-
公开(公告)号:CN114742531A
公开(公告)日:2022-07-12
申请号:CN202210404981.0
申请日:2022-04-18
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种基于确定效应的感知用户长期参与率提高方法及系统,属于计算技术领域,具体包括:将全部待完成任务分为长时任务和短时任务;根据确定效应设计报酬方案;平台依据任务选择算法选择出获胜者,并将任务与参与者进行匹配;选择短时任务的参与者更新其风险系数;在每一轮任务完成后判断参与者得累积参与任务时长是否达到了累计参与时间阈值;在每一轮结束后更新每一个参与者的损失值大小、新进入参与者的额外奖金额大小、所有参与者的损失系数和所有参与者的累积参与时间;计算每个参与者的退出收益存量,并根据退出收益存量计算每个参与者的继续参与概率。通过本公开的方案,提高了激励效果、平台效用和长期参与率。
-
公开(公告)号:CN111260417A
公开(公告)日:2020-06-09
申请号:CN202010093104.7
申请日:2020-02-14
Applicant: 中南大学
Abstract: 本发明提供了一种基于损失厌恶和锚定效应的群智感知系统激励方法、设备及存储介质,通过引入损失厌恶理论,利用求助者节点的损失厌恶设置补偿,弥补参与者感知成本时带来的损失,并且吸引求助者在失败后继续寻找新任务,减少求助者的退出,从而提高平台的合作率;其次,引入锚定效应,通过设置参照点,激励闲置节点成为帮助节点,帮助求助者节点完成那些已经执行过而没有执行完的任务,提高任务完成率。
-
公开(公告)号:CN105245358B
公开(公告)日:2018-08-14
申请号:CN201510541493.4
申请日:2015-08-30
Applicant: 中南大学
IPC: H04L12/24
Abstract: 本发明提出一种基于马尔可夫模型的智能电网MAC层多业务性能分析方法。该方法主要包括三个步骤:首先基于IEEE802.11s在MAC层实现的EDCA机制,提出一种新的三维马尔可夫模型分析智能电网不同优先级业务流的状态,该模型包括了非饱和状态到饱和状态的整个过程;其次,在多跳无线Mesh网络中,隐藏终端对节点带来的干扰会大大降低节点上不同优先级业务争用信道的性能,因此根据提出的马尔科夫模型,综合考虑隐藏终端和智能电网不同业务流的QoS需求,分析不同业务流在EDCA机制中的退避过程;最后,结合不同业务流的退避过程,分析了不同业务流的平均吞吐量、平均端到端时延等MAC层性能。本发明的方法为设计满足智能电网不同QoS需求的无线Mesh网络提供理论指导。
-
公开(公告)号:CN107969007A
公开(公告)日:2018-04-27
申请号:CN201610909105.8
申请日:2016-10-19
Applicant: 中南大学
CPC classification number: H04W16/20 , H04W16/225 , H04W52/0206 , H04W84/18
Abstract: 本发明公开了一种基于不等分簇的无线传感器网络数据融合收集策略,其特征在于依据无线传感器网络中进行快速全网络数据聚合的需求,对以往策略进行改进优化。本发明方法提供一种远基站区域簇半径大、近基站区域簇半径小的分簇网络;并提出相应的不等分簇网络数据融合收集调度算法,通过两个阶段(簇内数据聚合收集和簇间数据收集)来完成数据的融合收集。本发明提出的不等分簇结构能够缩短数据聚合收集所需要时间,提高数据聚合的速度;同时,由于每一个簇头节点在完成簇内数据聚合后,立即开始其数据传输,故簇头节点的状态转换只需要1次,而以往的策略需要2次(一次从睡眠状态转到工作状态进行簇内数据收集,而后转入睡眠状态,等到簇头数据发送时再次醒来,进行簇头数据发送)。因而本发明的方法能够减少一次状态转换,从而减少能量消耗,提高网络寿命。
-
公开(公告)号:CN115567888A
公开(公告)日:2023-01-03
申请号:CN202211161643.5
申请日:2022-09-23
Applicant: 中南大学
IPC: H04W4/38 , H04W12/121 , H04W12/122 , H04W28/18 , H04W84/18
Abstract: 本发明公开了一种基于主动信任检测的边缘计算任务卸载方法。在边缘计算网络中,计算能力较弱的物联网络设备将任务卸载到其附近的边缘服务器上执行,为分辨出可信边缘服务器与恶意边缘服务器、使得任务都能够卸载到可信边缘服务器上执行,本发明创新性的提出了一种通过主动信任检测来获取信任的方法,其主要包括如下步骤:一是物联网络设备采用主动信任检测的方法获得边缘服务器的信任度;二是物联网络设备在卸载任务时,依据边缘服务器的负载情况与信任度情况进行综合选取,使得任务卸载到负载轻,可信的边缘服务器上执行,从而得到准确的计算结果,提高任务完成的质量。
-
公开(公告)号:CN114040469A
公开(公告)日:2022-02-11
申请号:CN202111310765.1
申请日:2021-11-08
Applicant: 中南大学
Abstract: 本发明公开了一种预先唤醒的快速路由和能量有效的路由方法、系统,其中方法包括:无线传感器网络中随机均匀部署部分WuR节点;对于延迟敏感数据包采用预先唤醒策略进行数据路由,通过广播唤醒信号的方式预先建立一条直至基站的路由路径,延迟敏感数据包基于预先建立好的路由路径持续传输直至基站。通过减少WuR节点的部署数量,降低了部署成本;同时,采用预先唤醒策略进行数据路由,能有效降低网络路由延迟。
-
公开(公告)号:CN107969007B
公开(公告)日:2021-09-28
申请号:CN201610909105.8
申请日:2016-10-19
Applicant: 中南大学
Abstract: 本发明公开了一种基于不等分簇的无线传感器网络数据融合收集策略,其特征在于依据无线传感器网络中进行快速全网络数据聚合的需求,对以往策略进行改进优化。本发明方法提供一种远基站区域簇半径大、近基站区域簇半径小的分簇网络;并提出相应的不等分簇网络数据融合收集调度算法,通过两个阶段(簇内数据聚合收集和簇间数据收集)来完成数据的融合收集。本发明提出的不等分簇结构能够缩短数据聚合收集所需要时间,提高数据聚合的速度;同时,由于每一个簇头节点在完成簇内数据聚合后,立即开始其数据传输,故簇头节点的状态转换只需要1次,而以往的策略需要2次(一次从睡眠状态转到工作状态进行簇内数据收集,而后转入睡眠状态,等到簇头数据发送时再次醒来,进行簇头数据发送)。因而本发明的方法能够减少一次状态转换,从而减少能量消耗,提高网络寿命。
-
公开(公告)号:CN109890061A
公开(公告)日:2019-06-14
申请号:CN201910209362.4
申请日:2019-03-19
Applicant: 中南大学
Abstract: 本发明公开了一种基于锚定效应理论提高车联网中车辆合作率的方法,根据车联网高移动性等特点,考虑到人在初次和再次面对类似选择时的心理变化情况,利用锚定效应和联盟形成博弈,提出了一种车联网中新的激励机制—ADMVN(Alliance formation games based on dual-process model in vehicle network),该机制对初次参加用户与多次参加用户采用不同的激励机制:对于初次参加的用户,通过设置实验者锚A来影响用户的自发锚SGA;对于多次参与任务的用户,用户根据在上一轮中的合作或不合作的情况,在新的一轮中通过合作锚定因子α或不合作锚定因子β来调整用户的自发锚,以此激励用户参与联盟,促进用户间的合作。提高了车联网中车辆参与通信的比例,从而进一步提高了车联网网络传输的性能。
-
公开(公告)号:CN119250776B
公开(公告)日:2025-03-21
申请号:CN202411774665.8
申请日:2024-12-05
Applicant: 中南大学
IPC: G06Q10/1053 , G06F21/62
Abstract: 本发明公开了一种基于位置隐私保护和信任的工人招募方法,包括工人招募方将招工信息、工人将自身信息,通过加密方式上传服务器;服务器计算工人位置与任务点之间的距离并加密传输给工人招募方;工人招募方通过数据重构得到工人集合;在得到的工人集合中得到招募工人集合;工人招募方进行工人权重计算数据的更新;工人招募方对工人权重进行分类并完成基于位置隐私保护和信任的工人招募。本发明还公开了一种实现所述基于位置隐私保护和信任的工人招募方法的系统。本发明能够实现对工人位置隐私和用工需求数据的保护,保证了招募工人的可靠性和后续招募工作的可行性,而且可靠性更高,精确性更好,安全性更好。
-
公开(公告)号:CN114760585A
公开(公告)日:2022-07-15
申请号:CN202210403441.0
申请日:2022-04-18
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种车辆群智感知激励方法、系统及设备,属于计算技术领域,具体包括:群智感知平台发布任务集合;根据参与者提交的单位任务成本和参与者属性计算任务成本;平台根据参与者选择函数对参与者和对应的感知任务进行选择,每次选择参与者选择函数值最大的参与者和对应的感知任务,直到所有任务都被选择或者预算用完;当参与者完成平台分配的感知任务时,将感知数据提交给平台;平台根据任务成本和概率高估系数计算参与者报酬;根据参与者的累计收入给参与者结算额外奖励,在参与者的累计收入达到收入参照点系数时,给参与者结算额外奖励。通过本公开的方案,提高了参与者的总效用和激励效果。
-
-
-
-
-
-
-
-
-