-
公开(公告)号：CN112559178B
公开(公告)日：2024-05-10
申请号：CN202011480417.4
申请日：2020-12-16
Applicant: 湘潭大学
Abstract: 本发明提出了一种基于边云服务器协同计算的任务卸载方法。本发明步骤为：首先用户根据任务的能量消耗挑选预卸载边缘服务器；然后边缘服务器对任务依响应比进行排序，在最大时延的限制下根据任务在边缘服务器的等待时间，判断任务的卸载方式；最后对于任务分配不均衡的边缘服务器，进行动态调整，然后用户根据相应最终策略进行任务卸载。本发明通过响应比排序有效的提高了任务计算效率，此外还引入了个性化卸载决策，用户可以自行根据当前处理任务需求设定响应时间和能耗的权重值，有效的提高了服务质量。
-
公开(公告)号：CN117611814A
公开(公告)日：2024-02-27
申请号：CN202311562540.4
申请日：2023-11-22
Applicant: 湘潭大学
IPC: G06V10/26 , G06V20/70 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种面向多模态图像语义分割模型的对抗样本生成方法。本发明将所获取的同一场景的可见光图像和A模态图像成对输入到训练好的多模态对抗样本生成网络中得到多模态对抗样本。该多模态对抗样本生成网络包括：生成器网络G，用于生成适用于可见光图像的对抗扰动；判别器网络D，用于区分可见光的原始图像和对抗样本，帮助生成器生成隐蔽性和攻击性更高的对抗样本；转换器网络T，用于将可见光图像的对抗扰动转换为A模态图像的对抗扰动。本发明能够有效的利用可见光和其他模态图像之间的关联性，生成针对多模态图像语义分割模型的多模态对抗样本，在加入较小扰动情况下，有效提升了对多模态图像的攻击成功率。
-
公开(公告)号：CN111583254B
公开(公告)日：2023-04-14
申请号：CN202010419382.7
申请日：2020-05-18
Applicant: 湘潭大学
Abstract: 本发明提出了一种曲轴瓦盖组摆放方向和顺序异常的视觉检测方法。其步骤如下：首先，基于边缘模板匹配对瓦盖组工件定位；然后，提取瓦盖组的螺栓圆孔和油墨标记线等几何基元及其位置；最后，分别计算每块瓦盖上表面左侧螺栓圆孔圆心到其油墨标记线的中心线之间的孔线距离、油墨标记线的中心线与虚拟中心标记线之间的距离，以此作为模糊推理的输入，自主推理判断瓦盖组摆放方向和顺序是否正确。本发明优点在于模糊理论对瓦盖组摆放方向和顺序进行检测，而非采用固定的阈值，鲁棒性强，直观检测、速度快、精度高，能够满足工业现场检测高速、高精度的要求。
-
公开(公告)号：CN115843042A
公开(公告)日：2023-03-24
申请号：CN202211418909.X
申请日：2022-11-14
Applicant: 湘潭大学
IPC: H04W16/22 , H04L41/142
Abstract: 本发明提出了一种边缘网络中基于双边匹配的数字孪生构建方法，首先根据数字孪生的边缘网络场景获得所有终端设备请求服务器的传输与计算延迟参数以及服务器建立相应终端设备数字孪生模型所得到的效益参数；构建最大化总利润模型，将终端设备与数字孪生边缘服务器关联问题转化为图匹配问题，考虑终端设备与数字孪生边缘服务器的双向偏好选择，并设定终端设备对数字孪生边缘服务器以及数字孪生边缘服务器对终端设备的偏好值公式，最后，使用最优匹配算法对模型进行求解，确定终端设备关联决策。本发明适用于边缘网络场景中的终端设备的数字孪生模型构建，能够使终端设备与服务器的关联匹配方式达到稳定匹配状态，在满足计算资源约束下，有效提高了整体利润。
-
公开(公告)号：CN115102974A
公开(公告)日：2022-09-23
申请号：CN202111488348.6
申请日：2021-12-08
Applicant: 湘潭大学
IPC: H04L67/12 , H04L41/142 , H04L67/5681
Abstract: 本发明提出了一种基于双边匹配博弈的协同内容缓存方法。本发明步骤为：首先根据请求车辆的偏好列表以及内容请求参数初始化车辆之间的关联值；然后，根据公式计算车辆的权重值和网络开销，通过双边匹配博弈算法动态调整车辆的关联值列表；最后引进强化学习模型来获得最优的内容缓存策略。本发明构建了一个车载环境下的云边协同缓存框架，有效利用多设备的协同缓存，提高缓存命中率；结合车辆的高速动态性，建立基于时延感知的双边匹配博弈算法，实现设备和请求车辆之间的动态关联，从而作出缓存决策，减少内容传输时延和网络开销。
-
Patent Agency Ranking
公开(公告)号：CN114972835A
公开(公告)日：2022-08-30
申请号：CN202111458156.0
申请日：2021-12-02
Applicant: 湘潭大学
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种混合抑制数据增强方法。本发明的主要特征在于：第一，在深度学习模型训练过程中对数据进行读取，并完成数据集标签的统计与分析；第二，通过分析的结果，在训练过程中的每一轮中对读入的图像动态选取不同的被删除标签和信息源标签；第三，将选取的被删除标签和信息源标签进行图像信息的区域信息擦除和混合，产生新的图像样本。通过上述的方式，本发明能够显著降低深度学习在实际应用过程中对数据集数量的需求，在不改变图像背景以及目标位置分布的情况下抑制现实数据集中广泛存在的长尾效应，提升数据集各个类别的多样性，极大的减少深度学习落地应用的开发成本。
-
公开(公告)号：CN109254841B
公开(公告)日：2021-11-26
申请号：CN201811159620.4
申请日：2018-09-30
IPC: G06F9/48
Abstract: 本发明涉及分布式系统技术领域，具体涉及一种用于分布式系统的双目标最优化任务调度方法。本发明步骤包括：首先，设置应用的任务参数和应用可靠性需求，计算应用中各任务在各处理器上执行的可靠性，并对每一个任务在各处理器上可靠性按大小排序；然后，计算该应用的最小冗余值的上下限；第三，通过二分查找法在该范围内选择一个冗余值，对该冗余值和应用之间所有可能的分配情况进行分类，过滤无效分类；并通过非穷举策略对有效分类进行验证，找出该应用在满足应用可靠性需求前提下的最小冗余值；最后，确定应用的应用可靠性，最小冗余值。本发明具有以最少冗余满足应用可靠性需求的优点，实用性强。
-
公开(公告)号：CN108108241B
公开(公告)日：2021-08-03
申请号：CN201810028362.X
申请日：2018-01-11
Applicant: 湘潭大学
Abstract: 本发明提出一种用于分布式系统的满足应用可靠性需求的任务调度方法。本发明步骤：首先，计算应用中每一个任务在不同处理器上执行的可靠性，并对该可靠性按大小排序；然后，将每个任务在其可靠性最大的可用处理器上进行一次复制，得到每个任务的实时可靠性和应用的实时可靠性；第三，根据应用实时可靠性与可靠性需求的关系，按各任务的实时可靠性排序并依次进行一次复制，每次复制后更新该任务的实时可靠性和应用的实时可靠性，反复迭代更新直至应用的实时可靠性满足可靠性需求为止；最后，确定应用的最终可靠性，总冗余数，整体运行时间成本。本发明具有低冗余、高效率的优点，实用性强。
-
公开(公告)号：CN113055234A
公开(公告)日：2021-06-29
申请号：CN202110292349.7
申请日：2021-03-18
Applicant: 湘潭大学
Abstract: 本发明提出了一种基于边缘计算的服务功能链部署方法。首先根据边缘计算网络场景得到所有任务请求的数据参数和所有微云服务器的性能参数；然后构建任务完成时间最优化问题模型，按照任务编号从小到大的顺序依次对每个任务请求执行一种近似算法，解决任务完成时间最小化问题，计算所有任务请求的链路选择决策和SFC中VNF实例的部署决策；最后网络控制器根据部署决策在微云服务器上部署VNF实例，然后将所有任务请求的SFC中所有VNF分配至VNF实例执行。本发明能够适用于边缘计算网络场景下任务请求的SFC部署，通过降低每个任务请求执行SFC的时间开销，从而最小化边缘计算网络场景下完成任务集合的总服务时间。
-
公开(公告)号：CN112559178A
公开(公告)日：2021-03-26
申请号：CN202011480417.4
申请日：2020-12-16
Applicant: 湘潭大学
Abstract: 本发明提出了一种基于边云服务器协同计算的任务卸载方法。本发明步骤为：首先用户根据任务的能量消耗挑选预卸载边缘服务器；然后边缘服务器对任务依响应比进行排序，在最大时延的限制下根据任务在边缘服务器的等待时间，判断任务的卸载方式；最后对于任务分配不均衡的边缘服务器，进行动态调整，然后用户根据相应最终策略进行任务卸载。本发明通过响应比排序有效的提高了任务计算效率，此外还引入了个性化卸载决策，用户可以自行根据当前处理任务需求设定响应时间和能耗的权重值，有效的提高了服务质量。
-
-
-
-
-
-
-
-
-
Search Results
139
records
(took 0.023 seconds)
