公开(公告)号：CN116996399A

公开(公告)日：2023-11-03

申请号：CN202310585199.8

申请日：2023-05-23

Applicant: 南京信息工程大学

Inventor： 张佩云 ,  刘颖 ,  陈禹同 ,  黄文君 ,  任继港 ,  陶帅 ,  陈健 ,  徐涪雅

IPC: H04L41/147 ,  H04L41/16

Abstract: 本发明公开基于时间感知和特征融合的端对端深度学习QoS预测模型，属于计算机应用技术领域；基于时间感知和特征融合的端对端深度学习QoS预测模型包括：用户‑服务编码转换模块：将用户和服务的独热编码转换为用户‑服务潜在特征；时间特征提取模块：用提取的时间趋势曲线提取QoS的时间趋势并使用神经网络提取其中的时间特征；以及，特征融合模块：使用特征融合网络将用户‑服务潜在特征与时间特征进行融合得到最后的预测结果；通过将用户‑服务的独热编码转换为信息内容更丰富且更有解释性的潜在特征，提高神经网络的性能，以提高QoS预测的准确度。

公开(公告)号：CN116094977A

公开(公告)日：2023-05-09

申请号：CN202211437946.5

申请日：2022-11-16

Applicant: 南京信息工程大学

Inventor： 张佩云 ,  潘朝君 ,  陈禹同 ,  黄文君 ,  陶帅 ,  陈健 ,  谢荣见

IPC: H04L43/55 ,  H04L41/142 ,  G06N3/0442 ,  G06N3/0475 ,  G06N3/084 ,  G06N3/094

Abstract: 本发明公开了基于时间感知面向特征优化的服务QoS预测的深度学习方法，提出一种基于时间感知面向特征优化的深度学习服务QoS预测模型，在预测准确度方面获得了进一步的提升，在基于时间感知面向特征优化的深度学习服务QoS预测模型中，首先设计了DGRN进行时间感知，来提取基于时间感知的用户/服务特征，其次设计了GRGAN进行特征优化，利用GRGAN中的判别器对优化后的特征进行评价从而训练GRGAN中的生成器，最后利用优化后的特征对QoS值进行预测，提高预测准确度。

公开(公告)号：CN113810507B

公开(公告)日：2022-02-15

申请号：CN202111367610.1

申请日：2021-11-18

Applicant: 南京信息工程大学

Inventor： 张佩云 ,  黄文君 ,  汪丽翠 ,  陈禹同 ,  郭威峰 ,  谢荣见

IPC: H04L67/1042 ,  H04L41/142 ,  G06Q20/38 ,  G06Q20/40 ,  G06N3/00

Abstract: 本发明公开了一种基于IDE（Improved Differential Evolution）的区块链可信节点划分方法，属于区块链技术领域。本发明通过合理分配可信节点，改变了节点随机划分的方式，平衡各分片的信任值与节点数，提高了分片的可靠性，同时，为了减少片内节点间的通信延时，将距离较近的节点放置在同一个分片中，通过IDE进行迭代调整，得到最佳的节点分片集。本发明提出的可信节点划分方法可以有效提高分片的安全性和系统的性能，大大提高了区块链系统的交易吞吐量，并且降低了通信延时。