-
公开(公告)号：CN109710336A
公开(公告)日：2019-05-03
申请号：CN201910026321.1
申请日：2019-01-11
Applicant: 中南林业科技大学
Abstract: 本发明公开一种联合能量和延迟优化的移动边缘计算任务调度方法。主要包括如下步骤：1、生成任务描述集合G＝{Ti|1≤i≤N},Ti＝(di,ci)；初始化目标值Val_new。2、计算每个任务的本地执行时间边缘服务器执行时间 任务卸载传输时间 边缘服务器执行耗能 本地执行耗能3、基于CPU处理任务所需周期数的卸载调度方法求卸载决策向量x；并根据决策向量x对所有任务进行分类，卸载执行与本地执行任务分别放入S、L中；4、对集合S中所有任务的功率p采用凸优化方法求解，并将Val_new的值存入Val_old中，即Val_old＝Val_new，求解新的目标值Val_new；5、比较新算出的目标函数值与上一次循环目标值的差值，如果Val_new-Val_old＞ε，则退出，否则重复步骤2-步骤4。应用本发明降低了移动边缘计算网络中的任务执行延迟和能耗。
-
公开(公告)号：CN109710336B
公开(公告)日：2021-01-05
申请号：CN201910026321.1
申请日：2019-01-11
Applicant: 中南林业科技大学
Abstract: 本发明公开一种联合能量和延迟优化的移动边缘计算任务调度方法。主要包括如下步骤：1、生成任务描述集合G＝{Ti|1≤i≤N},Ti＝(di,ci)；初始化目标值Val_new。2、计算每个任务的本地执行时间边缘服务器执行时间任务卸载传输时间边缘服务器执行耗能本地执行耗能3、基于CPU处理任务所需周期数的卸载调度方法求卸载决策向量x；并根据决策向量x对所有任务进行分类，卸载执行与本地执行任务分别放入S、L中；4、对集合S中所有任务的功率p采用凸优化方法求解，并将Val_new的值存入Val_old中，即Val_old＝Val_new，求解新的目标值Val_new；5、比较新算出的目标函数值与上一次循环目标值的差值，如果Val_new‑Val_old＞ε，则退出，否则重复步骤2‑步骤4。应用本发明降低了移动边缘计算网络中的任务执行延迟和能耗。
-
公开(公告)号：CN113539372A
公开(公告)日：2021-10-22
申请号：CN202110715473.X
申请日：2021-06-27
Applicant: 中南林业科技大学
Abstract: 本发明公开一种LncRNA和疾病关联关系的高效预测方法，主要包括以下步骤：1、根据公共数据库lncRNADisease下载lncRNA和疾病相关联的数据集，得到lncRNA集合与疾病集合以及lncRNA‑疾病的关联矩阵A；2、计算疾病之间的语义相似性矩阵SS、lncRNA之间的功能相似矩阵FS，计算lncRNA和疾病的高斯相互作用属性核相似矩阵KL、KD；3、根据FS、KL构建lncRNA相似矩阵SL，根据SS、KD构建疾病相似矩阵SD；4、将lncRNA的关联矩阵A、lncRNA的相似矩阵SL、疾病的相似矩阵SD整合，构建全局异构网络的邻接矩阵U，采用MetaGraph2vec对每个节点进行特征学习，得到每个节点的特征表示，5、使用K‑Means选择负样本，得到所有的正负样本集合，6、根据上述步骤得到的特征数据用于训练GBDT+LR分类器并预测lncRNA与疾病之间的关联关系。
-
公开(公告)号：CN110942803A
公开(公告)日：2020-03-31
申请号：CN201911151918.5
申请日：2019-11-22
Applicant: 中南林业科技大学
IPC: G16B15/00
Abstract: 本发明公开一种LncRNA和环境因素关联关系的高效预测方法，主要包括以下步骤：1、下载数据集，得到LncRNA和环境因素(EF)的列表，和二者关联关系的关联矩阵A；然后分别计算出LncRNA和EF的高斯相互作用属性核相似矩阵KL、KE。2、计算EF之间的化学结构相似性矩阵E。3、将KL进行逻辑斯蒂函数转换，得到相似矩阵SL；且利用E和KE构建EF的相似矩阵SE。4、融合A、SL和SE构建一个全局异构网络G；利用重启随机游走计算扩散特征，并使用奇异值分解降维。5、计算lncRNA-EF对的Hetesim得分。6、结合扩散特征和HeteSim得分得到特征数据集并用于训练梯度提升树分类器去预测LncRNA-EF的关联关系。7、使用10折交叉验证方法对提出的方法进行验证。应用本发明预测LncRNA和EF关联关系的精度高。
-
-
-
Search Results
4
records
(took 0.013 seconds)
