-
公开(公告)号：CN112838963A
公开(公告)日：2021-05-25
申请号：CN202011631159.5
申请日：2020-12-31
Applicant: 内蒙古工业大学
IPC: H04L12/26 , H04L12/24 , H04L12/801
Abstract: 本发明公开了一种基于事件同步和网络建模的识别系统拥塞风险的方法，采用过峰值阈值法从初始时空序列中提取事件序列，各地理位置处的事件序列记录的是事件发生的时间索引；根据动态延迟和最大延迟确定事件序列中同步发生的事件；将地理位置定义为网络中的节点，不同地理位置间发生的同步事件的数量定义为连边的权重，从而将时空序列映射为以事件发生地点为基元的无向加权网络；根据网络的拓扑特征定义节点的拥塞系数，量化节点发生拥塞的风险。本发明从时空数据中的特殊事件的发生位置和发生时间建立网络，定义节点拥塞系数，识别系统拥塞风险。
-
公开(公告)号：CN109768890A
公开(公告)日：2019-05-17
申请号：CN201910042399.2
申请日：2019-01-17
Applicant: 内蒙古工业大学
IPC: H04L12/24
Abstract: 本发明公开了一种基于STL分解法的符号化有向加权复杂网络建网方法，采用STL分解法将原始时间序列分解为季节项、趋势项和随机项；采用粗粒化过程对三个分解项分别做层次划分和符号模式转化，将每个时间序列数据用符号向量表示；将互不相同的时刻符号向量定义为复杂网络的节点，不同符号向量之间的转换方向和转换频次分别定义为连边的方向和权重，从而将时间序列映射为以符号向量为基元的有向加权网络。本发明从时间序列的生成过程和长期趋势建立复杂网络，可以区分平稳时间序列和非平稳时间序列。
-
公开(公告)号：CN112838963B
公开(公告)日：2024-04-16
申请号：CN202011631159.5
申请日：2020-12-31
Applicant: 内蒙古工业大学
IPC: H04L43/0882 , H04L41/14 , H04L41/142 , H04L41/12 , H04L47/11
Abstract: 本发明公开了一种基于事件同步和网络建模的识别系统拥塞风险的方法，采用过峰值阈值法从初始时空序列中提取事件序列，各地理位置处的事件序列记录的是事件发生的时间索引；根据动态延迟和最大延迟确定事件序列中同步发生的事件；将地理位置定义为网络中的节点，不同地理位置间发生的同步事件的数量定义为连边的权重，从而将时空序列映射为以事件发生地点为基元的无向加权网络；根据网络的拓扑特征定义节点的拥塞系数，量化节点发生拥塞的风险。本发明从时空数据中的特殊事件的发生位置和发生时间建立网络，定义节点拥塞系数，识别系统拥塞风险。
-
公开(公告)号：CN109768890B
公开(公告)日：2021-12-17
申请号：CN201910042399.2
申请日：2019-01-17
Applicant: 内蒙古工业大学
IPC: H04L12/24
Abstract: 本发明公开了一种基于STL分解法的符号化有向加权复杂网络建网方法，采用STL分解法将原始时间序列分解为季节项、趋势项和随机项；采用粗粒化过程对三个分解项分别做层次划分和符号模式转化，将每个时间序列数据用符号向量表示；将互不相同的时刻符号向量定义为复杂网络的节点，不同符号向量之间的转换方向和转换频次分别定义为连边的方向和权重，从而将时间序列映射为以符号向量为基元的有向加权网络。本发明从时间序列的生成过程和长期趋势建立复杂网络，可以区分平稳时间序列和非平稳时间序列。
-
-
-
Search Results
4
records
(took 0.013 seconds)
