-
公开(公告)号：CN103945179B
公开(公告)日：2017-07-18
申请号：CN201410109070.0
申请日：2014-03-20
Applicant: 吉林大学
Abstract: 本发明涉及一种基于分布式无线传感器网络的智能视频监控系统，本发明将无线传感器网络与视频图像监控系统有效结合，系统主要由智能视频监控设备、传输节点、汇聚节点、视频数据云服务中心和用户接入终端组成。智能视频监控设备将预警信息通过无线传感器网络发送至汇聚节点，汇聚节点通过互联网、移动通信网将该信息传输至视频数据云服务中心或用户接入终端，视频数据云服务中心存储历史数据并允许用户接入终端实时访问。本发明充分结合视频监控系统和无线传感器网络各自的优点，具有智能预警、反应灵敏、用户操作简单和部署维护方便等特点。
-
公开(公告)号：CN116150511A
公开(公告)日：2023-05-23
申请号：CN202310125978.X
申请日：2023-02-17
Applicant: 吉林大学
IPC: G06F16/9537 , G06F16/9535 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于时空上下文和类别偏好的下一个位置推荐方法，包括：步骤一、获取用户签到的类别序列，构建每个用户的类别关联图，用词向量获取图中节点的嵌入向量，通过进行门控图神经网络训练，得到每个类别节点的嵌入向量，通过注意力机制生成用户的类别偏好；步骤二、获取用户签到序列，通过LSTM和上下文注意力机制得到每次签到的嵌入向量表示和隐藏状态，基于时间注意力机制得到每次签到的权重，生成用户的兴趣点偏好；步骤三、筛选候选兴趣点，结合类别偏好和兴趣点偏好，计算候选兴趣点的概率值，并对其进行降序排列，对候选兴趣点进行排序，将Top‑N的位置推荐给用户。
-
公开(公告)号：CN110267229A
公开(公告)日：2019-09-20
申请号：CN201910653286.6
申请日：2019-07-19
Applicant: 吉林大学
Abstract: 本发明公开一种基于协作波束成形的车联网安全通信方法，包括步骤1：确定生成数据并需要将其发送至基站的车辆为源节点，并获取源节点与所述基站的距离；步骤2：选取所述源节点周围的车辆为候选节点，并组成候选节点集，所述源节点向所述候选节点集发布信息，所述候选节点集接收所述信息并将其对应的ID和坐标信息响应给所述源节点，所述源节点依次获取其与所述候选节点集中的节点的距离；步骤3：对所述源节点与所述候选节点集中的节点的距离按照升序排序，并选择前N个节点为参与协作波束成形的协作节点集；步骤4：利用进化算法计算所述虚拟阵列天线的节点的理想激励电流；步骤5：所述源节点向所述协作节点集广播协作波束成形控制信息。
-
公开(公告)号：CN110212954B
公开(公告)日：2020-11-03
申请号：CN201910480496.X
申请日：2019-06-04
Applicant: 吉林大学
Abstract: 本发明公开一种适用于车联网的阵列天线波束成形方向图优化方法及系统。初始化阵元的激励电流值，将阵元的激励电流值作为种子；将种子散布在解的空间中长成杂草；对各杂草个体进行变异操作；计算变异后的杂草个体的适应度值并按照升序排列；根据变异后的杂草个体，得到新的种子；将新的种子扩散到空间中，产生新的杂草个体；计算其适应度值；将所有杂草个体的适应度值按照升序进行排列；根据升序排序结果淘汰掉适应度值高的杂草个体，并保持个体数量的最大值；判断是否达到最大迭代次数；若是，输出当前的最小适应度值所对应的杂草个体；若否，继续进行变异操作。本发明能够有效地降低波束成形中的最大旁瓣电平，达到基站对车辆快速跟踪的目的。
-
公开(公告)号：CN103841571B
公开(公告)日：2017-03-15
申请号：CN201410109068.3
申请日：2014-03-20
Applicant: 吉林大学
CPC classification number: Y02D70/00
Abstract: 在分布式无线传感器网络远距离通信领域中，单个节点的通信距离和能量受限，采用多跳的方式存在的误码率较高和时延较大等问题，为此，本发明公布了一种无线传感器网络波束成形传输的协作通信方式及节点的选择方法。具体思路是：首先，确定组成虚拟天线阵列所需的最少节点数量；然后，确定该阵列的理想天线方向图，根据该理想方向图，确定阵列的形状及节点间距等条件，选择出符合该条件的节点组成天线阵列；最后，管理节点协调各组阵节点统一时序，利用波束成形的方式联合发射数据。利用本发明所提出的方法，可有效避免传统无线传感器网络远距离多跳通信所带来的时延过高和能量损耗过大的问题，提高了通信成功的概率并延长了网络
-
Patent Agency Ranking
公开(公告)号：CN116010838A
公开(公告)日：2023-04-25
申请号：CN202310031352.2
申请日：2023-01-10
Applicant: 吉林大学
IPC: G06F18/23213 , G06F18/2433 , G06F18/232 , G06F18/15 , G06F18/22
Abstract: 本发明公开了一种融合密度值和K‑means算法的车辆轨迹聚类方法，包括如下步骤：步骤一、采集原始轨迹数据进行预处理后获得轨迹集合；步骤二、依次对轨迹集合中的轨迹两两之间计算轨迹距离；步骤三、确定轨迹集合中所有轨迹的密度，并将密度值最大的轨迹作为第一条中心轨迹添加至簇中心轨迹集合中；步骤四、依次计算轨迹集合中剩余轨迹被选为中心轨迹的权重，将权重值最大的剩余轨迹作为下一条中心轨迹，并将其移入簇中心轨迹集合中，直至簇中心轨迹集合的容量达到K时，中心轨迹挑选完成；步骤五、将轨迹集合中密度最低值的轨迹移除，再次进行K‑means聚类，直至达到迭代次数或者轨迹簇内的元素不再改变，轨迹聚类过程结束。本发明具有聚类精度高的特点。
-
公开(公告)号：CN110212954A
公开(公告)日：2019-09-06
申请号：CN201910480496.X
申请日：2019-06-04
Applicant: 吉林大学
Abstract: 本发明公开一种适用于车联网的阵列天线波束成形方向图优化方法及系统。初始化阵元的激励电流值，将阵元的激励电流值作为种子；将种子散布在解的空间中长成杂草；对各杂草个体进行变异操作；计算变异后的杂草个体的适应度值并按照升序排列；根据变异后的杂草个体，得到新的种子；将新的种子扩散到空间中，产生新的杂草个体；计算其适应度值；将所有杂草个体的适应度值按照升序进行排列；根据升序排序结果淘汰掉适应度值高的杂草个体，并保持个体数量的最大值；判断是否达到最大迭代次数；若是，输出当前的最小适应度值所对应的杂草个体；若否，继续进行变异操作。本发明能够有效地降低波束成形中的最大旁瓣电平，达到基站对车辆快速跟踪的目的。
-
公开(公告)号：CN110334293B
公开(公告)日：2021-08-27
申请号：CN201910627873.8
申请日：2019-07-12
Applicant: 吉林大学
IPC: G06F16/9538 , G06F16/9536 , G06K9/62 , G06Q50/00
Abstract: 本发明公开了一种面向位置社交网络的基于模糊聚类的具有时间感知的位置推荐方法，包括：步骤一、获取用户签到数据信息，包括用户信息、位置信息和时间信息；步骤二、通过所述位置信息提取访问位置地理特征，通过所述时间信息提取用户时间特征，根据所述访问位置地理特征和所述用户时间特征得到用户特征向量后，得到基于用户模糊聚类算法的位置推荐；根据所述时间信息和所述位置信息计算各个位置在各个时间段的位置吸引力后，得到基于位置吸引力的位置推荐；步骤三、根据所述位置推荐通过协同过滤方法预测时间感知下用户对每个未签到的访问值；步骤四、给定目标用户和时间，筛选所述每个未签到的访问值Top‑N的位置，对用户进行推荐。
-
公开(公告)号：CN110267229B
公开(公告)日：2020-06-02
申请号：CN201910653286.6
申请日：2019-07-19
Applicant: 吉林大学
Abstract: 本发明公开一种基于协作波束成形的车联网安全通信方法，包括步骤1：确定生成数据并需要将其发送至基站的车辆为源节点，并获取源节点与所述基站的距离；步骤2：选取所述源节点周围的车辆为候选节点，并组成候选节点集，所述源节点向所述候选节点集发布信息，所述候选节点集接收所述信息并将其对应的ID和坐标信息响应给所述源节点，所述源节点依次获取其与所述候选节点集中的节点的距离；步骤3：对所述源节点与所述候选节点集中的节点的距离按照升序排序，并选择前N个节点为参与协作波束成形的协作节点集；步骤4：利用进化算法计算所述虚拟阵列天线的节点的理想激励电流；步骤5：所述源节点向所述协作节点集广播协作波束成形控制信息。
-
公开(公告)号：CN110334293A
公开(公告)日：2019-10-15
申请号：CN201910627873.8
申请日：2019-07-12
Applicant: 吉林大学
IPC: G06F16/9538 , G06F16/9536 , G06K9/62 , G06Q50/00
Abstract: 本发明公开了一种面向位置社交网络基于模糊聚类的具有时间感知位置推荐方法，包括：步骤一、获取用户签到数据信息，包括用户信息、位置信息和时间信息；步骤二、通过所述位置信息提取访问位置地理特征，通过所述时间信息提取用户时间特征，根据所述访问位置地理特征和所述用户时间特征得到用户特征向量后，得到基于用户模糊聚类算法的位置推荐；根据所述时间信息和所述位置信息计算各个位置在各个时间段的位置吸引力后，得到基于位置吸引力的位置推荐；步骤三、根据所述位置推荐通过协同过滤方法预测时间感知下用户对每个未签到的访问值；步骤四、给定目标用户和时间，筛选所述每个未签到的访问值Top-N的位置，对用户进行推荐。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.018 seconds)
