-
公开(公告)号:CN112906982A
公开(公告)日:2021-06-04
申请号:CN202110299587.0
申请日:2021-03-22
Applicant: 哈尔滨理工大学
Abstract: 本发明提出一种基于GNN‑LSTM结合的网络流量预测方法,该方法属于网络流量预测领域,首先加载真实网络流量数据集,并对数据集进行标准归一化处理,然后将网络流量数据进行划分训练集和测试集,构建基于图神经网络和长短期记忆神经网络结合的模型,其中图神经网络学习网络拓扑结构,提取网络流量的空域特征,然后将具有空域作为长短期记忆神经网络输入,学习网络流量的时域变化规律,提取网络流量的时域特征,在LSTM模型中进行基于Adam优化算法进行迭代训练,得到训练好的模型,最后输入测试集数据进行预测,输出的序列是基于GNN‑LSTM的预测结果,每项序列生成概率都受多个历史的流量序列的影响,能够更好的提取网络流量的时空特性,流量预测更加精确。
-
公开(公告)号:CN112882814A
公开(公告)日:2021-06-01
申请号:CN202110293402.5
申请日:2021-03-19
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于μC/OS‑II系统的信号量机制,其中,所述信号量机制对共享资源进行保护,将信号量划分为读和写两种机制。在创建信号量时为其分配读任务表,事件等待表和信号量状态等属性。在一个读任务占有信号量时,该任务的优先级被存入读任务表中,更改信号量被占有状态,其它想读共享资源的任务依然可以申请到读信号量,而想要写共享资源的任务申请不到信号量,这样就实现了读读共享、读写互斥和写写互斥,并且可以为读任务表中的任务提升优先级来避免优先级反转的状况,从而解决μC/OS‑II系统中互斥信号量机制经常挂起任务开销较大以及读/写信号量机制中写者等待过久的问题,进一步提高任务之间通信的执行效率。
-