-
公开(公告)号：CN115495678B
公开(公告)日：2023-04-07
申请号：CN202211453077.5
申请日：2022-11-21
Applicant: 中南大学
IPC: G06F16/9537 , G06F16/29 , G06N3/08 , G06N3/0442 , G06N3/045 , G06N3/047 , G06F18/22 , G06F18/2321 , G16Y10/40 , G16Y20/10 , G16Y20/40 , G16Y40/10 , G16Y40/20 , G16Y40/60 , H04W4/029 , H04W64/00
Abstract: 本发明公开了一种基于稀疏蜂窝信令数据的共乘匹配方法、系统及设备，本方法通过获取蜂窝信令数据中的多个基站轨迹序列，基站轨迹序列为乘车时关联基站的时间和位置的轨迹序列；将任意两个基站轨迹序列进行时间对齐，并按预设时间分割时间对齐后的任意两个基站轨迹序列，获得分割轨迹序列；对分割轨迹序列中的位置进行空间编码，获得空间编码特征序列；对分割轨迹序列中的时间进行时间编码，获得时间编码特征序列；对空间编码特征序列和时间编码特征序列进行表征学习，获取时空联合表征；根据时空联合表征，计算共乘匹配的结果。本发明能够降低共乘匹配难度，提高共乘匹配准确度。
-
公开(公告)号：CN115604027B
公开(公告)日：2023-03-14
申请号：CN202211496327.3
申请日：2022-11-28
Applicant: 中南大学
IPC: H04L9/40 , H04L41/142 , H04L41/16 , G06F18/214 , G06F18/241
Abstract: 本发明公开了一种网络指纹识别模型训练方法、识别方法、设备及存储介质，该训练方法包括获取蜂窝网络用户在第一时间段内的流量使用数据集；确定每个用户在每个第二时间段内的轨迹特征序列；计算每个用户与其他用户的轨迹相似度，确定每个用户的最相邻用户，并由每个用户的最相邻用户生成该用户的候选用户序列；根据每个用户的N1个轨迹特征序列及其候选用户序列生成该用户的正样本和负样本；构建用户网络指纹识别模型，利用训练样本集中的正样本和负样本对所述用户网络指纹识别模型进行训练，得到目标用户网络指纹识别模型。本发明能够提高复杂蜂窝场景下用户网络指纹的识别精度。
-
公开(公告)号：CN114048040B
公开(公告)日：2022-05-13
申请号：CN202111431501.1
申请日：2021-11-29
Applicant: 中南大学
IPC: G06F9/50 , G06F9/455 , G06V10/96 , G06V10/94 , G06V10/776 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于内存与图像分类模型时延关系的任务调度方法，目的是解决用户图像分类任务时延要求，并使得内存资源负载均衡。技术方案是构建由环境部署模块、测试模块、拟合模块以及任务调度模块四个模块组成的内存与图像分类模型时延关系的任务调度系统；测试模块测出不同内存下各预训练好的图像分类模型的时延结果；拟合模块根据时延结果拟合出内存与图像分类模型时延的函数关系。任务调度模块根据该函数关系及用户时延要求算出图像分类任务内存需求量，再根据虚拟机的剩余内存资源设定优先级，基于优先级将任务调度至优先级最高的虚拟机上运行，使在满足用户图像分类任务时延要求的同时，数据中心的内存资源整体达到负载均衡。
-
公开(公告)号：CN111417166B
公开(公告)日：2021-07-09
申请号：CN202010217694.X
申请日：2020-03-25
Applicant: 中南大学
Abstract: 本发明公开了一种无线网络的接入方法，方法包括：S1.无线接入点从其网络覆盖的用户中选择意向接入用户，无线接入点为意向接入用户的意向接入点；S2.在预设的AP组内进行冲突处理，得到冲突用户列表；判断冲突用户列表是否为空，跳转至步骤S4，否则跳转至步骤S3；冲突用户是同时被2个以上的无线接入点选择为意向接入用户的用户；S3.从冲突用户列表中选择一个冲突用户，将其移出冲突用户列表，并从其意向接入点中确定一个为目标接入点，其余意向接入点为非目标接入点，并设置冲突用户不被非目标接入点网络覆盖；对于非目标接入点跳转执行步骤S1；S4.无线接入点为其意向接入用户分配网络。具有可有效提高用户的效用，使得网络资源能更有效的利用等优点。
-
公开(公告)号：CN118609852B
公开(公告)日：2024-11-22
申请号：CN202410740617.0
申请日：2024-06-09
Applicant: 中南大学
Abstract: 本发明公开了一种基于可解释模型预测感染性休克者亚甲蓝治疗响应的方法，先构建由数据预处理模块、特征工程模块、响应预测模块组成的感染性休克患者亚甲蓝治疗响应预测系统。特征工程模块对数据集进行特征工程，构建两组训练集和两组测试集。响应预测模块中的模型训练子模块采用两组训练集分别对5种机器学习模型进行训练，得到10个响应预测模型。模型筛选子模块使用两个测试集对响应预测模型进行评估，筛选出最终响应预测模型。模型解释子模块对最终响应预测模型进行解释，得到最终预测模型，预测模型对患者数据进行预测，得到预测结果。采用本发明可预测亚甲蓝作为感染性休克者的潜在升压药物之一的有效性，可预测适宜人群，预测准确性高。
-
Patent Agency Ranking
公开(公告)号：CN118609852A
公开(公告)日：2024-09-06
申请号：CN202410740617.0
申请日：2024-06-09
Applicant: 中南大学
Abstract: 本发明公开了一种基于可解释模型预测感染性休克者亚甲蓝治疗响应的方法，先构建由数据预处理模块、特征工程模块、响应预测模块组成的感染性休克患者亚甲蓝治疗响应预测系统。特征工程模块对数据集进行特征工程，构建两组训练集和两组测试集。响应预测模块中的模型训练子模块采用两组训练集分别对5种机器学习模型进行训练，得到10个响应预测模型。模型筛选子模块使用两个测试集对响应预测模型进行评估，筛选出最终响应预测模型。模型解释子模块对最终响应预测模型进行解释，得到最终预测模型，预测模型对患者数据进行预测，得到预测结果。采用本发明可预测亚甲蓝作为感染性休克者的潜在升压药物之一的有效性，可预测适宜人群，预测准确性高。
-
公开(公告)号：CN116430372A
公开(公告)日：2023-07-14
申请号：CN202310164870.1
申请日：2023-02-27
Applicant: 中南大学
IPC: G01S11/14
Abstract: 本发明公开了基于机器人内置麦克风阵列对语音助手主动测距的方法，目的是解决智能家居利用率低的问题。技术方案是构建由移动机器人、智能语音助手和计算机组成的交互测距系统。移动机器人、计算机、智能语音助手通过WIFI通信，移动机器人通过第一麦克风阵列发送基于频连续波方法调制的Tx端啁啾信号，智能语音助手在接收到Tx端啁啾信号后通过第二麦克风阵列向移动机器人返回Rx端啁啾信号。移动机器人内置混频器对Tx啁啾信号和Rx啁啾信号进行混合，低通滤波器对混合后信号进行滤波，将滤波后的信号传输至计算机，计算机中的计算模块计算智能语音助手和机器人之间的距离。本发明可以实现高精度测距，提高了智能家居利用率。
-
公开(公告)号：CN115902776A
公开(公告)日：2023-04-04
申请号：CN202211576668.1
申请日：2022-12-09
Applicant: 中南大学
IPC: G01S5/22
Abstract: 本发明公开了一种基于被动式声音信号对声源进行定位的方法，目的是解决目前定位方法复杂度高、速度慢、精度较差、不适宜三维场景等问题。技术方案是首先选择线性麦克风阵列；选择声音传播模型为远场模型，搭建信号传播路径，简化远场声源定位模型，构建虚拟的壁镜麦克风阵列；然后采用自相关算法和互相关算法测量三种时延参数；基于三种时延参数建立三个损失函数；最后基于梯度下降方法最小化三个损失函数之和测量声源坐标。本发明在二维场景下定位声源比现有技术精度更高、速度更快，且本发明在三维场景同样也实现了较高的精度，解决了现有方法只能定位声源二维坐标的问题。
-
公开(公告)号：CN115563555B
公开(公告)日：2023-03-14
申请号：CN202211513076.5
申请日：2022-11-30
Applicant: 中南大学
IPC: G06F18/2415 , G06F18/2323 , G06Q30/0201
Abstract: 本发明公开一种数据驱动的互联网卡用户价值分类方法、设备及介质，本方法首先从互联网卡用户的网卡使用数据中提取出用于表征用户价值状况的特征，然后将特征组成待分类数据集，对待分类数据集进行聚类，将聚类结果输入至预设的机器学习模型中，得到特征重要性向量，最后利用特征重要性向量判断用户的价值等级，本方法是通过大数据分析和挖掘技术从大规模群体用户数据中捕捉用户行为反应的潜在用户价值信息，从而利用潜在用户价值信息实现用户的价值等级划分。本方法得到的分类结果具有的明确的目的性和高可靠性，能为企业决策行为提供合理的大数据支持，而且待分类数据集中所筛选的特征可根据不同的应用场景进行差异化选取，很高的普适性。
-
公开(公告)号：CN115620524A
公开(公告)日：2023-01-17
申请号：CN202211612325.6
申请日：2022-12-15
Applicant: 中南大学
IPC: G08G1/01 , G06Q10/04 , G06Q50/26 , G06N3/0464 , G06N3/048 , G06F18/2431
Abstract: 本发明公开了一种交通拥堵预测方法、系统、设备及存储介质，本方法通过获取多源异构数据集，获取交通事件数据、拥堵事件数据和站点流量数据；采用卷积神经网络提取拥堵事件数据、交通事件数据和待预测的交通拥堵之间的空间相关性特征；通过特征提取网络提取站点流量处理数据与拥堵的时间依赖关系特征；获取除交通事件数据、拥堵事件数据和站点流量数据之外的多种因素数据，并对多种因素数据进行多分类处理和独热编码处理，获得多种因素特征；将空间相关性特征、时间依赖关系特征和多种因素特征进行拼接，获得时空联合特征，并将时空联合特征输入至多层感知机模型中，获得待预测的交通拥堵的预测结果。本发明能够提高交通拥堵预测的精确度。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.025 seconds)
