一种面向大规模物联网的分区协同感知方法

    公开(公告)号:CN115426408B

    公开(公告)日:2025-04-22

    申请号:CN202210962619.5

    申请日:2022-08-11

    Abstract: 本发明提出了一种面向大规模物联网的分区协同感知方法,包括以下步骤:S1.将节点的感知区域进行划分;S2.节点状态分为工作和睡眠,通过节点唤醒概率转换状态;S3.每个节点设有一个请求保存表,对感知的请求信息进行存储和传输服务请求信息;S4.每个节点设有一个喜好方位,根据感的请求信息以及请求保存表修改最优方位;S5.最优方位感知完成后,节点会计算每个方位的选择算子,选出最大的选择算子所代表的方位进行感知;S6.感知操作结束后,节点会唤醒感知方位内的其他节点并传输请求信息;S7.传输操作结束后,各节点会计算节点的能力值并修改唤醒概率,并通过卷积方法筛选掉一部分低效节点。该方法能够提升网络对服务请求的感知准确度,减少网络能耗。

    基于多层区块链的可信跟踪系统
    12.
    发明公开

    公开(公告)号:CN117155945A

    公开(公告)日:2023-12-01

    申请号:CN202310466900.4

    申请日:2023-04-25

    Abstract: 本发明提供了基于多层区块链的可信跟踪系统,包括如下步骤:利用预言机从信息源获取统计信息,提取统计信息并进行存储;利用数据聚合智能合约来检查列出的预言机的统计信息的真实性、可靠性和声誉值;使用预言机从授权的在线资源中检索信息;当预言机检索到受感染比例和死亡人数信息后,将检索到的数据发送到数据聚合智能合约;通过声誉智能合约来更新参与的预言机的声誉值,如果报告的统计信息的数量接近数据聚合智能合约的继承数量,则提高预言机的声誉值。解决了现有技术中存在的当传染病爆发时,统计数据太多,其中存在大量虚假信息并且会侵犯个人数据隐私的问题,能够减少伪造数据的传播,更好地对传染病的传播进行监测。

    基于隐私保护的联邦少样本学习的点云数据分类方法

    公开(公告)号:CN118918448A

    公开(公告)日:2024-11-08

    申请号:CN202410904311.4

    申请日:2024-07-08

    Abstract: 本发明公开了基于隐私保护的联邦少样本学习的点云数据分类方法,通过构建点云数据分类的本地模型,并基于获取的一组点云数据进行分类训练,将得到的本地模型参数传输至全局服务器,全局服务器结合其他节点的参数进行聚合,得到全局模型参数,基于全局模型参数更新本地模型参数;其中,本地模型通过嵌入层对点云数据支持集和查询集进行特征提取,将分别得到的局部原型特征和局部查询特征,通过注意力机制进行自适应地数据信息增强,得到注意力参数,基于注意力参数更新局部特征,全局服务器对各本地节点更新的局部特征进行聚合与分配,本地节点根据分配的全局特征,通过可学习层进行本地模型的分类预测。

    基于深度学习的自主导航与避障系统

    公开(公告)号:CN116430868A

    公开(公告)日:2023-07-14

    申请号:CN202310444452.8

    申请日:2023-04-19

    Abstract: 本发明提供了一种基于深度学习的自主导航与避障系统,包括以下步骤:S1,对单目图像进行语义分割,从而对障碍物进行分割并确定水域边界,并检测船舶与障碍物之间的距离;S2,将语义分割结果传递给语义点云,生成驾驶推荐地图;S3,通过全球定位系统GPS来进行全局路径规划,定位船舶的绝对位置,并进行局部路径规划;S4,通过局部路径规划来设计船舶的最快路径和最短路径;S5,通过语义点云来训练深度学习模型,通过深度强化学习进行船舶运动规划,进而控制船舶的转向和速度,实现船舶的自主移动导航。在本申请中,使用深度强化学习来控制舵机将舵向正确方向转动。此外,全局和局部路径规划可以找到最佳路线和最短、最安全的路径。

    一种高阶网络中高阶结构的重要性排序方法、系统及终端

    公开(公告)号:CN115865713A

    公开(公告)日:2023-03-28

    申请号:CN202211454519.8

    申请日:2022-11-21

    Abstract: 本发明属于高阶网络技术领域,公开了一种高阶网络中高阶结构的重要性排序方法、系统及终端,计算网络G中的高阶结构,并构造高阶关联矩阵B;计算高阶邻接矩阵Ah和高阶拉普拉斯矩阵Lh,同时计算混动邻接矩阵和混动拉普拉斯矩阵计算高阶密度算子ρ和高阶网络熵构造高阶扰动网络最终得到每个高阶结构的纠缠度E(Ωi)。本发明受量子信息论启发提出高阶熵及高阶纠缠的概念,综合考虑信息网络的低阶结构和拓扑信息、网络的高阶结构和全局拓扑信息,可以用来量化网络中高阶结构的重要性,识别网络中的关键高阶结构。

    一种支持短文本流在线聚类的上下文增强狄利克雷模型

    公开(公告)号:CN115827861A

    公开(公告)日:2023-03-21

    申请号:CN202211504585.1

    申请日:2022-11-29

    Abstract: 本发明提供了一种支持短文本流在线聚类的上下文增强狄利克雷模型,其特征在于:包括以下步骤:步骤1,根据计算的概率,选择将到达的文档添加到模型的活动集群中,或者创建一个新的集群进行添加;步骤2,当模型中已有集群的文档到达的概率小于伪概率时,则将文档视为新主题的出现,从而创建新的集群;步骤3,随着文档的到来,模型对旧的集群(即过时的主题)进行检查并删除,从而使得当前分布的近期主题集群在模型中处于活跃状态,为了推断模型中的活跃簇数,在每个ρ时间单位间隔后重新采样来自最近ψ文档的随机文档数η。本发明具有模型效率高,稳健性强的优点。

    一种面向大规模物联网的分区协同感知方法

    公开(公告)号:CN115426408A

    公开(公告)日:2022-12-02

    申请号:CN202210962619.5

    申请日:2022-08-11

    Abstract: 本发明提出了一种面向大规模物联网的分区协同感知方法,包括以下步骤:S1.将节点的感知区域进行划分;S2.节点状态分为工作和睡眠,通过节点唤醒概率转换状态;S3.每个节点设有一个请求保存表,对感知的请求信息进行存储和传输服务请求信息;S4.每个节点设有一个喜好方位,根据感的请求信息以及请求保存表修改最优方位;S5.最优方位感知完成后,节点会计算每个方位的选择算子,选出最大的选择算子所代表的方位进行感知;S6.感知操作结束后,节点会唤醒感知方位内的其他节点并传输请求信息;S7.传输操作结束后,各节点会计算节点的能力值并修改唤醒概率,并通过卷积方法筛选掉一部分低效节点。该方法能够提升网络对服务请求的感知准确度,减少网络能耗。

Patent Agency Ranking