-
公开(公告)号：CN111460318A
公开(公告)日：2020-07-28
申请号：CN202010240429.3
申请日：2020-03-31
Applicant: 中南大学
IPC: G06F16/9536 , G06N20/00
Abstract: 本发明提供了一种基于显性和隐性信任的协同过滤推荐方法，包括：根据用户物品评分矩阵R，计算用户u对用户v进行预测评分时的准确性；计算用户u对用户v的依赖程度；根据准确性和依赖程度，计算用户u对用户v的隐性信任度；根据隐性信任度对用户物品评分矩阵R进行填充；计算用户u对物品的评分置信度；根据评分置信度和填充处理后的用户物品评分矩阵，计算用户u对用户v之间的相似性；计算用户u的全局信任度，以及用户u对用户v的局部信任度；根据全局信任度和局部信任度，计算用户u对用户v的最终信任度；修正用户u的潜在特征用户矩阵；根据潜在用户特征矩阵，预测用户u对物品i的评分。本发明能解决由于信息过载导致的数据稀疏和用户冷启动问题，提高推荐准确性。
-
公开(公告)号：CN110753382A
公开(公告)日：2020-02-04
申请号：CN201911011247.2
申请日：2019-10-23
Applicant: 中南大学
Abstract: 本发明公开了一种新的车载网络路由算法。该方法主要研究车辆与位置之间的转移概率和车辆之间位置关系，概率矩阵分解是求解车辆与位置之间转移概率的一种好方法。关联网络用来表示车辆之间的位置关系，可以保证概率的准确性和不必要的计算。利用预测位置信息计算车辆数据转发能力，从而选择最优的车辆节点进行数据转发，本发明通过分析车辆与位置点之间的关系，构建车辆移动位置概率矩阵。车辆移动由于受限于车辆自身位置关系和诸多外界因素，在考虑车辆移动关系中加入车辆自身位置关系和隐含因素的考虑，较为精确地估计车辆下一时刻出现在某些位置点的概率。
-
公开(公告)号：CN108449270A
公开(公告)日：2018-08-24
申请号：CN201810232831.X
申请日：2018-03-21
Applicant: 中南大学
IPC: H04L12/725 , H04L12/851 , H04L29/08 , H04W40/18 , H04L12/721 , H04L12/727
Abstract: 本发明涉及一种基于消息优先级的缓存调度策略，针对现有机会网络缓存资源受限以及消息副本冗余等问题，通过考虑对机会网络缓存进行管理，对消息的转发与删除进行优化。根据节点携带消息的传输成功能力、服务能力以及消息的剩余容忍延迟时间建立优先级函数，并根据优先级值队列进行数据分组的转发和丢弃策略。在节点间建立连接时，发送消息的节点优先转发消息优先级值较大的消息；当接收消息的节点缓存区已满无法接纳新到达的数据分组时，优先删除优先级值较小的消息。并根据节点所有消息的平均传输成功率设定阈值。优先级值小于阈值的消息在队列中的待删除区域，以减少低效的消息副本的传输，避免网络资源的浪费。本发明能够有效的缓解网络中消息的拥塞问题，同时也提高了网络的数据传输效率。
-
公开(公告)号：CN107578181A
公开(公告)日：2018-01-12
申请号：CN201710834420.3
申请日：2017-09-15
Applicant: 中南大学
Abstract: 本发明公开了一种基于统计频率和关联规则的异常学生挖掘方法，包括构建学生-成绩矩阵；得到学生-课程异常矩阵；划分出全局型异常学生；获得学生各课程成绩之间的关联关系；对所有学生的异常科目进行分组合并；划分出偏科型异常学生；对学生进行分类，从而挖掘得到最终的异常学生。本发明提出了一种新的算法，通过统计频率计算学生全部已修科目的考试成绩异常总量，设置合理阈值划分全局型异常学生，有效的降低噪声影响；通过关联规则表达课程的相关性，计算学生出现问题的科目的关联规则信息熵，从而描述学生的偏科程度，能够更加准确的划分出偏科型异常学生。
-
公开(公告)号：CN104616200B
公开(公告)日：2017-10-10
申请号：CN201510072839.0
申请日：2015-02-11
Applicant: 中南大学
Abstract: 本发明提出了一种基于节点特性的在线社会网络影响力最大化初始节点选取方法。首先在网络中，基于用户活跃度、用户敏感度和用户亲密度三方面因素，对节点特性进行评价，并以此为依据对节点之间的信用值进行重新定义和分配，节点之间的信用值大小体现节点之间的影响力，如果两个相邻节点相继执行相同的行为，则认为后者被前者影响，为前者分配信用，之后我们结合网络结构和用户行为日志，计算网络中任意两节点之间的信用值大小，并通过贪心算法，递归选取边际收益最大的节点组成影响力最大化初始节点集合。本发明改进了以往仅依据节点度值评价节点影响力规则的弊端，减少了运算时间和内存消耗，能更真实有效地描述并预测影响力的传播过程。
-
Patent Agency Ranking
公开(公告)号：CN106951568A
公开(公告)日：2017-07-14
申请号：CN201710223971.6
申请日：2017-04-07
Applicant: 中南大学
CPC classification number: G06F17/30539 , G06F17/30194 , G06F17/30563 , G06F17/30592 , G06F2216/03 , G06Q10/04 , G06Q50/205
Abstract: 本发明公开了一种基于数据挖掘的学生贫困状态预测方法，包括获取所有学生在校的学习数据、消费数据信息和贫困生与非贫困生的比例；将学生数据信息分为训练集合和测试集合，且每个集合中贫困生和非贫困生的比例与已确定的比例一致；对训练集合中的数据采用过采样算法进行数据平衡化；采用随机森林算法对训练集合进行模型训练，以测试集合对模型进行测试和评估，得到性能最优的学生贫困状态预测模型；采用学生贫困状态预测模型对学生的贫困状态进行预测。本发明方法通过学生在校的客观数据和表现对学生的贫困状态进行综合考量和预测，从而避免在学生贫困状态评定中出现的主观性和随机性，而且本发明方法科学实用，能够快速进行算法解算和数据分析。
-
公开(公告)号：CN106559352A
公开(公告)日：2017-04-05
申请号：CN201611116883.8
申请日：2016-12-07
Applicant: 中南大学
IPC: H04L12/851 , H04W40/12 , H04W40/16 , H04W40/24 , H04W84/18
CPC classification number: Y02D70/20 , Y02D70/34 , H04W40/248 , H04L47/24 , H04W40/12 , H04W40/16 , H04W84/18
Abstract: 本发明提出一种干扰感知的QoS无线Mesh智能电网路由机制IAEETR。该路由机制包括四个步骤：首先根据多接口多信道无线Mesh网络中节点接入信道传输数据的条件，建立网络干扰模型；其次，为了准确分析智能电网邻居区域网中流间干扰对延迟的影响，通过获取流间干扰对链路带宽的影响来计算在多接口多信道路径下的可获得带宽；然后，基于WCETT判据设计干扰感知的QoS路由判据IAEET，精确地表述多接口多信道路径中的端到端延迟；最后结合先验式与反应式路由的优点，设计IAEETR机制HWMP协议的路由选择以及路由维护过程进行优化，在保证电网业务流QoS的同时减少网络拥塞，从而提高网络的吞吐量以及可靠性能。
-
公开(公告)号：CN105138667A
公开(公告)日：2015-12-09
申请号：CN201510562450.4
申请日：2015-09-07
Applicant: 中南大学
CPC classification number: G06F17/30864 , G06Q50/01
Abstract: 一种考虑时延约束的社会网络初始关键节点选取方法。本发明首先结合见面概率和激活概率将网络中用户之间的影响力量化表示为信用分配过程结束后积累在节点上的信用值大小。通过对网络结构和用户行为记录的学习，将尝试见面并激活其他用户而产生的传播阻碍作用转化为传播增量路径度量，并结合时延约束条件限定性地分配信用。最后使用贪心思想递归选取边际收益最大的节点组成初始关键节点集合。本发明构建了一种新的社会网络初始关键节点选取方法，结合概率事件和时延约束条件，改进了以往仅基于节点度值评价节点影响力规则的弊端，提高了选取过程的执行效率，并更加真实有效地模拟和预测网络中行为的传播过程。
-
公开(公告)号：CN104661260A
公开(公告)日：2015-05-27
申请号：CN201510027735.8
申请日：2015-01-20
Applicant: 中南大学
Abstract: 本发明提出一种QoS感知和负载均衡的无线Mesh智能电网路由机制NQA-LB。该路由机制包括四个步骤：首先用EDCA机制区分不同QoS需求的智能电网业务流，根据EDCA机制的数据包碰撞率计算不同业务流的误帧率；其次根据转发节点缓存的队列长度和数据包成功传输的概率，计算不同优先级的数据包排队延迟；然后综合考虑不同业务流的数据帧误帧率和排队延迟，设计QoS感知和负载均衡的路由判据，为不同QoS需求的业务流选择一条负载较少的最佳路径；最后根据网络总负载和各优先级业务流的负载情况，在MAC层动态的调整数据包优先级。本发明能更加准确的感知MAC层的链路质量，保证智能电网不同业务流的QoS需求，进一步提高数据包投递率和平均吞吐量，减少所有业务流的端到端时延。
-
公开(公告)号：CN104537126A
公开(公告)日：2015-04-22
申请号：CN201510046401.5
申请日：2015-01-29
Applicant: 中南大学
IPC: G06F17/30
CPC classification number: G06F17/30705
Abstract: 本发明提供一种基于边图随机游走的重叠社区发现方法，主要包括以下步骤：1)根据网络中成员的关系，构建一个相互连接的无向图G，由图G的关联矩阵B可得到有权边图LG的权值矩阵H，有权边图LG中的节点为初始无向图G中的边。2)在有权边图LG上进行长度为T的随机游走，初始转移概率矩阵P根据权值矩阵H得到，无向图G中边之间的相似度为T步内转移概率之和，再将相似度转化为距离，聚类产生边社区。3)定义节点受到边社区的吸引度，找出边社区之间的边缘节点，根据吸引度的阈值δ可对边缘节点划分，最后检测到允许节点重叠的社区。本发明方法简单易行，并且通过调整阈值δ能发现不同重叠程度的社区。
-
-
-
-
-
-
-
-
-
Search Results
145
records
(took 0.025 seconds)
