公开(公告)号：CN117714400A

公开(公告)日：2024-03-15

申请号：CN202311621493.6

申请日：2023-11-30

Applicant: 东南大学

Inventor： 王云涛 ,  虞文武 ,  张振华 ,  孟浩飞

IPC: H04L49/9047 ,  H04L49/90 ,  G06F12/0842 ,  G06F12/0868 ,  G06F13/22 ,  G06F13/32 ,  G06F9/50 ,  G06F9/52

Abstract: 本发明提供了针对龙芯3A国产软硬件平台的网络性能综合优化方法。本发明在国产网卡处通过优化的网卡驱动减少中断频率和拷贝次数，在数据转发时减少大量的DMA内存分配与释放操作，从而减少内存的反复操作以及系统的内存管理负担；数据包从国产网卡转发至国产操作系统内核后，在内核中通过中断轮转负载均衡的优化方法对产生的中断进行负载均衡，龙芯3A的每个处理器核都将参与网络中断处理，有效提升了网络吞吐量，降低了数据的丢包率；同时在内核协议栈中通过优化的cache锁降低数据存取频率。本发明针对龙芯3A处理器设计的基于国产软硬件平台的网络系统数据转发综合优化方法，可满足高宽带低时延的应用需求。

公开(公告)号：CN116166921A

公开(公告)日：2023-05-26

申请号：CN202310268392.9

申请日：2023-03-20

Applicant: 东南大学

Inventor： 范家铭 ,  陈曦蕾 ,  胡书华 ,  陈都鑫 ,  虞文武

IPC: G06F17/17 ,  G06F17/18 ,  G06N3/08

Abstract: 本发明提供了一种稀疏自适应的复杂系统模型辨识方法，包含三个模块：基函数设计模块，设计以三角函数、幂函数等初等函数为主的候选基函数库，对时间节点向量进行变换，实现对系统的精准建模；评价指标求解模块，设计了一种针对各项候选基函数的评价指标——相关因子，衡量了各项候选基函数对模型的贡献程度，通过一种基于边缘似然函数最大化的稀疏贝叶斯学习算法进行计算；系数矩阵回归模块，在给定的可调误差阈值下利用设计的评价指标对候选基函数进行最大化的筛除，得到该阈值条件下最稀疏的模型。该方法在给定的误差阈值下能辨识出最稀疏的模型；能通过提高误差阈值提炼出主要的基函数项，有利于对系统进行特征分析。

公开(公告)号：CN115878861B

公开(公告)日：2023-05-26

申请号：CN202310074880.6

申请日：2023-02-07

Applicant: 东南大学

Inventor： 付嘉乐 ,  姜小丫 ,  康明与 ,  陈都鑫 ,  虞文武

IPC: G06F16/901 ,  G06F16/90 ,  G06N3/042 ,  G06N3/0464

Abstract: 本发明涉及一种针对图数据补全的集成式关键节点组的选择方法，包括四个模块：数据准备模块，根据真实网络数据，提取其拓扑信息并得到邻接矩阵；多角度关键节点识别模块，利用多种方法进行一组关键节点的识别；图卷积网络测试模块，基于图卷积网络对上一阶段得到的结果进行测试得到图数据补全效果；判断输出模块，对比补全效果，输出最优的一组关键节点。本发明的有效结果在于：针对图数据补全问题，能够识别出一组关键节点，且集成了基于邻域、基于路径、基于迭代多角度的方法，在不同类别的网络上都有较好的效果。

公开(公告)号：CN116056135A

公开(公告)日：2023-05-02

申请号：CN202310045222.4

申请日：2023-01-30

Applicant: 东南大学

Inventor： 何家骏 ,  刘星 ,  陈孜杰 ,  陈都鑫 ,  虞文武

IPC: H04W24/08 ,  G06F17/11

Abstract: 本发明公开了一种基于图嵌入技术和动力学方程推理的通信基站流量分析系统及分析方法，系统包括：通信基站信息采集模块、输入代理模块、特征空间降维模块、动力学模型推断模块和函数库模块；方法包括如下步骤：实测通信基站网络的流量数据信息；使用图嵌入技术对高维稀疏的邻接矩阵的特征向量空间进行降维，将时变流量数据投影到低维特征空间；构建两个基础函数库；基于降维后的数据空间从基础函数库中推理网络动力学方程。本发明利用动力学方程的时变性质捕获了网络节点的自我演变与交互效应，并从基本函数库中对方程进行推理，能充分捕捉到通信基站流量的内在特征和潜在规律，可解释性较强，对短期和长期的流量预测都能达到更好的精度。

公开(公告)号：CN113460066A

公开(公告)日：2021-10-01

申请号：CN202110916924.6

申请日：2021-08-11

Applicant: 东南大学

Inventor： 杨康 ,  刘娣 ,  西蒙尼巴尔迪 ,  虞文武 ,  李鹏 ,  夏鑫

IPC: B60W50/04 ,  B60W30/14

Abstract: 本发明提供了一种检测自动驾驶车辆队列中车辆数据传输准确性的方法，属于自动驾驶技术领域，该方法基于的硬件系统包括：车载激光雷达、安装在车辆上的传感器、数据存储模块、以及装有包括数据处理程序以及判定程序的CPU；所述车载激光雷达用于实时测量与前车的距离；所述安装在车辆上的传感器用于实时测量车辆的加速度以及速度；所述数据存储模块用于存储各时刻其他车辆传递过来的加速度以及速度数据、各时刻自身的速度数据以及各时刻雷达测量的与前车的距离数据；所述数据处理程序读取存储的数据并进行处理产生结果；所述判定程序从数据处理程序读取结果并进一步进行判断，最终决定车辆传输数据是否正确。本发明具有安全性高、实时等优点。

公开(公告)号：CN111580554A

公开(公告)日：2020-08-25

申请号：CN202010401363.1

申请日：2020-05-13

Applicant: 东南大学

Inventor： 陈都鑫 ,  赵永强 ,  毕志海 ,  邵冠博 ,  虞文武

IPC: G05D1/10

Abstract: 本专利提供了基于逐帧识别生成原始点云的室内无人机编队飞行方法，首先使用室内定位系统获取无人机三维点云图像，通过局域网传送至地面控制系统；地面站接收到信息后，通过迭代最近点的三维点云匹配算法，利用空间变换将多张点云图像信息融合，以此并行获取多台无人机在空间中的位姿信息；最后，地面站PC通过Crazyradio广播特定的频率，回传飞行信息至无人机完成实验。地面站的工作利用到了基于人工势场和非线性串级控制的方法进行无人机的轨迹规划和控制。本发明可以实现室内小区域面积内多台无人机的集群飞行和避障实验。

公开(公告)号：CN117114200A

公开(公告)日：2023-11-24

申请号：CN202311210536.1

申请日：2023-09-19

Applicant: 东南大学

Inventor： 娄宇青 ,  陈赫 ,  周昉悦 ,  陈都鑫 ,  虞文武

IPC: G06Q10/04 ,  G06F17/17 ,  G06F17/18 ,  G06F17/16

Abstract: 本发明涉及一种基于重分形扩散熵分析算法(MF‑DEA)的耦合时间序列可预测性分析方法。其特征在于，主要包括以下步骤：步骤一：耦合时序数据预处理，提取时序数据特征量并用Gauss核函数处理特征量；步骤二：采用重分形扩散熵算法进一步分析特征量数据，作数据特征谱、收集特征谱中体现的数据波动并计算Renyi熵值；步骤三：基于Renyi熵进行时序数据可预测性分析，检验时序数据长程依赖性并确定度量时序数据可预测性的合适标度。该方法可用于多标度的耦合时序数据可预测性分析，效果显著，提供了分析耦合时序数据可预测性的一种新思路。

公开(公告)号：CN117009753A

公开(公告)日：2023-11-07

申请号：CN202310905231.6

申请日：2023-07-21

Applicant: 东南大学

Inventor： 虞文武 ,  陶淳 ,  陈都鑫 ,  翟千惠 ,  朱萌 ,  王伟

IPC: G06F18/15 ,  G06Q50/06 ,  G06F17/16 ,  G06F16/35

Abstract: 本发明涉及居民电力缴费工单数据清洗的技术领域，更具体地，涉及一种基于矩阵分解的缴费工单缺失数据填充方法。本发明采用了SVT算法，它是一种基于矩阵阈值分解的算法，其利用矩阵的低秩性进行矩阵补全。首先，对获取到的居民缴费工单数据进行预处理，将文本数据通过编码转化为数值型数据，并将缺失值置为0；接着，采集观测值，构成一个新的矩阵Ω，其元素为0或者1；最后设立SVT算法所需参数，迭代得到一个新的低秩矩阵，该矩阵能很好地填充原始矩阵的缺失值，填充结束后再将文本数据解码得到最终结果。此方法计算速度比较快，并且能够对大规模稀疏矩阵进行有效地补全，能够很好地补全居民电力缴费工单的缺失数据，具有很高的实用价值。

公开(公告)号：CN116933994A

公开(公告)日：2023-10-24

申请号：CN202310250034.5

申请日：2023-03-15

Applicant: 东南大学

Inventor： 虞文武 ,  陈都鑫 ,  王和 ,  刘洪喆 ,  孟浩飞 ,  戴鹏程

IPC: G06Q10/0631 ,  G06Q10/04 ,  G06Q50/06 ,  G06N3/092 ,  G06N3/098

Abstract: 本发明提供了一种针对发电成本函数未知的动态经济调度方法，该方法包含提出了一种新的分布式训练分布式执行的强化学习框架，并在该框架下，设计了一种融合分布式优化和强化学习方法的经济调度算法。本发明提出的分布式强化学习优化算法基于分布式优化理论和强化学习模型，使用分布式的方式解决了发电成本函数未知的动态经济调度问题，可提高智能电网的电力供应。此外，本文提出的分布式强化学习算法不仅可以有效进行智能电网中的配电管理，还可以适用于大规模的智能电网场景。通过仿真结果实例，进一步说明此分布式强化学习优化算法在动态经济调度问题的数值示例中具有良好的性能和有效性。

公开(公告)号：CN116777068A

公开(公告)日：2023-09-19

申请号：CN202310776376.0

申请日：2023-06-28

Applicant: 东南大学

Inventor： 陈都鑫 ,  程钰鑫 ,  虞文武

IPC: G06Q10/04 ,  G06N3/0464 ,  G06N3/049 ,  G06Q50/30

Abstract: 本发明公开一种基于因果Transformer的网络化数据预测方法，适用于预测复杂工程系统的耦合时间序列，本发明首先采用基于因果性指标的因果推理方法，以不同位置测速仪检测的车辆速度时间序列数据为基础，应用最优因果熵算法和互信息估计器，构建因果网络并估计因果熵值，再利用测速仪的经纬度坐标构造距离网络。接着，该发明将因果网络、距离网络以及时间序列输入Transformer卷积时空块。其中，每个时空块由一个残差Transformer模块和一个可以总结因果网络和距离网络信息的残差多图卷积网络模块组成，用于提取时间和空间维度信息。最后，提取的信息可以通过输出层进行解码可以获得预测结果。该方法具有良好的预测效果，可以为复杂工程系统提供有效的数据支撑。