一种基于蜂窝网络信道共享协作的非正交多址接入边缘计算时延优化方法

    公开(公告)号:CN112020083B

    公开(公告)日:2023-09-26

    申请号:CN202010656692.0

    申请日:2020-07-09

    Abstract: 一种基于蜂窝网络信道共享协作的非正交多址接入边缘计算时延优化方法,在一个基站的覆盖范围下有2个边缘计算用户和1个普通无线通信用户,此基站附近有1个边缘服务器,优化问题描述为DM‑P问题;将DM‑P问题等价转换为DM‑E‑P问题,求出原问题DM‑P的解;如果给定一个t满足#imgabs0#则计算DM‑E‑Sub问题,求出V(x,t)和{s1*,s2*}(x,t)返回到DM‑E‑Top问题,利用对分搜索方法进而求出DMP问题的目标函数值。本发明提高了系统传输效率,节省了带宽资源和边缘服务器计算资源总成本,极大地降低了系统总时延,获得更优质的无线网络体验质量。

    一种基于黄金分割法的人脸图像聚类方法

    公开(公告)号:CN110532867A

    公开(公告)日:2019-12-03

    申请号:CN201910663745.9

    申请日:2019-07-23

    Abstract: 一种基于黄金分割法的人脸图像聚类方法,包括以下步骤:1)应用深度卷积神经网络DCNN实现对数据库中所有人脸图片的特征表示;2)应用K-Means++聚类算法实现对图像表征的聚类;3)基于0.618黄金分割法确定最优聚类数目,过程为:首先,给定聚类范围[a,b],K∈[a,b]。在范围内任意初始化给定聚类数目K0,基于聚类结果的内部性能评估指标构建优化函数f(K);接着,基于0.618黄金分割优化算法一维动态搜索函数最优解。该最优解即为最优聚类数目K*,对应聚类结果C*即为该人脸图像库的最佳聚类。本发明显著提升人脸图像聚类性能。

    一种基于谱聚类和增强学习的自适应人脸图像聚类方法

    公开(公告)号:CN110543816A

    公开(公告)日:2019-12-06

    申请号:CN201910663760.3

    申请日:2019-07-23

    Abstract: 一种基于谱聚类和增强学习的自适应人脸图像聚类方法,包括以下步骤:1)应用深度卷积神经网络DCNN实现对数据库中所有人脸图片的特征表示;2)应用谱聚类算法实现对图像表征的聚类;3)基于增强学习算法自适应搜索最优的聚类数目和谱聚类降维参数,首先,给定期望聚类搜索范围,设定搜索步长及搜索起始点;接着执行Q-Learning算法,在搜索范围内尝试所有可能的调参行为,并选择使得聚类性能最优的行为给予最大正向回报;直至所有行为都无法使得性能优化,或满足最大迭代次数,结束搜索;多次训练后搜索结束点即为最优参数的设定值。本发明通过动态调参和自适应搜索,能够帮助找到全局最优聚类数目和降维数,提升人脸图像聚类性能。

    一种基于迁移学习的人脸图像年龄识别方法

    公开(公告)号:CN109815864A

    公开(公告)日:2019-05-28

    申请号:CN201910027211.7

    申请日:2019-01-11

    Abstract: 一种基于迁移学习的人脸图像年龄识别方法,包括如下步骤:1)采用改善图片亮度均衡性的预处理技术;2)使用深度卷积神经网络DCNN来实现图片特征提取,采用迁移学习的方法来训练DCNN;3)使用softmax分类器,softmax分类器是将多个由DCNN输出的标量参数值映射为一个概率分布数组,每一个概率即是对应分类标签的可能性,在深度卷积神经网络模型中,选择使用Adam优化器求解参数θ,基于DCNN的分类器通过人脸图片数据集训练和Adam优化目标函数获得参数θ来建立,在预测阶段取softmax分类器输出的概率分布数组中最大分量对应的分类标签作为该分类器的预测结果。本发明显著提升人脸图像年龄识别的准确性。

    一种基于改进集成学习策略的人脸图像年龄识别方法

    公开(公告)号:CN109726703A

    公开(公告)日:2019-05-07

    申请号:CN201910027193.2

    申请日:2019-01-11

    Abstract: 一种基于改进集成学习策略的人脸图像年龄识别方法,包括以下步骤:1)在集成学习模型中,需要获得多个弱分类器,每个弱分类器能独自实现对输入对象的预测估计,构建包含多个弱分类器的预测模型;2)基于DCNN获得的多个弱分类器和集成获得的强分类器,均采用softmax分类器;3)采用改进的集成学习策略,首先,遵循投票原则的结合方法,并用设定的阈值T把控每个弱分类器“意见”的信任度;接着,当弱分类器的信任度普遍偏低时,摒弃投票结合方法,并计算每个弱分类器的自信系数ai作为各自的权重值;最后,用加权结合的方法得到强分类器的概率分布数组并取它最大分量对应的分类标签作为最终的预测结果。本发明显著提升准确性。

    一种基于非正交多址接入与蜂窝网络用户协作的移动边缘计算时延优化方法

    公开(公告)号:CN111866061A

    公开(公告)日:2020-10-30

    申请号:CN202010488864.8

    申请日:2020-06-02

    Abstract: 一种基于非正交多址接入与蜂窝网络用户协作的移动边缘计算时延优化方法,包括以下步骤:1)在一个基站的覆盖范围下有2个边缘计算用户和1个蜂窝网用户,此基站附近有1个边缘服务器,优化问题描述为OLM问题;2)将OLM问题分解为OLM-Top问题和OLM-Sub问题,OLM-Sub问题等价转化为OLM-Sub-E;3)提出OLM-Algorithm算法来解决OLM-Top问题;4)OLM-Algorithm算法通过在给定(t,m)和γ的前提下,计算OLM-Sub-E问题,获取 即OLM问题的目标函数值。本发明提高了系统传输效率,节省了带宽资源和边缘服务器计算资源总成本,获得更优质的无线网络体验质量。

    一种基于谱聚类和增强学习的自适应人脸图像聚类方法

    公开(公告)号:CN110543816B

    公开(公告)日:2021-08-03

    申请号:CN201910663760.3

    申请日:2019-07-23

    Abstract: 一种基于谱聚类和增强学习的自适应人脸图像聚类方法,包括以下步骤:1)应用深度卷积神经网络DCNN实现对数据库中所有人脸图片的特征表示;2)应用谱聚类算法实现对图像表征的聚类;3)基于增强学习算法自适应搜索最优的聚类数目和谱聚类降维参数,首先,给定期望聚类搜索范围,设定搜索步长及搜索起始点;接着执行Q‑Learning算法,在搜索范围内尝试所有可能的调参行为,并选择使得聚类性能最优的行为给予最大正向回报;直至所有行为都无法使得性能优化,或满足最大迭代次数,结束搜索;多次训练后搜索结束点即为最优参数的设定值。本发明通过动态调参和自适应搜索,能够帮助找到全局最优聚类数目和降维数,提升人脸图像聚类性能。

    一种基于改进集成学习策略的人脸图像年龄识别方法

    公开(公告)号:CN109726703B

    公开(公告)日:2021-06-18

    申请号:CN201910027193.2

    申请日:2019-01-11

    Abstract: 一种基于改进集成学习策略的人脸图像年龄识别方法,包括以下步骤:1)在集成学习模型中,需要获得多个弱分类器,每个弱分类器能独自实现对输入对象的预测估计,构建包含多个弱分类器的预测模型;2)基于DCNN获得的多个弱分类器和集成获得的强分类器,均采用softmax分类器;3)采用改进的集成学习策略,首先,遵循投票原则的结合方法,并用设定的阈值T把控每个弱分类器“意见”的信任度;接着,当弱分类器的信任度普遍偏低时,摒弃投票结合方法,并计算每个弱分类器的自信系数ai作为各自的权重值;最后,用加权结合的方法得到强分类器的概率分布数组并取它最大分量对应的分类标签作为最终的预测结果。本发明显著提升准确性。

    一种基于迁移学习的人脸图像年龄识别方法

    公开(公告)号:CN109815864B

    公开(公告)日:2021-01-01

    申请号:CN201910027211.7

    申请日:2019-01-11

    Abstract: 一种基于迁移学习的人脸图像年龄识别方法,包括如下步骤:1)采用改善图片亮度均衡性的预处理技术;2)使用深度卷积神经网络DCNN来实现图片特征提取,采用迁移学习的方法来训练DCNN;3)使用softmax分类器,softmax分类器是将多个由DCNN输出的标量参数值映射为一个概率分布数组,每一个概率即是对应分类标签的可能性,在深度卷积神经网络模型中,选择使用Adam优化器求解参数θ,基于DCNN的分类器通过人脸图片数据集训练和Adam优化目标函数获得参数θ来建立,在预测阶段取softmax分类器输出的概率分布数组中最大分量对应的分类标签作为该分类器的预测结果。本发明显著提升人脸图像年龄识别的准确性。

    一种基于黄金分割法的人脸图像聚类方法

    公开(公告)号:CN110532867B

    公开(公告)日:2022-06-17

    申请号:CN201910663745.9

    申请日:2019-07-23

    Abstract: 一种基于黄金分割法的人脸图像聚类方法,包括以下步骤:1)应用深度卷积神经网络DCNN实现对数据库中所有人脸图片的特征表示;2)应用K‑Means++聚类算法实现对图像表征的聚类;3)基于0.618黄金分割法确定最优聚类数目,过程为:首先,给定聚类范围[a,b],K∈[a,b]。在范围内任意初始化给定聚类数目K0,基于聚类结果的内部性能评估指标构建优化函数f(K);接着,基于0.618黄金分割优化算法一维动态搜索函数最优解。该最优解即为最优聚类数目K*,对应聚类结果C*即为该人脸图像库的最佳聚类。本发明显著提升人脸图像聚类性能。

Patent Agency Ranking