-
公开(公告)号：CN115831305A
公开(公告)日：2023-03-21
申请号：CN202211645856.5
申请日：2022-12-20
IPC: G16H10/60 , G16H50/70 , G16H50/30 , G06F18/214 , G06F18/24
Abstract: 本发明公开了基于重症特征的疫情患者转阴天数分类预测方法及系统，本方法通过获取患者的病例数据表；计算病例数据表中的检测指标与核酸ct值的Pearson相关系数；根据Pearson相关系数，对病例数据表中的每一个检测指标的数据完整性进行打分，选取分数高于预设值的多个重症特征指标；根据多个重症特征指标，筛选转阴前的患者检测指标数据集；将患者检测指标数据集输入至训练好的预测模型中，获得患者转阴天数分类预测的结果。本发明能够提高分类预测患者转阴天数的准确度。
-
公开(公告)号：CN116759098A
公开(公告)日：2023-09-15
申请号：CN202310724045.2
申请日：2023-06-19
Abstract: 本发明公开了一种危重症生存概率预测模型训练及预测方法，该方法包括获取奥密克戎患者患病数据；对患病数据进行处理，得到格式统一的患病数据；从患病数据中筛选出重症指标；对重症指标进行数据填充，并对数据填充后的所有重症指标进行归一化处理；以归一化处理后的重症指标为输入样本，以出院状态为输出样本，构建样本数据集；构建长短期记忆模型，模型包括依次连接的时间感知长短期记忆单元、全连接层以及激活层；利用样本数据集对模型进行训练，得到目标长短期记忆模型。本发明避免了不重要指标对模型准确度的影响，解决了传统模型无法适用于患者项目检查时间间隔不固定的场景。
-
公开(公告)号：CN119052249A
公开(公告)日：2024-11-29
申请号：CN202411540735.3
申请日：2024-10-31
Applicant: 中南大学
IPC: H04L67/1008 , H04L67/1004
Abstract: 本申请公开了一种负载均衡调度方法和系统，通过获取第t个时隙内，多个服务器中的每一服务器的第一状态和第二状态；根据第一状态和第二状态对多个服务器进行聚类分组，得到多个服务器组，每一服务器组包括至少两个服务器；利用预先训练的任务调度模型根据每一服务器组内的至少两个服务器的第一状态，将多个服务器组划分为第一服务器组和多个第二服务器组；根据任务调度模型将多个第二服务器组中的待卸载任务卸载至第一服务器组中，并将卸载至第一服务器组的待卸载任务分配至第一服务器组中的至少两个服务器中，以达到精细化的任务调度策略和高效的均衡负载调度，实现边缘计算资源利用最大化。
-
公开(公告)号：CN118101484B
公开(公告)日：2024-12-10
申请号：CN202410062393.2
申请日：2024-01-16
Applicant: 国网湖北省电力有限公司电力科学研究院 , 中南大学 , 国网湖北省电力有限公司神农架供电公司 , 国网湖北省电力有限公司宜昌供电公司
Abstract: 一种支撑偏远山区无人机巡检的中继网络拓扑生成方法，包括获取节点信息；设置通讯节点的约束条件；根据优化目标完成算法建模；设计覆盖拓扑生成算法；生成可视化的网络覆盖拓扑；测试拓扑的网络性能。本发明解决了在有线网络难以到达且联网设备多而乱的偏远山区环境下，构建能够满足通信要求并且成本最优化的中继网络以支撑无人机电力巡检作业的技术难题。本发明有如下优点：以生成满足具体通信需求的最优成本无线网络覆盖拓扑为总目标，实现了无人机中继网络部署，大大降低了构建覆盖拓扑的人力成本，可广泛应用在各种无人环境下的无线拓扑覆盖图谱生成场景中；成本最优化并保证无线无线网络的连通性和流畅性。
-
公开(公告)号：CN114828079A
公开(公告)日：2022-07-29
申请号：CN202210279228.3
申请日：2022-03-21
Applicant: 中南大学
Abstract: 本发明公开了一种高效的NDN多源多路径拥塞控制方法，针对NDN中天然的多源多路径特点，使用改进的路径标识方案，使consumer能够识别出包括缓存和原始数据源在内的多源的潜在可用子路径。并能够使子路径所指向的路由器缓存不存在Interest对应的Data包时，可以高效的向四周寻找数据源。对于consumer的拥塞控制设计，本专利根据每条子路径的传输时延、带宽与正在传输的数据包个数定义了一个饱和度。通过对每条子路径的饱和度对比，consumer可以筛选出可能会发生拥塞的子路径。最后利用被标记为可能发拥塞的子路径和所有子路径的时延带宽积比值来调整拥塞窗口。本发明在合理利用NDN网内缓存带来的多源以及天然的多路径传输优势下，改进NDN的拥塞控制方案，提高网络整体的利用率。
-
Patent Agency Ranking
公开(公告)号：CN119025999A
公开(公告)日：2024-11-26
申请号：CN202411499459.0
申请日：2024-10-25
Applicant: 中南大学
IPC: G06F18/241 , G06N3/0455 , G06N3/088 , G06F18/10 , G06F18/213 , G06F18/214
Abstract: 本发明公开了一种充电桩故障数据生成方法、设备、存储介质及产品，所述生成方法包括获取真实的充电桩故障数据；对所述充电桩故障数据进行分析，并根据分析结果选择每条故障数据的特征信息；对每条故障数据的特征信息进行编码，得到对应条故障数据的特征向量；根据充电桩故障数据的所有特征向量构建样本数据集；加载数据生成模型，利用所述样本数据集对所述数据生成模型进行无监督训练，得到目标生成模型；利用所述目标生成模型生成充电桩故障数据。本发明利用深度学习模型充分学习到不同类型数据的分布特点与故障数据之间的关系，提高了模型的训练效果，进而提高了生成数据的质量和准确性。
-
公开(公告)号：CN115604130B
公开(公告)日：2023-03-14
申请号：CN202211523044.3
申请日：2022-12-01
Applicant: 中南大学
IPC: H04L41/147 , H04L41/142 , H04L41/14 , H04W24/08 , G06F17/10
Abstract: 本发明公开了一种APP流行度预测模型构建方法、预测方法、设备及存储介质，所述构建方法包括获取APP流行度分布数据，所述APP流行度分布数据包括使用待分析APP的用户数量、使用待分析APP消耗的流量以及访问待分析APP的次数；根据所述APP流行度分布数据构建APP流行度预测模型，其中所述APP流行度预测模型用于计算每个待分析APP的预测比例，进而计算待分析APP的流行度以及所有待分析APP的流行度分布轨迹。相对于传统的使用APP应用市场内数据或指标来评价或分析APP流行度，本发明具有更高的真实性，提高了APP流行度分析结果的准确性。
-
公开(公告)号：CN115604130A
公开(公告)日：2023-01-13
申请号：CN202211523044.3
申请日：2022-12-01
Applicant: 中南大学(CN)
IPC: H04L41/147 , H04L41/142 , H04L41/14 , H04W24/08 , G06F17/10
Abstract: 本发明公开了一种APP流行度预测模型构建方法、预测方法、设备及存储介质，所述构建方法包括获取APP流行度分布数据，所述APP流行度分布数据包括使用待分析APP的用户数量、使用待分析APP消耗的流量以及访问待分析APP的次数；根据所述APP流行度分布数据构建APP流行度预测模型，其中所述APP流行度预测模型用于计算每个待分析APP的预测比例，进而计算待分析APP的流行度以及所有待分析APP的流行度分布轨迹。相对于传统的使用APP应用市场内数据或指标来评价或分析APP流行度，本发明具有更高的真实性，提高了APP流行度分析结果的准确性。
-
公开(公告)号：CN118470573B
公开(公告)日：2025-02-14
申请号：CN202410602720.9
申请日：2024-05-15
Applicant: 国网湖北省电力有限公司电力科学研究院 , 中南大学 , 国网湖北省电力有限公司 , 湖北方源东力电力科学研究有限公司
IPC: G06V20/17 , G06V10/20 , G06V10/75 , G06V10/74 , G06V10/762
Abstract: 本发明提供一种电力无人机巡检杆塔的点云自动识别方法，包括：对利用激光雷达设备采集的电力线路点云数据进行预处理，从预处理后的点云数据中进行筛选与聚类得到点云簇，并基于目标巡检杆塔与环境的差异性特征从点云簇中提取得到杆塔的点云簇；计算杆塔点云中的关键点与特征值，结合电力巡检场景中的杆塔类型，并基于杆塔点云的关键点分布情况与噪声含量筛选出每个杆塔类型的典型杆塔，通过典型杆塔的特征值构建设备特征类型库；计算待处理点云中的关键点与特征值，与设备特征类型库中的典型杆塔进行匹配，选择匹配度最高的类型为识别结果。本发明降低了点云处理与设备识别的人工成本，提高无人机巡检作业的效率。
-
公开(公告)号：CN119025999B
公开(公告)日：2025-01-21
申请号：CN202411499459.0
申请日：2024-10-25
Applicant: 中南大学
IPC: G06F18/241 , G06N3/0455 , G06N3/088 , G06F18/10 , G06F18/213 , G06F18/214
Abstract: 本发明公开了一种充电桩故障数据生成方法、设备、存储介质及产品，所述生成方法包括获取真实的充电桩故障数据；对所述充电桩故障数据进行分析，并根据分析结果选择每条故障数据的特征信息；对每条故障数据的特征信息进行编码，得到对应条故障数据的特征向量；根据充电桩故障数据的所有特征向量构建样本数据集；加载数据生成模型，利用所述样本数据集对所述数据生成模型进行无监督训练，得到目标生成模型；利用所述目标生成模型生成充电桩故障数据。本发明利用深度学习模型充分学习到不同类型数据的分布特点与故障数据之间的关系，提高了模型的训练效果，进而提高了生成数据的质量和准确性。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.02 seconds)
