-
公开(公告)号：CN109816095B
公开(公告)日：2023-04-07
申请号：CN201910031354.5
申请日：2019-01-14
Applicant: 湖南大学
IPC: G06N3/0442 , G06N3/08 , G06Q10/04 , G06Q50/30
Abstract: 本发明公开了一种基于改进门控循环神经网络的网络流量预测方法，利用过去一段时间的网络流量作为网络流量预测模型的输入，输出接下来一段时间内网络流量大小的预测值。本发明的方法能在保证预测精度不下降的前提下大幅度减少循环神经网络预测网络流量时的训练时间，有效节约计算资源。
-
公开(公告)号：CN115700628A
公开(公告)日：2023-02-07
申请号：CN202211301263.7
申请日：2022-10-24
Applicant: 湖南大学
IPC: G06Q10/04 , G06Q50/26 , G06N3/045 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G06F18/15 , G06F18/23 , G08G1/01
Abstract: 本发明公开了一种含缺失数据的交通流预测方法，包括：获取某区域的交通数据集，其包含缺失数据，将该交通数据集重建模为交通流数据矩阵，将交通流数据矩阵X输入训练好的时空预测模型的正交非负矩阵分解ONMF模块形成K个簇，并在各簇中利用时空预测模型的广义矩阵分解GMF模块填充数据，以得到填充数据后的交通流数据矩阵对填充后的交通流数据矩阵进行标准化处理，并根据历史步长H和预测窗口W将标准化后的交通流数据矩阵建模为三维张量将三维张量输入训练好的时空预测模型的图卷积循环神经网络GCRNN，以得到预测数据Y′。本发明在对缺失数据的交通预测方面具有通用性，且更细粒度地学习时空特征以实现更有效地交通流预测。
-
公开(公告)号：CN114422382A
公开(公告)日：2022-04-29
申请号：CN202210105778.3
申请日：2022-01-28
Applicant: 湖南大学
IPC: H04L41/147 , H04L41/16 , H04L43/0876 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种网络流量预测方法、计算机装置、产品及存储介质，本发明分别学习邻近的、以日为周期、以周为周期的三种不同范围的数据的时空特征。将三个模块的输出通过自适应融合机制进行融合，并将融合结果输入预测网络中得到预测序列。设计了门控空洞卷积网络，能够在参数比较小的情况下学习数据时间维度上的长相关性；还设计了混合跳图卷积网络，能够学习数据复杂的空间相关性；此外，为了能够为了充分建模网络节点之间动态的和多层次的相互依赖关系，本发明还提出了一个图学习网络，以数据驱动的方式为STA模块中不同的的混合跳图卷积网络学习从浅层次到深层次的邻接矩阵。因此M2STL具有更强的时空学习能力来进行网络流量预测。
-
公开(公告)号：CN112949987A
公开(公告)日：2021-06-11
申请号：CN202110137810.1
申请日：2021-02-01
Applicant: 湖南大学
Abstract: 本发明公开了一种基于预测的出租车调度和匹配方法、系统、设备及介质，对待预测区域进行网络划分，以空间单位作为出租车调度的分析对象，根据调度权重进行空间单位内出租车到其他空间单位的调度，再根据匹配权重进行出租车与乘车请求之间的匹配，可以提前将乘车请求数量少的空间单位内的出租车调度到乘车请求数量突增的空间单位内，降低了交通堵塞，提高了出租车的利润，提高了出租车与乘车请求的匹配率，使尽可能多的乘车请求得到满足；可以根据区域大小或者预测精度来调整空间单位的大小，空间单位越小，调度和匹配精度越高。
-
公开(公告)号：CN112766603A
公开(公告)日：2021-05-07
申请号：CN202110138028.1
申请日：2021-02-01
Applicant: 湖南大学
Abstract: 本发明公开了一种交通流量预测方法、系统、计算机设备及存储介质，双向GRU模型的正向GRU接受顺时间方向的输入向量，逆向GRU接受逆时间方向的输入向量，双向GRU模型输出的中间状态向量使用注意力机制确定预测输出向量的权重矩阵，使预测输出向量中的重要特征对应的权重更大，避免了预测过程中局部依赖的出现，相对于单向GRU，增加了一倍的隐藏层状态，能够充分提取数据的时间特征，注意力机制识别重要特征，加快了模型收敛，提高了预测效果，训练数据包含了预测路段及其相邻路段的交通流量数据，在时间相关性的基础上，结合空间相关性进行预测，更有效地提高了短期交通流量预测的准确度。
-
Patent Agency Ranking
公开(公告)号：CN111523546A
公开(公告)日：2020-08-11
申请号：CN202010297870.5
申请日：2020-04-16
Applicant: 湖南大学
Abstract: 本发明公开了一种图像语义分割方法、系统及计算机存储介质，对输入图像进行预处理；使用卷积神经网络捕捉通用特征，并在其适当位置分别嵌入空间CNN和注意力模型；利用SCNN算法对所述的通用特征进行挖掘，获得深层次特征信息；通过注意力模型对得到的通用特征以及深层特征进行多尺度特征信息的提取；融合网络将SCNN算法与注意力模型得到的结果进行融合，生成最终预测的语义分割结果。该方法用于解决现有技术中存在的图像分辨率降低、难以正确识别和分割多尺度对象的问题，有利于提高语义分割网络的精确性。
-
公开(公告)号：CN107888494B
公开(公告)日：2020-06-26
申请号：CN201711220576.9
申请日：2017-11-29
Applicant: 湖南大学
IPC: H04L12/715 , H04L12/721 , H04L12/741
Abstract: 本发明公开了一种基于社区发现的包分类方法及系统，包括以下步骤：使用规则生成器生成原始规则集；将原始规则集中的规则使用环形窗口、规则相似性算法组成新的社区集合，每个社区内的规则都具有相同的处理动作；对达到路由器的数据包，提取头部字段的五元组属性；将数据包属性与社区集合进行匹配，并直接将社区的动作应用到对数据包的处理上；当路由规则更新时，判断社区结构中间层是否需要更新。本发明提供了一种使用社区发现技术来快速找到数据包处理动作的方法，使路由器在对数据包进行处理时，能够将规则匹配和处理动作两个步骤进行结合，从而提高了数据包转发效率，并且社区结构中间层适合未来网络中路由器规则需要频繁更新的场景。
-
公开(公告)号：CN110943927A
公开(公告)日：2020-03-31
申请号：CN201911241609.7
申请日：2019-12-06
Applicant: 湖南大学
IPC: H04L12/751 , H04L12/801 , H04L12/823 , H04L12/833 , H04L12/841
Abstract: 本发明公开了一种基于时延管理的命名数据网络传输控制方法、装置和设备，该方法通过路由端队列管理机制下的队列排队时延信息设计和确定静态局部变量，并根据静态局部变量选取转发策略进行转发决策，排队时延信息是流量传输过程中最直接有效的参数，该方法摒弃了流量传输过程中很多无效或低效的网络参数，路由端不需要过分地收集、计算和分配信息，在保证甚至提高网络流量传输性能的前提下，降低了在数据收集、路由资源计算和路由转发下的资源开销，提高了资源的利用率，提高了网络流量传输的及时性和有效性；该方法以排队时延作为转发决策的正反馈，转发决策又反作用于排队队列，能够真正意义上实现闭环调整。
-
公开(公告)号：CN110572389A
公开(公告)日：2019-12-13
申请号：CN201910839788.8
申请日：2019-09-06
Applicant: 湖南大学
IPC: H04L29/06
Abstract: 本发明公开一种基于增量塔克分解的在线异常检测方法、系统及存储介质，该方法包括：根据三维张量模型对采集的数据建模；将建模后的张量沿模-n展开为矩阵A(n)，并通过奇异值分解将A(n)分解为三个因子矩阵；采用增量SVD的方法根据当前时刻到达的数据矩阵动态更新A(n)的三个因子矩阵；通过更新的因子矩阵重构出正常数据；根据当前时刻数据矩阵与正常数据获得误差张量数据，通过非松弛方法进行异常检测获得异常数据；在当前时刻正常数据与前一时刻正常数据之差的绝对值小于异常数据的个数阈值时，根据异常数据在误差张量数据中的位置输出异常张量数据。解决现有技术中难于表征多维数据和无法在线检测等问题，实现数据的高阶建模及在线检测。
-
公开(公告)号：CN109816095A
公开(公告)日：2019-05-28
申请号：CN201910031354.5
申请日：2019-01-14
Applicant: 湖南大学
Abstract: 本发明公开了一种基于改进门控循环神经网络的网络流量预测方法，利用过去一段时间的网络流量作为网络流量预测模型的输入，输出接下来一段时间内网络流量大小的预测值。本发明的方法能在保证预测精度不下降的前提下大幅度减少循环神经网络预测网络流量时的训练时间，有效节约计算资源。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.025 seconds)
