-
公开(公告)号：CN119364423A
公开(公告)日：2025-01-24
申请号：CN202411609681.1
申请日：2024-11-12
Applicant: 中南大学
Abstract: 本发明公开了一种基于深度强化学习的空天地网络拥塞控制方法，包括获取目标空天地网络的数据信息；设定优化目标并进行建模；对决策过程的状态空间、动作空间和奖励函数进行设置；构建决策过程的状态预测模块、奖励再分配模块和优化策略模块；根据构建的模块进行基于深度强化学习的空天地网络的拥塞控制。本发明通过获取多个目标空天地网络的数据信息的数据信息，并基于状态空间、动作空间和奖励函数的设置，以及状态预测、奖励再分配和优化策略的实现，不仅实现了基于深度强化学习的空天地网络的拥塞控制，而且可靠性更高，精确性更好，效果也更好。
-
公开(公告)号：CN117852827A
公开(公告)日：2024-04-09
申请号：CN202410037534.5
申请日：2024-01-10
Applicant: 中南大学
IPC: G06Q10/0631 , G06F18/213 , G06N20/20 , G06F18/24
Abstract: 本发明提供了一种基于长短期预测的群智感知资源分配方法及相关设备，包括：对参与者进行预测分类，得到长短期参与者；根据短期参与者完成任务时资源变化量的绝对值与感知变化量的相对值之间的关系，设置前景因子和表现因子；将表现因子与短期参与者收集数据时的资源消耗量、资源补充量进行结合，得到短期参与者评估因子；根据评估因子和前景因子确定短期参与者的最优参与时长；根据长期参与者对任务资源的需求程度确定群智感知平台的最优资源分配目标，并对最优资源分配目标进行求解，得到群智感知平台的资源分配策略，进而得到资源分配结果；在资源有限、参与者数量有限的情况下，提高了群智感知任务覆盖率的同时提高了群智感知服务的质量。
-
公开(公告)号：CN117241104A
公开(公告)日：2023-12-15
申请号：CN202311469866.2
申请日：2023-11-07
Applicant: 中南大学
IPC: H04N21/8358 , H04L9/00 , H04N21/2347 , H04N21/4408 , H04N21/81
Abstract: 本发明公开了一种DIBR‑3D视频版权保护的零水印方法及系统，本方法通过对2D视频水平平移不变分量和深度图噪声不变分量进行预处理；采用训练好的特征提取网络模型对预处理后的2D视频水平平移不变分量和预处理后的深度图噪声不变分量进行特征提取；若2D视频和深度图的版权所有者一样，则将第一特征和第二特征进行特征融合；采用混沌映射系统对融合特征进行加密和二值化得到混沌序列，并将混沌序列和融合特征进行异或操作，得到加密特征；基于加密特征和原始二值水印，生成从共享，并根据从共享恢复水印；根据原始二值水印和恢复的水印进行版权鉴别。本发明能够确保DIBR‑3D视频版权鉴别的灵活性、协同性、可靠性和鲁棒性。
-
公开(公告)号：CN111523575B
公开(公告)日：2023-12-12
申请号：CN202010284993.5
申请日：2020-04-13
Applicant: 中南大学
IPC: G06F18/214 , G06F18/213 , G06N20/00 , G06F16/9535 , G06F16/735
Abstract: 本发明提供了一种基于短视频多模态特征的短视频推荐模型，包括：步骤1，对短视频标题特征，使用TF‑IDF方法进行特征提取，使用PCA降维算法将短视频标题特征向量维度降维到k维；步骤2，提取短视频内容的128维原始特征，使用PCA降维算法将短视频内容特征向量维度降维到k维；步骤3，提取短视频背景音乐的128维原始特征，使用PCA降维算法将短视频背景音乐特征向量维度降维到k维。本发明考虑到不同模态的特征数据对用户产生的用户行为的影响效果是不同的，并利用隐马尔可夫模型去学习短视频的不同模态数据对于用户的影响比重，基于影响比重将短视频的多模态特征映射到统一向量空间进行融合，获得用多模态数据特征表示的短视频特
-
公开(公告)号：CN112733060B
公开(公告)日：2023-12-01
申请号：CN202110044126.9
申请日：2021-01-13
Applicant: 中南大学
IPC: G06F16/958 , G06F16/9535 , G06F16/9032 , G06F16/906 , G06F18/23213
Abstract: 本发明涉及计算机技术领域，尤其涉及基于会话聚类预测的缓存替换方法、装置及计算机设备。该方法包括：获取服务器访问日志，并识别访问日志的浏览器和用户，筛选获得有效访问数据；根据用户和有效访问数据中用户访问页面建立用户会话序列；将用户会话序列进行聚类处理获取用户会话簇；获取用户请求，并根据用户会话簇建立预测模型；以预测模型中的计数作为权重值，采用价值评价缓存替换方法进行存储对象的价值计算，获得存储对象价值；当需要进行替换时，将存储对象价值最小的存储对象剔除，获得缓存空间进行替换，该方法对页面对象的替换
-
Patent Agency Ranking
公开(公告)号：CN111460318B
公开(公告)日：2022-09-30
申请号：CN202010240429.3
申请日：2020-03-31
Applicant: 中南大学
IPC: G06F16/9536 , G06N20/00
Abstract: 本发明提供了一种基于显性和隐性信任的协同过滤推荐方法，包括：根据用户物品评分矩阵R，计算用户u对用户v进行预测评分时的准确性；计算用户u对用户v的依赖程度；根据准确性和依赖程度，计算用户u对用户v的隐性信任度；根据隐性信任度对用户物品评分矩阵R进行填充；计算用户u对物品的评分置信度；根据评分置信度和填充处理后的用户物品评分矩阵，计算用户u对用户v之间的相似性；计算用户u的全局信任度，以及用户u对用户v的局部信任度；根据全局信任度和局部信任度，计算用户u对用户v的最终信任度；修正用户u的潜在特征用户矩阵；根据潜在用户特征矩阵，预测用户u对物品i的评分。本发明能解决由于信息过载导致的数据稀疏和用户冷启动问题，提高推荐准确性。
-
公开(公告)号：CN114065760B
公开(公告)日：2022-06-10
申请号：CN202210040271.4
申请日：2022-01-14
Applicant: 中南大学
IPC: G06F40/289 , G06F40/194 , G06F16/33 , G06K9/62
Abstract: 本发明提供了一种基于预训练语言模型的法律文本类案检索方法及系统，包括：根据原始法律主句文本数据和检索池文本数据，将待检索的法律文本类案信息整理成包括有主句和被检索句的数据信息作为模型训练的输入数据；将所述输入数据中的主句和被检索句进行分词处理和无效词性筛选，基于人工构建的罪名表定位函数得到最终具有关键信息的数据；对所述具有关键信息的数据进行位置向量的计算，确定数据之间的位置关系；利用训练好的预训练语言模型，检索出与查询主句案例相关的法律文本类案。最大限度的保留了有效文本特征，又减少了文本的长度，同时也保证了文本语义信息不被破坏、强化了重点特征的占比。在数据上、本质上提高了模型的精度和性能。
-
公开(公告)号：CN111626418B
公开(公告)日：2022-04-22
申请号：CN202010458446.4
申请日：2020-05-27
Applicant: 中南大学
Abstract: 本发明提供了一种基于平衡二叉树的集成剪枝策略，所述方法包括如下步骤：S1、基分类器集成池初始化：对大数据集进行切分形成众多子数据集，再针对每一个子数据集进行训练和测试工作，形成初始的完整分类器池；S2、构建平衡二叉树，形成最终的子集成；S3、使用保留下来的最佳子集成进行新数据样本的预测与分类。本发明解决了易产生拟合现象，难以剔除测试精度太高或太低的基分类器，泛化性能不高的技术问题。
-
公开(公告)号：CN113626107A
公开(公告)日：2021-11-09
申请号：CN202110960298.0
申请日：2021-08-20
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种移动计算卸载方法、系统及存储介质，属于数据处理技术领域，具体包括：在目标时间片开始时，收集边缘服务器和每个保健物联网设备的实时信息；根据边缘服务器的实时信息和每个物联网设备的实时信息构建本地计算模型、边缘计算模型、能量收集模型和隐私熵模型；根据本地计算模型、边缘计算模型、能量收集模型和隐私熵模型，构建目标函数；最大化目标函数，求解目标时间片内的任务卸载策略。通过本公开的方案，收集物联网设备以及边缘服务器的实时信息，建立计算模型、能量收集模型和隐私熵模型，得到目标优化函数，最终可以求解得到卸载决策向量，提高了无线能量供应的适应性和对隐私的保护强度。
-
公开(公告)号：CN111787509B
公开(公告)日：2021-11-02
申请号：CN202010675018.7
申请日：2020-07-14
Applicant: 中南大学
Abstract: 本发明提供了一种边缘计算中基于强化学习的无人机任务卸载方法及系统，包括：步骤1，根据无人机到边缘节点的距离、边缘节点处理能力、切换节点对任务完成时间和能耗的影响建立基于边缘计算的无人机目标追踪的系统模型。本发明根据无人机到边缘节点的距离、边缘节点处理能力、切换节点对任务完成时间和能耗的影响，建立了基于边缘计算的无人机目标追踪的系统模型，通过研究无人机目标追踪过程中的任务分配决策问题，将无人机目标追踪过程中的任务分配决策问题建模成马尔可夫决策过程，并基于强化学习中的Q学习设计求解算法，得出最佳的边缘节点选择方案和发射功率调整方案，实现任务卸载过程中能量开销和时间开销权衡的最小化。
-
-
-
-
-
-
-
-
-
Search Results
145
records
(took 0.024 seconds)
