-
公开(公告)号：CN114006816B
公开(公告)日：2022-11-22
申请号：CN202111318254.4
申请日：2021-11-09
Applicant: 湖南大学
IPC: H04L41/0823 , H04L41/14 , H04L67/1004 , H04W28/08
Abstract: 本发明公开了一种不确定性条件下移动云计算任务卸载与资源分配方法和系统，方法包括：搭建移动云卸载模型，将各移动用户终端的任务表示为任务大小和计算周期数；基于任务大小、计算周期数期望值及任务执行主体的参数，构建任务分别在移动用户终端本地、计算接入点和远程云中心执行的能耗和时延模型，加权求和确定任务的期望成本函数表达式；参照任务的期望成本函数表达式，确定基于计算周期波动值的波动成本函数表达式；结合期望和波动的成本函数表达式建立目标函数；求解最小化目标函数，得到N个移动用户终端任务的卸载与资源分配方案。本发明在多接入点不确定计算条件下，对任务进行卸载和资源分配，提高在保持期望的成本效率水平的稳健性。
-
公开(公告)号：CN113762338A
公开(公告)日：2021-12-07
申请号：CN202110868311.X
申请日：2021-07-30
Applicant: 湖南大学
Abstract: 本发明公开了一种基于多重图注意力机制的交通流预测方法、设备及介质，方法为：获取训练样本；构建由若干交通流预测子模型构成的交通流预测生成组合模型GC‑GE和由编码器、注意力机制及全连接层构成的交通流预测优化模型GA‑OP；GC‑GE使用每个预测子模型进行初始预测；GA‑OP通过对历史交通流、初始预测交通流、交通流外部因素进行编码，利用注意力机制获取三者间的两两交互关系，并将这些张量拼接到全连接层上进行评分以对整个模型进行训练；最后根据评分确定GC‑GE中各子模型的权重，以此获得最终的预测交通流。本发明不仅考虑了交通流的时空相关性，还考虑交通流外部因素的影响，保证了预测结果的有效性。
-
公开(公告)号：CN119989078A
公开(公告)日：2025-05-13
申请号：CN202510051359.X
申请日：2025-01-13
Applicant: 湖南大学重庆研究院
IPC: G06F18/241 , G06F18/25 , G06N3/042 , G06N3/0464
Abstract: 本申请涉及车辆人员检测技术领域，提供了一种基于多模态数据的车内人员藏匿检测方法及相关设备，该方法包括：获取目标车辆的表面振动信号和整体振动信号；对表面振动信号进行分解，得到第一呼吸信号分量，并对整体振动信号进行分解，得到第二呼吸信号分量；基于第一呼吸信号分量和第二呼吸信号分量，利用分类网络进行分类，得到目标车辆的人员藏匿检测结果。本申请的方法能够提高车内人员藏匿检测的可靠性。
-
公开(公告)号：CN117611223A
公开(公告)日：2024-02-27
申请号：CN202311648875.8
申请日：2023-12-05
Applicant: 湖南大学深圳研究院
IPC: G06Q30/0201 , G06Q30/0202 , G06N3/048 , G06N3/08
Abstract: 本申请公开了一种用于碳交易的车辆油耗数据预测方法及系统，属于智能交通和机器学习技术领域。该方法基于车辆真实驾驶数据预测油耗，首先将收集的数据分为微观和介观两个层面，其次对其进行预处理，然后构建了一个具有两层隐藏层的人工神经网络框架，分别将预处理后的数据采用人工神经网络进行预测，最后将输出值进行综合；碳排放估算模块首先通过综合燃料类型、车辆效率确定碳排放因子，其次结合预测模块输出的油耗数据进行区域车辆碳排放估算，最后用于辅助碳交易价格的预测。本申请在数据预处理前采用了分层处理，并优化了人工神经网络框架的隐藏层、神经元和算法的数量，提高了车辆油耗数据和碳交易价格的预测精度。
-
公开(公告)号：CN114264220A
公开(公告)日：2022-04-01
申请号：CN202111592651.0
申请日：2021-12-23
Applicant: 湖南大学
IPC: G01B7/02
Abstract: 本发明公开了一种移动设备的相对位移精确感知与检测方法，包括：步骤1，获取移动设备分别在初始位置和检测位置时其信号装置的信号强度，计算移动设备在检测位置相至于初始位置的综合信号强度变化率；步骤2，判断综合信号强度变化率是否超过预设的强度变化率阈值，若超过预设阈值则判断移动设备超过安全位移；所述预设的强度变化率阈值，是指安全位移阈值对应的综合信号强度变化率；其中，步骤1的计算和步骤2的判断统称为任务，采用移动云计算系统对移动设备的任务卸载和复制分配，由最优的若干其他移动设备执行任务并回传任务结果。本发明可以在室外准确检测移动设备的位移是否超过安全位移，从而提前达到预警状态。
-
Patent Agency Ranking
公开(公告)号：CN116052427B
公开(公告)日：2024-05-31
申请号：CN202310053817.4
申请日：2023-02-03
Applicant: 湖南大学深圳研究院
Abstract: 本发明公开了一种基于私家车出行轨迹数据的城市间跨区域移动性预测方法及装置，方法包括：获取城市群跨区域出行的私家车轨迹数据和驾驶状态数据，提取历史出行流量数据、时空地理数据和POI数据；基于城市群区域划分，根据提取数据构建城市群的空间邻接矩阵S、语义邻接矩阵W和建模三维图信号张量χ；采用基于时空图常微分方程网络的预测模型，根据城市群的S和W及χ预测城市群未来出行流量；基于交通流理论，从历史出行流量数据中获取出行流量初始状态，再采用基于神经常微分方程网络的预测模型，根据初始状态预测未来出行流量；最终融合两个预测模型的出行流量预测结果，保证了城市间出行流量预测结果的准确性和有效性。
-
公开(公告)号：CN113762338B
公开(公告)日：2023-08-25
申请号：CN202110868311.X
申请日：2021-07-30
Applicant: 湖南大学
IPC: G08G1/01 , G06Q10/04 , G06Q50/30 , G06N3/045 , G06N3/044 , G06N3/042 , G06N3/0464 , G06F18/213 , G06F18/25 , G06F18/214
Abstract: 本发明公开了一种基于多重图注意力机制的交通流预测方法、设备及介质，方法为：获取训练样本；构建由若干交通流预测子模型构成的交通流预测生成组合模型GC‑GE和由编码器、注意力机制及全连接层构成的交通流预测优化模型GA‑OP；GC‑GE使用每个预测子模型进行初始预测；GA‑OP通过对历史交通流、初始预测交通流、交通流外部因素进行编码，利用注意力机制获取三者间的两两交互关系，并将这些张量拼接到全连接层上进行评分以对整个模型进行训练；最后根据评分确定GC‑GE中各子模型的权重，以此获得最终的预测交通流。本发明不仅考虑了交通流的时空相关性，还考虑交通流外部因素的影响，保证了预测结果的有效性。
-
公开(公告)号：CN114264220B
公开(公告)日：2022-11-22
申请号：CN202111592651.0
申请日：2021-12-23
Applicant: 湖南大学
IPC: G01B7/02
Abstract: 本发明公开了一种移动设备的相对位移精确感知与检测方法，包括：步骤1，获取移动设备分别在初始位置和检测位置时其信号装置的信号强度，计算移动设备在检测位置相至于初始位置的综合信号强度变化率；步骤2，判断综合信号强度变化率是否超过预设的强度变化率阈值，若超过预设阈值则判断移动设备超过安全位移；所述预设的强度变化率阈值，是指安全位移阈值对应的综合信号强度变化率；其中，步骤1的计算和步骤2的判断统称为任务，采用移动云计算系统对移动设备的任务卸载和复制分配，由最优的若干其他移动设备执行任务并回传任务结果。本发明可以在室外准确检测移动设备的位移是否超过安全位移，从而提前达到预警状态。
-
公开(公告)号：CN114006816A
公开(公告)日：2022-02-01
申请号：CN202111318254.4
申请日：2021-11-09
Applicant: 湖南大学
IPC: H04L41/0823 , H04L41/14 , H04L67/1004 , H04W28/08
Abstract: 本发明公开了一种不确定性条件下移动云计算任务卸载与资源分配方法和系统，方法包括：搭建移动云卸载模型，将各移动用户终端的任务表示为任务大小和计算周期数；基于任务大小、计算周期数期望值及任务执行主体的参数，构建任务分别在移动用户终端本地、计算接入点和远程云中心执行的能耗和时延模型，加权求和确定任务的期望成本函数表达式；参照任务的期望成本函数表达式，确定基于计算周期波动值的波动成本函数表达式；结合期望和波动的成本函数表达式建立目标函数；求解最小化目标函数，得到N个移动用户终端任务的卸载与资源分配方案。本发明在多接入点不确定计算条件下，对任务进行卸载和资源分配，提高在保持期望的成本效率水平的稳健性。
-
公开(公告)号：CN114266316A
公开(公告)日：2022-04-01
申请号：CN202111631593.8
申请日：2021-12-28
Applicant: 湖南大学
Abstract: 本公开实施例中提供了一种基于层次图卷积网络的碳足迹‑用户分类方法，属于数据处理技术领域，具体包括：提取多个采样点；根据全部采样点之间的距离构建路段信息，并利用谱聚类方法根据全部路段信息构建路网信息；输入混合时空图卷积网络进行学习，得到层次轨迹嵌入表示；将用户信息及其对应的轨迹数据进行编码后嵌入层次轨迹嵌入表示，得到高维轨迹向量；将高维轨迹向量输入图注意力网络进行降维，得到目标轨迹向量；将目标轨迹向量输入多层感知器和激活函数，得到分类模型。通过本公开的方案，利用图结构构建时空图，然后聚合得到层次嵌入信息，而后再通过图卷积网络和注意力机制网络进行训练，进而得到高精度和可扩展性强的分类模型。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.016 seconds)
