公开(公告)号：CN113256977A

公开(公告)日：2021-08-13

申请号：CN202110521299.5

申请日：2021-05-13

Applicant: 福州大学

Inventor： 郑海峰 ,  邓雷 ,  陈耿 ,  冯心欣 ,  陈由甲

IPC: G08G1/01 ,  G06F17/14 ,  G06F17/16

Abstract: 本发明涉及一种基于图张量分解的交通数据处理方法。该方法将张量转换到图频域并施加时间约束项，以准确估计缺失的交通流量；包括以下步骤：步骤S1：将交通流量数据构造为图张量模型；步骤S2：将图张量分解为两个低秩图张量；步骤S3：构建时间平滑约束；步骤S4：设计目标函数并求解，即在时间平滑约束条件下对两个低秩图张量进行更新优化；步骤S5：利用更新后的两个低秩图张量重建交通流量数据。本方法充分利用交通流量数据的拓扑图结构，以较高的精度恢复出缺失的交通流量数据，为智能交通系统的应用提供参考。

公开(公告)号：CN113256977B

公开(公告)日：2022-06-14

申请号：CN202110521299.5

申请日：2021-05-13

Applicant: 福州大学

Inventor： 郑海峰 ,  邓雷 ,  陈耿 ,  冯心欣 ,  陈由甲

IPC: G08G1/01 ,  G06F17/14 ,  G06F17/16

Abstract: 本发明涉及一种基于图张量分解的交通数据处理方法。该方法将张量转换到图频域并施加时间约束项，以准确估计缺失的交通流量；包括以下步骤：步骤S1：将交通流量数据构造为图张量模型；步骤S2：将图张量分解为两个低秩图张量；步骤S3：构建时间平滑约束；步骤S4：设计目标函数并求解，即在时间平滑约束条件下对两个低秩图张量进行更新优化；步骤S5：利用更新后的两个低秩图张量重建交通流量数据。本方法充分利用交通流量数据的拓扑图结构，以较高的精度恢复出缺失的交通流量数据，为智能交通系统的应用提供参考。

公开(公告)号：CN108882189A

公开(公告)日：2018-11-23

申请号：CN201810582754.0

申请日：2018-06-07

Applicant: 福州大学

Inventor： 郑海峰 ,  康文韬 ,  邓雷 ,  冯心欣

IPC: H04W4/33 ,  H04W4/02 ,  H04W64/00 ,  H04W84/12

Abstract: 本发明涉及一种基于自适应采样的WiFi室内定位方法，包括以下步骤：步骤S1：采集室内感兴趣区域的WiFi数据；步骤S2：构造室内WiFi数据张量；步骤S3：根据所述WiFi数据张量，进行基于杠杆的自适应采样；步骤S4：通过恢复算法进行数据恢复,利用KNN算法实现WiFi数据的室内定位。本发明通过自适应杠杆采样的方式减少构建室内WiFi数据库的时间，人力花费，能够以较少的采样点，较高的精度重建WiFi数据库。

公开(公告)号：CN111082973B

公开(公告)日：2021-06-22

申请号：CN201911179577.2

申请日：2019-11-27

Applicant: 福州大学

Inventor： 郑海峰 ,  邓雷 ,  胡雅英 ,  冯心欣

IPC: H04L12/24 ,  H04L12/26

Abstract: 本发明涉及一种基于杠杆采样的网络时延估计方法，包括以下步骤：步骤S1：采集端到端网络的时延数据，并构造为张量模型；步骤S2：在预设的时间间隙内，随机选择网络中的节点对测量其时延数据；步骤S3：根据测量到的时延数据，计算时延张量的杠杆分数以及下一时隙各节点对的采样概率；步骤S4：根据杠杆分数选择分数大于阈值的节点对并测量其时延；步骤S5：重复步骤S3和S4直到采样完成，得到相应的采样值；步骤S6：根据得到的采样值，利用基于张量奇异值分解的交替方向乘子法进行张量填充，估计未知的网络时延数据。本发明利用网络时延数据的时空相关性，以低的采样成本精确估计未知的网络时延数据，克服了现有方法采样成本高，恢复精度低的问题。

公开(公告)号：CN111082973A

公开(公告)日：2020-04-28

申请号：CN201911179577.2

申请日：2019-11-27

Applicant: 福州大学

Inventor： 郑海峰 ,  邓雷 ,  胡雅英 ,  冯心欣

IPC: H04L12/24 ,  H04L12/26

Abstract: 本发明涉及一种基于杠杆采样的网络时延估计方法，包括以下步骤：步骤S1：采集端到端网络的时延数据，并构造为张量模型；步骤S2：在预设的时间间隙内，随机选择网络中的节点对测量其时延数据；步骤S3：根据测量到的时延数据，计算时延张量的杠杆分数以及下一时隙各节点对的采样概率；步骤S4：根据杠杆分数选择分数大于阈值的节点对并测量其时延；步骤S5：重复步骤S3和S4直到采样完成，得到相应的采样值；步骤S6：根据得到的采样值，利用基于张量奇异值分解的交替方向乘子法进行张量填充，估计未知的网络时延数据。本发明利用网络时延数据的时空相关性，以低的采样成本精确估计未知的网络时延数据，克服了现有方法采样成本高，恢复精度低的问题。

公开(公告)号：CN108882189B

公开(公告)日：2020-11-10

申请号：CN201810582754.0

申请日：2018-06-07

Applicant: 福州大学

Inventor： 郑海峰 ,  康文韬 ,  邓雷 ,  冯心欣

IPC: H04W4/33 ,  H04W4/02 ,  H04W4/021 ,  H04W64/00 ,  H04W84/12

Abstract: 本发明涉及一种基于自适应采样的WiFi室内定位方法，包括以下步骤：步骤S1：采集室内感兴趣区域的WiFi数据；步骤S2：构造室内WiFi数据张量；步骤S3：根据所述WiFi数据张量，进行基于杠杆的自适应采样；步骤S4：通过恢复算法进行数据恢复,利用KNN算法实现WiFi数据的室内定位。本发明通过自适应杠杆采样的方式减少构建室内WiFi数据库的时间，人力花费，能够以较少的采样点，较高的精度重建WiFi数据库。