-
Patent Agency Ranking
公开(公告)号：CN108010000A
公开(公告)日：2018-05-08
申请号：CN201711321134.3
申请日：2017-12-12
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明提供了基于邻近特征子空间拟合的压缩图像清晰化方法，包括：对一组与待清晰化压缩图像场景相似的清晰图像样本进行压缩，编码参数与待清晰化图像相同，得到压缩图像样本集；对压缩图像样本集去噪，得到压缩去噪图像样本集；将压缩图像块和对应的压缩去噪图像块合成一个矢量，利用矢量量化将特征空间分为多个子空间；每个子空间里，由最小均方误差准则得到压缩去噪图像块到清晰图像样本块的非线性回归模型；将待清晰化压缩图像去噪，得到待清晰化压缩去噪图像；寻找待清晰化压缩图像的每个像素点位置的图像块最邻近子空间，利用该子空间的非线性回归模型得到清晰化压缩图像块；所有的清晰化压缩图像块加权平均堆叠得到清晰化图像。
-
公开(公告)号：CN108010000B
公开(公告)日：2021-11-02
申请号：CN201711321134.3
申请日：2017-12-12
Applicant: 南京邮电大学
IPC: G06T5/00
Abstract: 本发明提供了基于邻近特征子空间拟合的压缩图像清晰化方法，包括：对一组与待清晰化压缩图像场景相似的清晰图像样本进行压缩，编码参数与待清晰化图像相同，得到压缩图像样本集；对压缩图像样本集去噪，得到压缩去噪图像样本集；将压缩图像块和对应的压缩去噪图像块合成一个矢量，利用矢量量化将特征空间分为多个子空间；每个子空间里，由最小均方误差准则得到压缩去噪图像块到清晰图像样本块的非线性回归模型；将待清晰化压缩图像去噪，得到待清晰化压缩去噪图像；寻找待清晰化压缩图像的每个像素点位置的图像块最邻近子空间，利用该子空间的非线性回归模型得到清晰化压缩图像块；所有的清晰化压缩图像块加权平均堆叠得到清晰化图像。
-
公开(公告)号：CN109451523B
公开(公告)日：2021-09-17
申请号：CN201811413243.2
申请日：2018-11-23
Applicant: 南京邮电大学
Abstract: 本发明提出一种基于流量识别技术和Q学习的快速切换方法，主要解决在异构超密集蜂窝网络中小区分簇的快速切换问题。该方法主要分为两个部分：信息采集和动态切换决策过程。信息采集阶段主要包括收集到的网络状态信息、用户数据信息等，然后采用DFI识别技术识别业务类型，以及采用基于HYM的切换方法找到满足切换条件的基站集合，之后将这些数据作为Q学习模型的输入进行Q学习，在动态切换决策中根据指定的策略来输出训练结果，找到最优的切换策略，与传统的切换策略相比，大大减少了信令成本开销，确保了无线网络资源的合理利用。
-
公开(公告)号：CN109714790A
公开(公告)日：2019-05-03
申请号：CN201910065713.9
申请日：2019-01-23
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于用户移动性预测的边缘协作缓存优化方法，包括以下步骤：步骤一：根据用户的移动轨迹建立马尔可夫预测模型，获取用户移动到每个微蜂窝基站的概率；步骤二：使用层次聚类算法将网络中的所有微蜂窝基站进行分组，每一分组中的微蜂窝基站都连接到同一服务网关；步骤三：考虑文件流行度分布，并基于用户的移动概率，在所有微蜂窝基站分组中采取分布式的协作缓存方法，同一微蜂窝基站分组中的微蜂窝基站共同执行缓存决策，并协作为用户提供服务。本发明的优点是：考虑用户的移动概率和文件流行度，提出在基站各分组中采取协作缓存的方法，提高了缓存单元的利用率并降低了用户访问内容的时延。
-
公开(公告)号：CN109451523A
公开(公告)日：2019-03-08
申请号：CN201811413243.2
申请日：2018-11-23
Applicant: 南京邮电大学
Abstract: 本发明提出一种基于流量识别技术和Q学习的快速切换方法，主要解决在异构超密集蜂窝网络中小区分簇的快速切换问题。该方法主要分为两个部分：信息采集和动态切换决策过程。信息采集阶段主要包括收集到的网络状态信息、用户数据信息等，然后采用DFI识别技术识别业务类型，以及采用基于HYM的切换方法找到满足切换条件的基站集合，之后将这些数据作为Q学习模型的输入进行Q学习，在动态切换决策中根据指定的策略来输出训练结果，找到最优的切换策略，与传统的切换策略相比，大大减少了信令成本开销，确保了无线网络资源的合理利用。
-
-
-
-
Search Results
5
records
(took 0.02 seconds)
