网络中其他节点的链路代价和中心性敏感度，并根据链路代价和中心性敏感度对备选节点进行排名，并通过多步链路建立方式对链路建立过程进行优化，能给用户推荐能够有效提高研究节点中心性、可靠性高且实用性好的链路。
-
公开(公告)号：CN109857457B
公开(公告)日：2022-03-08
申请号：CN201910087240.2
申请日：2019-01-29
Applicant: 中南大学
Abstract: 本发明公开了一种在双曲空间中学习源代码中的函数层次嵌入表示方法，该方法以下步骤：S1、数据收集和构造阶段：S2、里奇曲率分析阶段：S3、庞加莱模型学习函数嵌入表示阶段：本发明将最新的数据挖掘技术、降维技术、深度学习处理技术、可视化技术运用到双曲空间函数嵌入学习中来，能够有效容纳海量数据，就像源代码数据；高效且准确的实现数据降维，然后可视化分析层次信息。
-
公开(公告)号：CN109857457A
公开(公告)日：2019-06-07
申请号：CN201910087240.2
申请日：2019-01-29
Applicant: 中南大学
Abstract: 本发明公开了一种在双曲空间中学习源代码中的函数层次嵌入表示方法，该方法以下步骤：S1、数据收集和构造阶段：S2、里奇曲率分析阶段：S3、庞加莱模型学习函数嵌入表示阶段：本发明将最新的数据挖掘技术、降维技术、深度学习处理技术、可视化技术运用到双曲空间函数嵌入学习中来，能够有效容纳海量数据，就像源代码数据；高效且准确的实现数据降维，然后可视化分析层次信息。
-
公开(公告)号：CN106332215A
公开(公告)日：2017-01-11
申请号：CN201610870647.9
申请日：2016-09-30
Applicant: 中南大学
IPC: H04W40/18 , H04L12/24 , H04L12/721
CPC classification number: H04W40/18 , H04L41/145 , H04L45/14
Abstract: 本发明公开了车载机会网络中一种代价最小的转发中继选择方法，属于车载网络通信领域。包括以下步骤：构建由一个源车载节点、一个目的车载节点和M-2个中继节点组成的车载机会网络模型；基于所述车载机会网络模型，构建所述节点之间的相遇速率模型和传输代价模型；基于所述相遇速率模型和传输代价模型，推导出最优中继节点选择问题；通过设计一个动态规划的启发式方法解决所述最优中继节点选择问题，进而建立多样节点中继机制；对所述多样节点中继机制和基于相同网络参数的已有机制进行仿真，验证所述多样节点中继机制的优越性。本发明能够充分利用通信机会，选择合适的中继转发节点来提升机会转发性能。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
