-
公开(公告)号：CN104036336A
公开(公告)日：2014-09-10
申请号：CN201310070995.4
申请日：2013-03-06
Applicant: 南京邮电大学 , 江苏润和软件股份有限公司
IPC: G06Q10/06
Abstract: 为了稳固和强化供应链企业主体之间彼此之间的合作关系，就有必要通过有效的协同机制将供应链企业主体之间结成战略协同组织。本发明提出一种用于供应链系统的动态主体协同方法，使供应链主体可以构成柔性的、动态的协同工作组织，以克服供应链系统中主体协作的困难，从而加强了企业间的合作关系。方法在复杂、多变的供应链应用环境，在某一需求目标的驱动下，建立项目，经过工作主体遴选，形成优化的协同工作组织，将个体的意图转变为协同工作组织群体的共同意图，在复杂的处理流程的规范下，基于合作承诺，联合完成项目设定的任务。这种协同工作组织是柔性的、可根据需要动态扩展，并可充分利用各企业的资源，由此带来整体效益的提升。
-
公开(公告)号：CN106100880B
公开(公告)日：2019-07-05
申请号：CN201610410036.6
申请日：2016-06-12
Applicant: 南京邮电大学 , 南京邮电大学盐城大数据研究院有限公司
Abstract: 本发明提出了一种基于云数据资源部署方法及可视化管理方法。为了达到各个节点负载均衡的目的，每次新资源存储时使用哈希算法对资源进行分配存储，通过比较哈希算法对资源分布性的均匀程度，最终采用字符系数哈希算法实现均衡地动态分布数据文件。基于云平台的数据资源部署方法，该发明对包括管理员与用户对云平台资源节点的可视化管理，其中包含一个服务器节点和多个虚拟存储节点，服务器与虚拟存储节点间通过套接字进行通信，传递数据资源等；服务器端与数据库进行交互，长期存储数据资源信息；同时达到可视化信息管理的目的。通过模拟实现云数据资源的可视化管理，提高系统的数据资源利用率和服务质量，实现节能、负载均衡的目的。
-
公开(公告)号：CN106100880A
公开(公告)日：2016-11-09
申请号：CN201610410036.6
申请日：2016-06-12
Applicant: 南京邮电大学 , 南京邮电大学盐城大数据研究院有限公司
CPC classification number: H04L41/22 , H04L67/1002
Abstract: 本发明提出了一种基于云数据资源部署方法及可视化管理方法。为了达到各个节点负载均衡的目的，每次新资源存储时使用哈希算法对资源进行分配存储，通过比较哈希算法对资源分布性的均匀程度，最终采用字符系数哈希算法实现均衡地动态分布数据文件。基于云平台的数据资源部署方法，该发明对包括管理员与用户对云平台资源节点的可视化管理，其中包含一个服务器节点和多个虚拟存储节点，服务器与虚拟存储节点间通过套接字进行通信，传递数据资源等；服务器端与数据库进行交互，长期存储数据资源信息；同时达到可视化信息管理的目的。通过模拟实现云数据资源的可视化管理，提高系统的数据资源利用率和服务质量，实现节能、负载均衡的目的。
-
公开(公告)号：CN105868843A
公开(公告)日：2016-08-17
申请号：CN201610170154.4
申请日：2016-03-22
Applicant: 南京邮电大学 , 南京邮电大学盐城大数据研究院有限公司
CPC classification number: G06Q10/047 , G06Q10/083 , G06Q50/28
Abstract: 本发明涉及一种面向货品配送的路线规划方法，采用先分组后安排路线的方法，将大规模的物流配送车辆路径问题划分为多个小规模的物流配送车辆路径问题，这样做可以大大降低计算量，提高求解速度；并且对于货车载重量的约束，在聚类方法中通过对每个簇集增加了容量约束的限制，保证了划分的每个配送区域中的配送点个数比较均匀，使得划分的配送区域中的货物总量都不会超过货车的最大载重量，划分的区域更加合理，不仅如此，综合考虑货车路线的最优化原则和配送点地理位置的区域性原则，使得让地理位置相近的配送点由同一货车配送，增加了配送效率。
-
公开(公告)号：CN105678418A
公开(公告)日：2016-06-15
申请号：CN201610009554.7
申请日：2016-01-07
Applicant: 南京邮电大学 , 南京邮电大学盐城大数据研究院有限公司
Abstract: 本发明公开了一种面向产品制造的组合优化方法，该方法在面向产品制造环境下，实现“质量-成本”控制的组合优化方法，在控制制造成本不超过目标成本的前提下，保证产品的质量达到最优，并且进一步提高了产品的多样性。本发明采用混沌初始化和混沌扰乱策略，并采用具有个性化的适应度函数来评价产品组合方案的优劣。本发明将组合的项目分类，使组合数降低，这样完全枚举所有的产品组合方案成为可能，使得搜索效率提高。本发明提供个性化接口，可以根据用户的个性化要求，产生性价比最优的个性化组合方案。本发明在搜索最优产品组合方案的过程中采用混沌搜索，充分遍历所有可能的最佳产品组合方案，保证了产品组合方案的多样性。
-
Patent Agency Ranking
公开(公告)号：CN119940481A
公开(公告)日：2025-05-06
申请号：CN202510414991.6
申请日：2025-04-03
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于同态评价的鲁棒隐私联邦学习方法，综合现有方案的不足，设计了隐私性、可用性、鲁棒性和效率性四个指标，以全面衡量联邦学习方案。隐私性衡量方案对隐私威胁的防御能力；可用性评估模型在无安全威胁情况下的性能表现；鲁棒性反映方案对安全威胁的抵抗能力；效率性则关注模型在时间效率和计算开销等方面的表现。本发明该方案在隐私性、可用性、鲁棒性和效率性四个指标方面均表现出显著优势，并且可以有效解决了聚合过程中加密梯度质量难以评估的问题。
-
公开(公告)号：CN119474829B
公开(公告)日：2025-03-28
申请号：CN202510051858.9
申请日：2025-01-14
Applicant: 南京邮电大学
IPC: G06F18/213 , G06N3/0442 , G06N3/08 , G06N3/0499 , G06N3/0455
Abstract: 本发明公开了一种基于时间兴趣网络的智能化行为预测方法及系统，涉及软件工程技术领域，包括：接收行为序列，将行为序列通过不同时间段进行划分，得到每个时间段的行为序列，将每个时间段的行为序列输入至预先建立的多头自注意力机制和位置编码模型内，输出得到每个时间段的兴趣特征向量；每个时间段的兴趣特征向量输入至预先建立的Bi‑LSTM模型内，输出得到兴趣序列结果，将兴趣序列结果依次输入预先构建的残差网络和Dropout层内，得到优化兴趣序列结果，将优化兴趣序列结果输入至预先构建的MLP层内，输出得到行为预测结果，提高了对智能化行为预测的精度和预估能力。
-
公开(公告)号：CN119004517B
公开(公告)日：2025-03-18
申请号：CN202411472715.7
申请日：2024-10-22
Applicant: 南京邮电大学
IPC: G06F21/60 , G06F21/62 , G06F18/2415 , G06F18/214
Abstract: 本发明公开了一种基于大模型算力网络图像隐私保护的联邦学习方法及系统，获取图像算力网络的节点信息以及节点处理图像数据信息，根据节点信息以及节点处理图像数据信息将节点分为被动节点和主动节点，通过对被动节点的中间结果和全局模块梯度进行加密保护，阻止主动节点通过被动节点的中间结果和被动节点的全局模块梯度来推理被动节点的特征信息；通过对主动节点总输出的梯度进行加密保护，避免被动节点通过主动节点总输出的梯度来推理主动节点的标签。本发明能够解决因恶意被动节点通过全局模块或梯度来窃取主动节点的标签和主动节点通过被动节点的全局模块的输出来窃取被动节点特征的技术问题。
-
公开(公告)号：CN118674916B
公开(公告)日：2025-03-04
申请号：CN202410774348.X
申请日：2024-06-17
Applicant: 南京邮电大学
IPC: G06V10/25 , G06V10/80 , G06V20/64 , G06N3/0464 , G06V10/82
Abstract: 本发明公开了一种面向自动驾驶的多模态三维目标检测方法和装置，包括以下步骤，提取图像数据中的图像特征；提取点云数据中的点云特征；将图像特征和点云特征双向增强融合，得到点云增强的图像特征和图像增强的点云特征；分别对点云增强的图像特征和图像增强的点云特征进行解码，得到高分辨率图像特征和解码后的点云特征，将高分辨率图像特征与解码后的点云特征融合后，得到融合图像特征的点云特征；将融合图像特征的点云特征送入三维区域建议网络和细化模块进行三维目标检测。本发明采用基于注意力的融合方式，融合模块只关注有用特征并且抑制噪声，充分利用两种模态的互补性进行高效地融合，为自动驾驶系统的环境感知提供了有效的解决方案。
-
公开(公告)号：CN119094425B
公开(公告)日：2025-02-11
申请号：CN202411581891.4
申请日：2024-11-07
Applicant: 南京邮电大学
Abstract: 本发明公开一种算力网络技术领域的云边算力网络路由优化方法，包括获取云边算力网络的网络拓扑结构的高维的算力节点嵌入表示以及边嵌入表示；在算力节点间进行消息传递时，获取网络拓扑结构中各链路的隐藏状态集合；根据高维的算力节点嵌入表示、边嵌入表示以及隐藏状态集合，预测网络拓扑结构中各链路的未来流量，得到各链路的状态信息；将预构建的路由调度问题转化为马尔可夫决策过程；基于马尔可夫决策过程，采用多智能体近端策略优化算法对智能体进行训练，获得最优路由选择策略；其中，所述路由调度问题以最小化链路利用率标准差和任务传输时间为目标构建获取。本发明解决了现有云边算力网络中路由优化效率低下且灵活性差的问题。
-
-
-
-
-
-
-
-
-
Search Results
505
records
(took 0.083 seconds)
