-
公开(公告)号：CN109257443B
公开(公告)日：2019-12-10
申请号：CN201811334051.2
申请日：2018-11-09
Applicant: 长安大学
IPC: H04L29/08
Abstract: 本发明公开了一种面向车联网的命名数据网络自适应缓存策略，通过提取前一时间窗口Data包回传路径中Vj1、Vj2、Vj3的请求前缀出现次数，请求前缀出现次数的平均值来计算内容流行度，计算节点的Data包缓存的间隔跳数，本发明结合缓存内容和交通流动态特性，提出根据内容流行度和车辆密度进行缓存决策，隔跳缓存数据包，依据命名数据网络中内容流行度，计算节点的Data包缓存的间隔跳数，再使用车辆密度自适应的调整跳数，隔跳缓存Data包，能够有效释放缓存空间，从而解决同质化缓存及缓存效率低下的问题，优化车联网整体性能，减少拥塞，降低了网络的开销，同时减少了网络中的缓存冗余，避免了广播风暴问题，提高了网络资源利用率和整体网络性能。
-
公开(公告)号：CN109257443A
公开(公告)日：2019-01-22
申请号：CN201811334051.2
申请日：2018-11-09
Applicant: 长安大学
IPC: H04L29/08
Abstract: 本发明公开了一种面向车联网的命名数据网络自适应缓存策略，通过提取前一时间窗口Data包回传路径中Vj1、Vj2、Vj3的请求前缀出现次数，请求前缀出现次数的平均值来计算内容流行度，计算节点的Data包缓存的间隔跳数，本发明结合缓存内容和交通流动态特性，提出根据内容流行度和车辆密度进行缓存决策，隔跳缓存数据包，依据命名数据网络中内容流行度，计算节点的Data包缓存的间隔跳数，再使用车辆密度自适应的调整跳数，隔跳缓存Data包，能够有效释放缓存空间，从而解决同质化缓存及缓存效率低下的问题，优化车联网整体性能，减少拥塞，降低了网络的开销，同时减少了网络中的缓存冗余，避免了广播风暴问题，提高了网络资源利用率和整体网络性能。
-
Patent Agency Ranking
公开(公告)号：CN108053665A
公开(公告)日：2018-05-18
申请号：CN201810036829.5
申请日：2018-01-15
Applicant: 长安大学
Abstract: 本发明提供车联网环境中双信任机制的交通信息识别转发方法，1.发送节点i向接收节点j发送道路路况信息M，接收节点j接收信息M；2.判断发送节点i是否为特殊车辆，3.收节点j计算发送节点i的信任值；4.接收节点j判断发送节点i是否可信；5.计算道路路况信息M与车辆信息MR属性向量的夹角余弦值和一致性来评估它们的相似度；6.判断发送节点i所发道路路况信息M内容是否可信；本发明通过计算移动节点的信任值判断其是否可信，基于余弦相似度进行信息内容相似性比较，从而对节点发送的信息内容进行文本相似性计算比较，判断节点发送的道路路况信息内容是否可信。利用双信任机制评估了车联网中交通信息的可信度，有效地提高了整个车联网的转发率。
-
公开(公告)号：CN119007152A
公开(公告)日：2024-11-22
申请号：CN202411093790.2
申请日：2024-08-09
Applicant: 长安大学
IPC: G06V20/56 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于边缘引导的多损失驾驶感知方法，属于复杂背景下的图像分割和目标检测技术领域。本发明公开的方法，采用编码器、解码器、特征融合模块、多尺度特征聚合模块、边缘提取模块和边缘感知优化模块，从基于共享的主干编码器中获得了多尺度的特征，传达了丰富的对象线索，随后输入解码器得到特征向量；通过将特征向量输入到特征融合模块进行特征融合，将得到的融合信息分别输入到多尺度特征聚合模块和边缘提取模块中，最后用边缘感知优化模块对图像边缘进行优化，相对于其他方法，本发明的方法实现了高准确率、低误检率、高检测速度、图像边缘锐化的效果。
-
公开(公告)号：CN117710963A
公开(公告)日：2024-03-15
申请号：CN202311789698.5
申请日：2023-12-23
Applicant: 长安大学
IPC: G06V20/68 , G06V10/25 , G06V10/26 , G06V20/70 , G06V10/82 , G06V10/80 , G06V10/52 , G06V10/44 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/045 , G06N3/09
Abstract: 本发明公开了一种基于多尺度外部注意力特征融合的桃目标检测方法，属于复杂背景下的目标检测技术领域。本发明公开的检测方法，首先用骨干网络提取图像特征，并将最后一层特征送入改进后的金字塔池化模块，然后将提取后的各层特征输入特征金字塔网络中，用多尺度外部注意力模块来对输入的特征进行提炼，将提炼后的特征分别与池化后的特征进行特征整合，特征整合以后像FCOS方法一样输出五个检测头，每个检测头都可以用于分类、目标中心和回归任务，该方法可以将不同尺度的特征进行更好的融合，为后面特征融合提供了更加准确的信息，同时结构简单、易于实现，仅仅使用线性层和归一化层，并不增加模型的额外开销。
-
公开(公告)号：CN115983597A
公开(公告)日：2023-04-18
申请号：CN202310057115.3
申请日：2023-01-15
Applicant: 长安大学
IPC: G06Q10/0631 , G06Q50/30 , G06F21/62 , G06F18/214
Abstract: 本发明提供一种基于边缘计算的本地隐私保护出行匹配方法，包括：步骤一：出行调度平台训练得到时空表示模型并分发给用户的边缘设备；所述用户包括司机和乘客；步骤二：用户的边缘设备根据时空表示模型对用户的出行基本信息进行向量表示，并将得到的向量带入用户本地的自动编码器进行多轮训练得到出行特征向量，从多轮训练结果中随机选择一个出行特征向量发送给出行调度平台；步骤三：出行调度平台根据出行特征向量的相关性进行司机和乘客的匹配，并将匹配结果发送给乘客和司机的边缘设备；步骤四：司机和乘客的边缘设备根据匹配结果建立点对点通信，完成后续出行服务。本发明解决了既要保护用户隐私信息，又要保证出行服务质量的技术问题。
-
公开(公告)号：CN108053665B
公开(公告)日：2019-05-03
申请号：CN201810036829.5
申请日：2018-01-15
Applicant: 长安大学
Abstract: 本发明提供车联网环境中双信任机制的交通信息识别转发方法，1.发送节点i向接收节点j发送道路路况信息M，接收节点j接收信息M；2.判断发送节点i是否为特殊车辆，3.收节点j计算发送节点i的信任值；4.接收节点j判断发送节点i是否可信；5.计算道路路况信息M与车辆信息MR属性向量的夹角余弦值和一致性来评估它们的相似度；6.判断发送节点i所发道路路况信息M内容是否可信；本发明通过计算移动节点的信任值判断其是否可信，基于余弦相似度进行信息内容相似性比较，从而对节点发送的信息内容进行文本相似性计算比较，判断节点发送的道路路况信息内容是否可信。利用双信任机制评估了车联网中交通信息的可信度，有效地提高了整个车联网的转发率。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
