-
公开(公告)号：CN114627335B
公开(公告)日：2025-03-14
申请号：CN202210284130.7
申请日：2022-03-22
Applicant: 中南大学
IPC: G06V10/764 , G06V10/774 , G06V10/46
Abstract: 本公开实施例中提供了一种基于关键结构点对齐的动态时间规整距离方法及系统，属于数据处理技术领域，具体包括：确定每个时间序列的关键结构点构成的关键点序列；根据关键点序列构造其规整距离矩阵并进行动态时间规整距离计算，根据动态规划中最佳状态转移路径，得到两个时间序列之间的对齐关系；将对齐关系投射到动态时间弯曲距离计算中的距离累积矩阵中，找到关键点对齐在距离累积矩阵中对应的矩阵位置，连接全部矩阵位置并进行范围拓展，得到距离计算的约束范围；在约束范围下，依照累积距离的计算方式，计算累积距离。通过本公开的方案，近优约束范围，减少了距离累积矩阵的计算量，快速计算得到近似的规整距离，提高了计算效率和精准度。
-
公开(公告)号：CN118900451A
公开(公告)日：2024-11-05
申请号：CN202411403245.9
申请日：2024-10-09
Applicant: 中南大学
Abstract: 本发明提供了一种蜂窝边缘计算环境下的设备节能方法，构建包括宏基站的边缘计算网络，宏基站的覆盖区域内包括多个用户终端以及部署有边缘服务器和多个射频单元的小基站，每个用户终端均通过射频单元与小基站中的任一射频单元连接；构建功耗最小化问题模型和约束条件；将功耗最小化问题模型描述为分布式部分可观察马尔可夫决策过程；将分布式部分可观察马尔可夫决策过程中的状态空间中的所有局部状态均输入训练后的决策功耗分配模型进行决策分配，得到小基站中各设备的开关状态及功耗；在满足了用户体验质量要求的同时，动态地调控小基站中各射频单元、边缘服务器的开关状态和功耗，从而最大程度地降低了设备的总能耗。
-
公开(公告)号：CN118804005A
公开(公告)日：2024-10-18
申请号：CN202410953872.3
申请日：2024-07-17
Applicant: 中南大学
IPC: H04W24/06 , H04W72/044 , H04W72/52 , H04W72/50 , H04W72/543 , H04B17/336 , H04B17/382 , H04B17/391 , H04L5/14
Abstract: 本发明公开了一种多跳IAB网络中动态TDD模式下的异构资源分配方法，包括获取目标多跳IAB网络的数据信息；建立目标多跳IAB网络的网络架构；建立无线信号传播模型、功率离散化模型、帧结构模型和端到端服务质量模型；构建异构资源分配模型并求解完成多跳IAB网络中动态TDD模式下的异构资源分配。本发明考虑了多跳IAB网络场景中所有可能的链路干扰源，且全面地考虑了宏基站、小基站与终端用户的发射功率调节，能够满足通信链路吞吐量约束与频谱能量效率约束下提升网络吞吐量；因此本发明的可靠性高、精确性好，整体效率更高。
-
公开(公告)号：CN118761407A
公开(公告)日：2024-10-11
申请号：CN202410736390.2
申请日：2024-06-07
Applicant: 中南大学
IPC: G06F40/211 , G06F40/284 , G06F40/30 , G06N3/0455 , G06N3/082 , G06N3/0464
Abstract: 本发明公开了一种文档级中文事件关系检测方法，包括获取现有的中文文档；进行句法语义依存分析图的构建；进行中文事件的抽取；进行事件对的构建；进行事件要素信息的嵌入；构建BERT关系分类器并进行训练得到事件关系预测模型；采用得到的事件关系预测模型进行文档级中文事件的关系检测。本发明还公开了一种实现所述文档级中文事件关系检测方法的系统。本发明根据句法语义依存分析图的构建、中文事件的抽取和事件对的构建，保证了事件关系判断的基础，并同时根据BERT关系分类器实现文档级中文事件的关系检测；而且本发明的可靠性更高，而且精确度更高。
-
公开(公告)号：CN112287345B
公开(公告)日：2024-04-16
申请号：CN202011184578.9
申请日：2020-10-29
Applicant: 中南大学
IPC: G06F21/56 , G06F21/57 , G06F18/243 , G06F18/214
Abstract: 本发明公开了一种针对边缘计算系统的风险检测方法，包括构建边缘计算系统架构和边缘计算系统应用检测平台；采用应用检测平台对现有的恶意应用和良性应用进行检测和分析；采用小批量梯度下降法进行优化；采用随机森林算法对优化后的数据进行过滤并对特征信息进一步建模分析；计算恶意应用的恶意特征与误判为恶意应用的良性应用的特征标识之间的相似度并筛选出良性应用；构建初选鉴别库；针对超出初选鉴别库的可疑应用采用应用检测平台进行检测并对恶意应用服务文件包进行识别；根据恶意应用对边缘计算系统的影响对恶意应用进行风险评价，完成边缘计算系统的风险检测。本发明适用于边缘计算系统第三方应用服务的安全检测，而且可靠性高、实用性好。
-
Patent Agency Ranking
公开(公告)号：CN116390135B
公开(公告)日：2024-02-02
申请号：CN202310462350.9
申请日：2023-04-26
Applicant: 中南大学
IPC: H04W24/02 , H04W72/0446 , H04W72/044 , H04B17/391 , H04B17/345
Abstract: 本发明公开了一种基于动态时分双工通信的自回程毫米波蜂窝网络通信方法，包括获取目标网络的网络参数数据信息；构建自回程毫米波蜂窝网络通信模型；构建求解模型；对基于求解模型的自回程毫米波蜂窝网络通信模型进行训练和求解；目标网络根据求解结果进行通信；实时重复以上步骤完成基于动态时分双工通信的自回程毫米波蜂窝网络通信。本发明能够较为准确地估算该类通信场景下可能存在的互干扰，能够为每个小基站的上下行通信的接入与回程链路分配合适的发送时间和发射功率，并能合理关联并调度用户接入网络以保障每个用户享受网络服务的公平性；而且本发明的可靠性高、效率较高且网络资源利用率高。
-
公开(公告)号：CN111563373B
公开(公告)日：2023-08-18
申请号：CN202010284202.9
申请日：2020-04-13
Applicant: 中南大学
IPC: G06F40/211 , G06F16/35 , G06F16/33 , G06F18/214 , G06N3/0442
Abstract: 本发明提供了一种聚焦属性相关文本的属性级情感分类方法，包括：步骤1，对数据进行预处理使得数据中的每个样本包含属性Xa和上下文Xc，通过Bert预训练模型来获得属性和上下文的文本表征序列和其中，M和N分别代表输入样本中属性的个数和上下文的长度。本发明所提供的聚焦属性相关文本的属性级情感分类方法，使用了本发明设计的掩盖方法来缓解注意力分散问题。本发明充分利用了属性相关上下文信息，缓解了传统Attention‑LSTM网络在处理多属性多情感的文本时，由于注意力会分散到整个句子中，引入了噪声而导致模型的分类性能下降的问题。
-
公开(公告)号：CN116390135A
公开(公告)日：2023-07-04
申请号：CN202310462350.9
申请日：2023-04-26
Applicant: 中南大学
IPC: H04W24/02 , H04W72/0446 , H04W72/044 , H04B17/391 , H04B17/345
Abstract: 本发明公开了一种基于动态时分双工通信的自回程毫米波蜂窝网络通信方法，包括获取目标网络的网络参数数据信息；构建自回程毫米波蜂窝网络通信模型；构建求解模型；对基于求解模型的自回程毫米波蜂窝网络通信模型进行训练和求解；目标网络根据求解结果进行通信；实时重复以上步骤完成基于动态时分双工通信的自回程毫米波蜂窝网络通信。本发明能够较为准确地估算该类通信场景下可能存在的互干扰，能够为每个小基站的上下行通信的接入与回程链路分配合适的发送时间和发射功率，并能合理关联并调度用户接入网络以保障每个用户享受网络服务的公平性；而且本发明的可靠性高、效率较高且网络资源利用率高。
-
公开(公告)号：CN111488523B
公开(公告)日：2023-04-07
申请号：CN202010270522.9
申请日：2020-04-08
Applicant: 中南大学
IPC: G06F16/9535 , G06Q10/0639 , G08G1/01 , H04W4/02 , H04W4/44
Abstract: 本发明提供了一种基于群智感知技术的路况信息收集方法，包括：步骤1，获取参与当前信息收集任务的多个信息收集候选者的声誉值，并根据多个信息收集候选者的声誉值，从所述多个信息收集候选者中确定出信息收集者；步骤2，根据所述信息收集者所在车辆的位置，确定该车辆向边缘服务器传输数据的方式。本发明能选出更加合适的信息收集者，并使信息收集者选择能耗最低的方式传输数据，进而提高路况信息的收集效率。
-
公开(公告)号：CN111523047B
公开(公告)日：2022-08-09
申请号：CN202010283068.0
申请日：2020-04-13
Applicant: 中南大学
IPC: G06F16/9536 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于图神经网络的多关系协同过滤算法，包括：步骤1，对用户与物品的历史交互数据进行处理，从中抽取所有用户序列UU和物品序列SI；步骤2，分别将每个用户序列SU和每个物品序列SI分别构造为用户关系图GU＝(VU,EU)和物品关系图GI＝(VI,EI)。本发明所提供的基于图神经网络的多关系协同过滤算法，从用户与物品交互数据中通过构造物品关系图和用户关系图同时对物品关系和用户关系进行建模，并将多关系融入用户与物品交互的学习过程中，学习多关系对用户与物品交互的影响，从而使模型能够更好对用户偏好进行建模。
-
-
-
-
-
-
-
-
-
Search Results
145
records
(took 0.024 seconds)
