-
公开(公告)号：CN118118439A
公开(公告)日：2024-05-31
申请号：CN202410491110.6
申请日：2024-04-23
Applicant: 南京信息工程大学
IPC: H04L47/70 , H04L47/80 , H04L41/0896 , H04L45/125 , H04L45/12
Abstract: 本发明提供了一种基于链路分类的非均匀带宽分配方法，具体为：步骤1：获取网络拓扑中的数据流量，并计算出每条链路的剩余带宽；步骤2：当发送主机向接受主机发送业务时，交换机解析数据包中数据分组的分组头，根据分组头该交换机在自身的流表中查询该数据分组有无对应流规则，若有，则按照对应的流规则进行业务的发送；否则转步骤3；步骤3：寻找业务传输的所有简单路径；步骤4：将路径上的所有链路分为空闲链路，普通链路和瓶颈链路；并对空闲链路和瓶颈链路分配带宽；步骤5：计算每条路径的权重，选择最优路径；步骤6：对最优路径中的普通链路分配带宽；步骤7：将最优路径每条链路所分配到的带宽下发给交换机实现非均匀带宽分配。
-
公开(公告)号：CN117714446A
公开(公告)日：2024-03-15
申请号：CN202410148907.6
申请日：2024-02-02
Applicant: 南京信息工程大学
IPC: H04L67/10 , G06F9/50 , G06N20/00 , H04B7/185 , H04L67/1008 , H04L67/101
Abstract: 本发明公开了一种卫星云边协同计算的卸载方法及装置，其方法包括：基于终端‑卫星‑云的三层云边协同计算框架，构建任务在各层计算下的开销模型；基于各开销模型，以总开销最小为优化目标，以卸载决策、CPU工作频率和传输功率为优化变量，构建优化问题模型；采用模型辅助法和内点法对CPU工作频率和传输功率进行优化求解，采用Q‑learning算法对卸载决策进行优化求解；根据CPU工作频率、传输功率以及卸载决策的最优求解结果，进行卸载计算；本发明通过模型辅助法和内点法优化CPU工作频率和传输功率，使用Q‑learning算法确定并发多任务的卸载决策，根据最优解实现协同计算和计算中的资源分配。
-
-
公开(公告)号：CN116108178A
公开(公告)日：2023-05-12
申请号：CN202310070562.2
申请日：2023-01-31
Applicant: 南京信息工程大学
IPC: G06F16/35 , G06F16/11 , G06F18/23213 , G06N3/006
Abstract: 本申请涉及一种基于决策灰狼优化K‑Means的文本聚类方法。该方法包括：通过获取待聚类文本数据，并对待聚类文本数据进行分词、去停用词、特征选择和向量化，将待聚类文本数据转换为数值型数据，获得原始数据集，再采用决策灰狼优化算法与K‑Means算法结合的文本聚类算法找出一组最优聚类中心，使各类别中所有文本到该组最优聚类中心的距离最小，从而根据该组最优聚类中心对原始数据集进行聚类，输出聚类结果。由此，可以决策灰狼优化算法与K‑Means算法结合的文本聚类算法进行全局寻优，以狼群所在的位置来代替K‑means算法中的聚类中心，通过不断地迭代寻优来更新狼群的位置，获得最优的聚类中心，使得文本聚类结果更加可靠，从而提高了文本聚类结果准确性。
-
公开(公告)号：CN115567405A
公开(公告)日：2023-01-03
申请号：CN202211199477.8
申请日：2022-09-29
Applicant: 南京信息工程大学
IPC: H04L41/147 , H04L41/14 , H04L41/142
Abstract: 本发明公开了一种基于自适应反馈调节机制的网络流量灰色预测方法，基于已构建好的网络拓扑的目标待预测的连续流量序列，通过归一化处理，构造基于修正因子的反馈修正函数、对归一化的流量序列中的每个元素施加反馈修正函数，之后采用滑动窗口方式对流量序列进行预测获得预测值，并将每一时刻的窗口滑动预测值分别与其对应在中下一时刻的流量值做减法对比计算流量序列误差，获得三种预测值与真实值的大小关系，根据三种关系更新下一时刻窗口滑动预测的修正因子，最后进行反归一化处理得到待预测的连续流量序列的预测流量序列，本发明提出的基于自适应反馈调节机制的网络流量灰色预测方法，在预测精度和效率方面均具有优势。
-
Patent Agency Ranking
公开(公告)号：CN115277354A
公开(公告)日：2022-11-01
申请号：CN202210910664.6
申请日：2022-07-29
Applicant: 南京信息工程大学
IPC: H04L41/06 , H04L41/14 , H04L41/142 , H04L41/16 , G06F17/16 , G06F17/18 , G06K9/62 , G06N3/00 , G06N20/10
Abstract: 本发明属于指挥控制网络管理技术领域，具体涉及一种面向指挥控制网络管理系统的故障检测方法，具体包括以下步骤：S1：构建指挥控制网络故障管理系统架构；S2：获取原始故障网络数据集，对数据集进行归一化预处理；S3：对预处理后的数据集运进行数据集的特征降维；S4：构建SVM模型，将SVM应用于指挥控制网络故障检测中；S5：选取SVM模型中需要优化的参数作为评价算法预测性能的性能指标；S6：运用决策灰狼优化算法优化SVM模型中的参数，进行网络故障检测；通过对指挥控制网络系统采集得到的数据进行预处理，本发明提出的方法处理的网络故障数据集相较于原始数据集能够训练出更佳性能的机器学习模型，有效提高了网络故障检测的准确率。
-
公开(公告)号：CN119299327A
公开(公告)日：2025-01-10
申请号：CN202411809896.8
申请日：2024-12-10
Applicant: 南京信息工程大学
IPC: H04L41/147 , H04L41/142 , H04L41/16
Abstract: 本发明公开了一种基于图神经网络的孪生网络性能预测方法、装置及存储介质，属于通信网络技术领域，所述方法包括：对获取到的物理通信网络历史信息进行预处理，得到依赖图数据集；对依赖图数据集中的各节点状态进行初始化，得到各节点的初始隐藏状态；使用所述初始隐藏状态对预先构建的网络性能预测模型进行训练，得到训练好的网络性能预测模型，其中，网络性能预测模型通过注意力机制、消息传递神经网络以及门控循环单元协同工作获取迭代更新的隐藏状态信息并调整模型参数；将获取到的物理通信网络实时信息输入训练好的网络性能预测模型，得到性能预测结果，提高了数字孪生通信网络性能预测的稳定性、准确性以及效率。
-
公开(公告)号：CN118282545B
公开(公告)日：2024-09-27
申请号：CN202410707652.2
申请日：2024-06-03
Applicant: 南京信息工程大学
IPC: H04B17/391 , H04B17/309 , H04B7/185 , G06N3/0499 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了一种空地通信信道建模方法、装置、预测方法及介质，方法包括：通过信道建模或仿真获取信道数据，构造俯仰角、地面距离与路径损耗的数据集；建立BP神经网络算法中的多层前馈神经网络模型，提取路径损耗模型；利用模型所提取的路径损耗特征，预测当前环境下未来无人机各种状况而影响的信道统计特性。本发明提出的利用无人机俯仰角、地面距离与路径损耗的高度相关性数据特征的信道预测方法，能够实现对于无人机不同状况和不同地点进行高精度统计特性预测。
-
公开(公告)号：CN117575299A
公开(公告)日：2024-02-20
申请号：CN202410067031.2
申请日：2024-01-17
Applicant: 南京信息工程大学
IPC: G06Q10/0631 , G06Q50/26 , G06N3/006
Abstract: 本发明提出一种基于改进粒子群算法的协同多任务分配方法，该方法包含如下步骤：获取协同作战的N个作战单元的集合U，集合U内包含每个作战单元的信息；获取M个作战任务的集合T，集合T内包含每个作战任务目标信息；根据作战任务对武器资源需求与作战单元拥有的武器资源，建立协同多任务分配模型；对协同多任务分配模型中任意可行解采用二维混合矩阵的方式进行编码；采用改进的粒子群优化算法求解协同多任务分配模型，该方法设计基于按组排序的初始化策略对粒子群进行初始化，并采用基于交叉进化的粒子更新策略和基于共性的局部搜索策略对粒子位置进行更新迭代，迭代完成后，输出精英解集中所有粒子位置，即为任务分配方案。
-
公开(公告)号：CN115277354B
公开(公告)日：2023-06-16
申请号：CN202210910664.6
申请日：2022-07-29
Applicant: 南京信息工程大学
IPC: H04L41/06 , H04L41/14 , H04L41/142 , H04L41/16 , G06F17/16 , G06F17/18 , G06F18/2411 , G06F18/2135 , G06F18/214 , G06N3/006 , G06N20/10
Abstract: 本发明属于指挥控制网络管理技术领域，具体涉及一种面向指挥控制网络管理系统的故障检测方法，具体包括以下步骤：S1：构建指挥控制网络故障管理系统架构；S2：获取原始故障网络数据集，对数据集进行归一化预处理；S3：对预处理后的数据集运进行数据集的特征降维；S4：构建SVM模型，将SVM应用于指挥控制网络故障检测中；S5：选取SVM模型中需要优化的参数作为评价算法预测性能的性能指标；S6：运用决策灰狼优化算法优化SVM模型中的参数，进行网络故障检测；通过对指挥控制网络系统采集得到的数据进行预处理，本发明提出的方法处理的网络故障数据集相较于原始数据集能够训练出更佳性能的机器学习模型，有效提高了网络故障检测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.031 seconds)
