-
公开(公告)号：CN112395090A
公开(公告)日：2021-02-23
申请号：CN202011305251.2
申请日：2020-11-19
Applicant: 华侨大学
Abstract: 本发明提供一种移动边缘计算中服务放置的智能混合优化方法，包括如下步骤：将移动边缘计算中的服务放置问题通过粒子群优化模型转化为优化问题模型，并进行初始化；模型迭代并利用收缩因子调整粒子的速度；计算系统中的传输延迟、计算延迟、计算能耗、传输能耗及系统总服务成本；根据每次迭代的粒子的速度和位置，计算对应的系统总服务成本，并更新全局最优解；采用模拟退火算法进一步更新全局最优解；本发明提供的方法，能够显著提高服务放置的系统性能，降低系统总服务成本，同时降低了系统服务延迟。
-
公开(公告)号：CN111294137A
公开(公告)日：2020-06-16
申请号：CN202010094873.9
申请日：2020-02-17
Applicant: 华侨大学
Abstract: 本发明提供一种水声网络中基于时域干扰对齐的多信道传输调度方法，包括以下步骤：S1网络拓扑结构表示，本发明采用分时隙的模型，将整个消息传输过程划为若干个长度为τ的时隙，节点之间的传输延迟指消息在两个节点间传输所需的时间，本发明用传输延迟矩阵表示网络拓扑结构，矩阵中的元素表示节点间传输消息所需时隙个数；S2传输调度初始化，用三维矩阵存储节点的状态，确定节点的传输时隙，选择的传输信道以及目的节点；S3最优传输决策搜索，寻找最优调度问题可看作一个序贯决策问题，使用动态规划可解决此问题。在多信道网络模型中，多个节点可在一个时隙内同时传输消息，减少了数据冲突，增加了网络吞吐量。
-
公开(公告)号：CN110942099A
公开(公告)日：2020-03-31
申请号：CN201911196658.3
申请日：2019-11-29
Applicant: 华侨大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于核心点保留的DBSCAN的异常数据识别检测方法，包括以下步骤：S1：将数据集随机划分成训练集和测试集；S2：构建训练集的近邻矩阵Croe-M和逆近邻矩阵Croe-MR，采用逆近邻矩阵Croe-MR作为判定核心点的依据；本发明涉及异常识别检测方法技术领域。该基于核心点保留的DBSCAN的异常数据识别检测方法通过重新定义了“密度”，利用“密度”对训练集进行聚类并打上标签，由此，再利用标签，对剩余测试集中的数据进行分类；通过随机抽样来划分训练集和测试集，提高了该检测方法的拓展性；同时，仅采用核心点建立模型，有效降低噪声点，尤其是边缘点对分类结果的影响；通过“密度”定义，能够好代表样本点在数据集类别中的权重，拥有更好的分类效果。
-
公开(公告)号：CN110689196A
公开(公告)日：2020-01-14
申请号：CN201910921109.1
申请日：2019-11-21
Applicant: 华侨大学
Abstract: 本发明公开了一种基于图着色的节点间能量再分配调度算法，涉及无线传感器网络技术领域。本发明包括以下阶段模式：S1能量再分配问题描述：给定一个由静态节点U组成的无线传感器网络(WSNs)，其中能量传输系数矩阵为C＝{c(i，j)}，能量上限列表为eU，能量下限列表为eL，能量传输功率列表为p，初始能量列表为eB，能量预期列表为eE；能量再分配问题(WPTERD)的任务是找一个最优能量传输调度s，使得最终总能量 最大化并且时间跨度最小 S2能量再分配问题分解。本发明的GCEgyTimeD算法使能量再分配过程中的能量损失最小，时间跨度最小，有利于延长无线传感器网络的寿命，有利于构建一个长期的无线传感器网络，具有较高的实际应用价值。
-
公开(公告)号：CN110213736A
公开(公告)日：2019-09-06
申请号：CN201910354785.5
申请日：2019-04-29
Applicant: 华侨大学
Abstract: 本发明公开了一种基于众包的传感云底层节点信任评价方法，包括：云端向移动用户发布信任评价任务；移动用户根据自身情况决定是否投标，若决定投标，则向云端上传其自身信息，所有参与投标的移动用户构成用户集合EU＝{u1,u2,...,ui,...,un}；云端基于移动用户上传的自身信息，从用户集合EU中选出参与信任评价的用户集合S；用户集合S中的移动用户对传感云底层的传感器节点进行信任评价，并将信任评价结果上传至云端；云端根据移动用户上传的信任评价结果进行数据聚合，获得最终信任评价结果；云端根据移动用户上传的信任评价结果及自身信息，决定用户集合S中移动用户的实际报酬。本发明通过众包雇佣移动用户对传感云底层传感器节点进行信任评价，能有效减小信任评价的成本。
-
Patent Agency Ranking
公开(公告)号：CN109189096A
公开(公告)日：2019-01-11
申请号：CN201811157655.4
申请日：2018-09-30
Applicant: 华侨大学
IPC: G05D1/10
Abstract: 本发明公开了基于传感网络的水下机器人控制系统，包括距离测量模块和主控模块，两者通过CAN总线连接，所述距离测量模块由下述部分组成：超声波换能器。本发明距离测量模块、主控模块、超声波换能器、超声波驱动电路和数据采集系统，将具有时效性的方位数据与神经网络的避障模型相结合，建立精密的超声波测距模块和主控模块设计，来完善水下机器人的外界障碍的识别能力，提高水下机器人避障性能，确保水下机器人顺利完成任务，具有一定的高效性和实用性，解决了传统的水下机器人避障系统研究具有一定的局限性，在转弯或后退过程中，存在一定的视觉盲区，无法精确测量出机器人与障碍物的精确距离，发生一定的碰撞，造成严重的经济损失的问题。
-
公开(公告)号：CN114594778B
公开(公告)日：2024-08-02
申请号：CN202210262922.4
申请日：2022-03-17
Applicant: 华侨大学
IPC: G05D1/43 , G05D1/633 , G05D1/644 , G05D109/10
Abstract: 本发明公开了一种基于二分法和路径融合的全局避障路径规划方法，涉及机器人路径规划技术领域。本发明的规划方法具体包括以下步骤：S1：初始化起始点start和目标点goal，根据已知空间环境建立二维空间模型；S2：建立碰撞检测模型，在start至goal的直线段上生成采样点，判断start至goal是否存在直接路径；S3：若存在直接路径，则将start和goal作为路径节点加入路径，并将该路径作为最佳路径，路径规划结束；S4：若不存在直接路径，则基于二分法，计算得到start至goal的所有可能路径。本发明可以为机器人规划出最短路径且能显著提高规划搜索效率，具有较高的实际应用价值。
-
公开(公告)号：CN117056691A
公开(公告)日：2023-11-14
申请号：CN202311112472.1
申请日：2023-08-31
Applicant: 华侨大学
IPC: G06F18/20 , G06F18/243 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于序列数据差分和随机森林的网络异常流量检测方法及装置，该方法包括：获取一维网络流量数据，对一维网络流量数据进行差分处理，得到差分处理数据；构建CNN‑RandomForest网络并训练，得到网络异常流量检测模型，CNN‑RandomForest网络包括依次连接的CNN网络和随机森林分类器；将差分处理数据输入网络异常流量检测模型，经过CNN网络进行特征提取，得到高级特征，将高级特征输入随机森林分类器，得到分类检测结果，该方法具有结构简单、成本低、检测精度高等优点。
-
公开(公告)号：CN112181971B
公开(公告)日：2022-11-01
申请号：CN202011166681.0
申请日：2020-10-27
IPC: G06F16/215 , G06F16/242 , G06F16/2455 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于边缘的联邦学习模型清洗和设备聚类方法、系统、设备和可读存储介质，方法包括：根据设备所在的局域网地址，对设备聚类，将在每个局域网部署一个移动边缘节点服务器；参与训练的终端设备接收到云端发来的全局模型，在本地数据上训练得到本地更新模型；计算终端设备本地更新模型参数与全局模型参数间的余弦相似度；判定所述余弦相似度是否大于设定阈值，若余弦相似度大于设定阈值的本地更新模型，传输到移动边缘节点服务器参与边缘聚合，得到簇模型；将局域网的簇模型发送到云端参与全局聚合，得到全局聚合模型。本发明提出的方法能够在减少不必要的通信开销和避免服务器高并发访问带来的传输延迟的情况下提高联邦学习通信效率的方法。
-
公开(公告)号：CN112929900B
公开(公告)日：2022-08-02
申请号：CN202110081524.8
申请日：2021-01-21
Applicant: 华侨大学
Abstract: 本发明公开了一种水声网络中基于深度强化学习实现时域干扰对齐的MAC协议，包括以下步骤：构建分时隙模型；将深度强化学习算法DQN应用到水声网络MAC协议，通过训练深度强化学习算法DQN实现时域干扰对齐；使用训练好的DQN来调度节点传输。与现有技术相比，本发明采用深度强化学习方法为节点分配时隙，使用DQN来实现时域干扰对齐，并使用训练好的DQN来调度节点传输；DQNSA‑MAC将干扰在非目的节点处对齐，并保留更多的无干扰时隙用作消息的传输和接收，从而提高吞吐量；此外，基于训练好的DQN，每个节点可以从目前的状态映射到传输动作，有效地解决了由于状态空间大而造成计算开销大的问题。综述，本发明能够提高水声网络MAC协议的吞吐量、成功传输率和公平性等。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.019 seconds)
