-
公开(公告)号：CN111787605A
公开(公告)日：2020-10-16
申请号：CN202010451873.X
申请日：2020-05-25
Applicant: 中南林业科技大学
Abstract: 本发明公开一种能量获取D2D中继通信异构网络中能效优化方法。主要包括如下步骤：1、构建能量获取D2D中继通信异构网络中能效优化的数学模型。2、根据D2D中继通信数据率公式将问题P1分解为P2和P3两个问题。3、基于凸优化理论求解能效优化的问题P2。4、基于凸优化理论求解能效优化的问题P3。5、基于梯度下降法求解能效优化问题。应用本发明，在保证CU用户QoS的前提下，解决了能量获取D2D中继通信异构网络中信道分配、中继选择、传输时间分配、功率分配的资源分配优化问题，可以最大化系统能量效率。
-
公开(公告)号：CN110942803A
公开(公告)日：2020-03-31
申请号：CN201911151918.5
申请日：2019-11-22
Applicant: 中南林业科技大学
IPC: G16B15/00
Abstract: 本发明公开一种LncRNA和环境因素关联关系的高效预测方法，主要包括以下步骤：1、下载数据集，得到LncRNA和环境因素(EF)的列表，和二者关联关系的关联矩阵A；然后分别计算出LncRNA和EF的高斯相互作用属性核相似矩阵KL、KE。2、计算EF之间的化学结构相似性矩阵E。3、将KL进行逻辑斯蒂函数转换，得到相似矩阵SL；且利用E和KE构建EF的相似矩阵SE。4、融合A、SL和SE构建一个全局异构网络G；利用重启随机游走计算扩散特征，并使用奇异值分解降维。5、计算lncRNA-EF对的Hetesim得分。6、结合扩散特征和HeteSim得分得到特征数据集并用于训练梯度提升树分类器去预测LncRNA-EF的关联关系。7、使用10折交叉验证方法对提出的方法进行验证。应用本发明预测LncRNA和EF关联关系的精度高。
-
公开(公告)号：CN103353913A
公开(公告)日：2013-10-16
申请号：CN201310270817.6
申请日：2013-06-30
Applicant: 中南林业科技大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于粒子群算法的林分空间结构优化模型建立方法，包括以下步骤：测量林分面积，对林分内胸径大于5厘米的属于顶极群组成树种和过渡性群落树种的林木进行测量，获得每株林木空间坐标、树种、混交度、竞争指数、角尺度、林层指数、空间密度指数、开阔比数；采取粒子群算法，以林分空间结构所包括的混交度、竞争指数、角尺度、林层指数、空间密度指数、开阔比数为优化目标，建立林分层面的森林空间结构多目标优化模型，根据模型输出的目标树以及四周近邻木构成的空间结构单元确定林分内需要调控的林木及空间结构单元，调整林分空间结构，使森林结构趋于合理状态，恢复生态系统功能。
-
公开(公告)号：CN103124406A
公开(公告)日：2013-05-29
申请号：CN201210416574.8
申请日：2012-10-27
Applicant: 中南林业科技大学
Inventor： 邝祝芳
Abstract: 一种CWMN中基于动态规划的分布式路由方法。本发明公开一种认知无线Mesh网络中分布式的路由与频谱分配方法，其目标是构造的路径具有高可靠度、低端到端延迟。主要包括如下步骤：1、计算所有CR-Mesh节点的状态信息，以及其可用信道的效用值；2、计算CR-Mesh网关节点到所有CR-Mesh路由器和终端节点的层次；3、计算所有CR-Mesh节点的父亲节点和儿子节点的集合；4、计算所有节点与其儿子节点之间的无线链路预分配某信道之后的权值；5、基于动态规划分布式的构建从源点到目的节点的高可靠、低延迟的路由路径，6、给构造的路由路径中的所有无线链路分配信道。应用本发明，解决了认知无线Mesh网络中以高可靠、低延迟为目标的分布式路由路径构建与频谱分配问题，能达到降低端到端延迟和提高路径稳定度的目的。
-
公开(公告)号：CN102868973A
公开(公告)日：2013-01-09
申请号：CN201210331899.6
申请日：2012-10-15
Applicant: 中南林业科技大学
Inventor： 邝祝芳
IPC: H04W4/06 , H04W16/14 , H04W84/18 , H04L12/761 , H04L12/753
Abstract: 本发明公开一种认知无线Mesh网络中满足QoS约束的以资源节约为目标的分布式组播路由与频谱分配方法。主要包括如下步骤：1、计算所有无线链路的权值；2、构造从源点到所有目的节点的资源节约的广播树；3、剪枝资源节约的广播树得到资源节约的组播树,并进行频谱分配。应用本发明，解决了认知无线Mesh网络中满足QoS约束的以资源节约为目标的分布式组播路由树构造与频谱分配问题，可以构造满足QoS约束的组播树，并且使得组播树使用的射频资源最小化，有效的减少射频资源的使用，达到资源节约的目的。
-
Patent Agency Ranking
公开(公告)号：CN114189936B
公开(公告)日：2024-11-19
申请号：CN202111278169.X
申请日：2021-10-30
Applicant: 中南林业科技大学
IPC: H04W72/0453 , H04W72/044 , H04W24/02 , H04W52/02 , G06F9/50 , G06N3/084
Abstract: 本发明公开一种基于深度强化学习的协作边缘计算任务卸载方法。主要包括如下步骤：1、构建协作移动边缘计算系统的数学模型p1；2、将问题p1转化为为双层问题p2；3、上层基于深度强化学习求解卸载决策，功率分配和信道分配，提供给下层；4、根据上层提供的卸载决策，功率分配和信道分配，下层求解计算资源的最优分配，计算得出能耗后反馈给上层；5、上层收到下层反馈，存入经验池，更新网络参数；6、训练评估网络与目标网络；7、判断算法迭代次数iteration是否大于最大迭代代数I，如果iteration>I，则迭代结束，否则跳转至步骤3继续迭代；应用本发明，解决了协作移动边缘计算系统在时延约束下的最小能耗问题，可以实现协作边缘计算系统的能耗最小化。
-
公开(公告)号：CN116567573A
公开(公告)日：2023-08-08
申请号：CN202310547046.4
申请日：2023-05-16
Applicant: 中南林业科技大学
IPC: H04W4/40 , H04W4/029 , H04W12/126 , H04W28/08 , H04L41/142
Abstract: 本发明提供了一种多无人机边缘计算网络中安全通信的任务卸载方法。主要包括以下步骤：1、构建多无人机边缘计算网络中安全通信的任务卸载的数学模型P1。2、根据无人机服务的最大用户数Kmax划分子区域，给定卸载决策，构造求解无人机服务策略的数学模型P2，等价变换为模型P3。3、给定无人机的轨迹，构造数学模型P4，使用凸优化方法求解资源分配方案。4、基于求得的时间分配因子、传输功率、计算频率，构造数学模型P5，求无人机轨迹，计算用户的最小安全卸载容量，目标值记为s。5、将上一次迭代目标值记为s'，计算目标值s和s'的差值，若差值小于阈值，即|s‑s'|
-
公开(公告)号：CN115551014A
公开(公告)日：2022-12-30
申请号：CN202211106569.7
申请日：2022-09-12
Applicant: 中南林业科技大学
Abstract: 本发明提供了一种空地协同无人机边缘计算网络中任务卸载调度方法。包括如下步骤：1、生成任务描述集合，构建无人机边缘计算网络中任务卸载调度，计算资源分配和无人机最优位置的问题模型P1。2、给定初始无人机CPU计算频率、无人机位置和卸载数据量，构建问题模型P2，采用贪婪策略求解任务卸载决策和任务调度顺序。3、构建问题模型P3，采用连续凸逼近的方法求无人机位置。4、采用凸优化的方法求任务传输功率和无人机CPU计算频率。5、计算目标值E。6、重复步骤2至步骤5，求新的目标值E′，比较E与E′，如果|E‑E′|＜ε，则退出，否则重复步骤6。应用本发明可以有效降低空地协同无人机边缘计算网络中任务的执行能耗。
-
公开(公告)号：CN114599102A
公开(公告)日：2022-06-07
申请号：CN202210268185.9
申请日：2022-03-17
Applicant: 中南林业科技大学
IPC: H04W72/04 , H04L41/0894 , H04W28/16 , G06F9/50
Abstract: 本发明提供了一种无人机边缘计算网络线性依赖任务卸载方法。主要包括如下步骤：1、生成任务描述集合Taskk＝(Lk，Ik，Ck，Ok)，构建无人机边缘计算网络中任务卸载，资源分配和无人机轨迹优化的数学模型P1。2、在给定频率、卸载决策和卸载数据量的情况下，构建数学模型P2，采用凸优化求解问题P2，求得最优无人机轨迹，计算系统能耗，目标值记为E′。3、基于求得的无人机轨迹，构建数学模型P3，采用动态规划算法和凸优化，求得卸载决策和资源分配方案，计算系统能耗，目标值记为E。4、比较新的加权总能耗值E与E′的差值，如果|E‑E′|＜ε，则退出，否则重复步骤2和步骤3.应用本发明降低了无人机移动边缘计算网络中的依赖任务执行能耗，延长了无人机与终端设备的使用时间。
-
公开(公告)号：CN114496084A
公开(公告)日：2022-05-13
申请号：CN202210119428.2
申请日：2022-02-08
Applicant: 中南林业科技大学
Abstract: 本发明公开一种circRNA和miRNA关联关系高效预测方法，包括如下步骤：1、下载circRNA、疾病与miRNA数据，构建circRNA与miRNA的邻接矩阵A；2、计算基于疾病和miRNA的circRNA高斯内核相似度矩阵CCIS和CMIS，计算circRNA的序列相似度矩阵CES；计算基于疾病和circRNA的miRNA高斯内核相似度矩阵MIS和MCIS；3、构建circRNA和miRNA的综合相似度矩阵CS和MS；4、基于Node2vec算法计算相似度矩阵CNS、MNS；5、分别把CNS、MNS与A拼接成特征矩阵CF、MF；6、基于0矩阵与邻接矩阵A构建异构邻接矩阵Acm；基于CF和MF构建异构特征矩阵CM；7、把异构邻接矩阵Acm与CM嵌入图注意力网络，基于talking‑heads与条件随机场算法进行编码，再通过完全矩阵分解算法进行解码得出最终得分矩阵进行预测。本发明是一种新的预测circRNA与miRNA关联方法。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.024 seconds)
