-
公开(公告)号：CN104681031A
公开(公告)日：2015-06-03
申请号：CN201410743434.0
申请日：2014-12-08
Applicant: 华侨大学
IPC: G10L19/018 , G10L25/78
Abstract: 本发明涉及一种基于比特组合的低速率语音最低有效位隐写检测方法，步骤如下：采集语音样本，对语音样本进行语音质量客观评价，根据预计的规则排序，构建待检比特位队列；依次将待检比特位队列各结点的比特位置为长度为N的二进制数中的最低比特位，得到基于比特组合的待检参数集合；基于卡方统计，根据待检参数集合对待检比特位队列进行隐写检测。本发明通过比特位组合的方式解决了传统LSB检测算法难以应用于低速率语音隐写检测的问题。在检测过程中本发明通过预先对可隐藏位根据其隐写性能进行排序，可有效提高检测效率。此外，本发明中的比特位组合方法与语音的具体编码方式无关，适用于所有低速率语音LSB隐写的检测，具有良好的普适性。
-
公开(公告)号：CN104639626A
公开(公告)日：2015-05-20
申请号：CN201510043131.2
申请日：2015-01-28
Applicant: 华侨大学
Abstract: 本发明涉及一种多级负载预测与云资源弹性配置方法，以及一种基于监控与预测的云资源弹性配置系统。本发明所述的多级负载预测与云资源弹性配置方法以及基于监控与预测的云资源弹性配置系统，云资源监控系统采用2层架构，降低了云资源监控系统的复杂度，同时减轻了单台监控服务器的负载压力。负载预测流程采用了时间复杂度更低的预测算法，降低了预测本身的系统资源开销。资源弹性配置流程采用多级预测与资源配置机制，在不同的时间精度内对云资源动态调整，提高云资源利用率。
-
公开(公告)号：CN104021395A
公开(公告)日：2014-09-03
申请号：CN201410279523.4
申请日：2014-06-20
Applicant: 华侨大学
Abstract: 本发明公开了一种基于高阶偏最小二乘法的目标跟踪算法，包括初始化阶段、训练阶段、测试阶段，和更新阶段。本发明以二维张量来表示图像块，保存了该图像块内在的空间结构信息，同时，本发明综合了多个时序的图像块及其类别来建立高阶张量，并以偏最小二乘法来分析该高阶张量与其类别矩阵的关联之处，使目标跟踪算法的性能大大提高。
-
公开(公告)号：CN112181666B
公开(公告)日：2023-09-01
申请号：CN202011155848.3
申请日：2020-10-26
Applicant: 华侨大学
IPC: G06F9/50 , G06F16/2455 , H04L41/14 , H04L41/142 , G06N3/0464 , G06N3/08 , G06F16/242
Abstract: 本发明提供一种基于边缘智能的设备评估和联邦学习重要性聚合方法，包括如下步骤：云服务器初始化：云服务器生成初始模型，设备评估与选择：边缘服务器接收终端设备的资源信息，生成资源特征向量，并将所述资源特征向量输入评估模型，本地训练：边缘服务器选择智能设备后，将转存的初始模型发送所述智能设备，智能设备对初始模型在联邦学习中进行本地训练，得到本地模型；本地模型筛选：将本地模型发送到边缘服务器，通过比较本地模型与前一轮全局模型的损失值来判断是否为异常的模型；全局聚合：利用经典的联邦平均算法进行全局聚合。本发明提供的方法一方面解决了带有资源约束设备的训练瓶颈问题，另一方面提高模型聚合的效果以减少冗余的训练与通信消耗。
-
公开(公告)号：CN110058949B
公开(公告)日：2023-03-31
申请号：CN201910360627.0
申请日：2019-04-30
Applicant: 华侨大学
IPC: G06F9/50
Abstract: 一种基于智能边缘计算的传感云低耦合控制方法，通过引入边缘计算，能更好地控制和管理网络边缘节点，以弥补云计算模式鞭长莫及的缺陷。利用边缘层的计算和存储能力，设置两个缓存队列，其中一个用于缓存用户请求并合并重复的请求命令，另一个用机器学习的学习缓存底层使用最频繁的资源，对问题作预处理，并使用扩展KM算法完成未缓存资源的最优调度，降低传感云的耦合度。本发明可以应用在大规模高连接的传感云系统中。
-
Patent Agency Ranking
公开(公告)号：CN111292366B
公开(公告)日：2023-03-10
申请号：CN202010094884.7
申请日：2020-02-17
Applicant: 华侨大学
IPC: G06V20/58 , G06T7/521 , G06T7/80 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/088
Abstract: 本发明涉及智能汽车的自动驾驶领域，尤其涉及一种基于深度学习和边缘计算的视觉行车测距算法，包括以下步骤：S1、构建带行车测距数据集并进行标注；S2、利用构建的标准数据集，生成适用于行车测距的深度模型；S3、联合边缘设备和传感设备自动对网络进行分割加速推断；S4、用测试数据集进行实验，预测行车距离，本发明使用单目摄像头采集行车数据集，节省了成本。且通过多种数据增强的方法对数据集进行了有效扩充，不仅增加了数据量，有效避免了网络过拟合，提高了行车测距的准确率。
-
公开(公告)号：CN110536303B
公开(公告)日：2022-12-06
申请号：CN201910706957.0
申请日：2019-08-01
Applicant: 华侨大学
IPC: H04W12/122 , H04L41/142 , H04W4/38
Abstract: 本发明的一种基于边缘移动节点的传感云信任评估方法和系统，基于边缘计算的传感云可信评估方法，充分利用边缘节点的移动性和计算能力，通过移动边缘节点收集指定范围内传感器节点的信任信息(如能量、成功交互次数、失败交互次数)，然后利用收集到信任信息计算主体节点和目标节点之间信任链的信任度，并把信任结果和评估的结果上传至边缘层进行信任更新和存储，以便再次利用，在云层需求的情况下可进一步将评估结果上参与信任决策。本发明利用边缘移动节点收集传感器的信任信息并计算处于主体节点和目标节点之间信任链的信任度，过滤不可信节点，确保传感数据在传输过程的安全性，预防恶意攻击，提高传感云的安全性。
-
公开(公告)号：CN110413652B
公开(公告)日：2022-06-07
申请号：CN201910605082.5
申请日：2019-07-05
Applicant: 华侨大学
IPC: G06F16/2457 , G06F16/2455 , G06F16/22 , G06F21/62
Abstract: 一种基于边缘计算的大数据隐私化检索方法，1)用户端对待上传数据文件计算信息熵，进行核心数据提取与储存；2)将非核心数据上传至边缘端并构建隐式检索索引；3)在边缘端进行系统参数预设，将非核心数据进行结构隐藏与再划分，得到公有部分数据和私有部分数据；4)将公有部分数据加密后上传至云端，云端储存加密的公有部分数据；5)用户端以关键词发起检索申请，边缘端根据关键词和隐式检索索引生成检索令牌，云端获取检索令牌后进行关键词匹配检索，将检索结果返回至边缘端，边缘端再将检索结果返回至用户端。本发明能确保系统在存储与检索过程中的实效性、可靠性和灵活性，实现高效且私密的数据检索。
-
公开(公告)号：CN108965168B
公开(公告)日：2022-06-07
申请号：CN201811133021.5
申请日：2018-09-27
Applicant: 华侨大学 , 厦门传邮智能科技有限公司
Abstract: 本发明公开了一种基于效用函数的车联网占优资源公平分配优化方法，首先构造了以服务质量QoS指标(分组时延和丢包率等)为自变量的效用函数；然后利用M/D/1排队模型建立QoS指标与无线网络资源数量(带宽和缓存等)二者间的函数映射关系；接着设计一种占优资源公平机制的分配算法，以最大化车辆用户效用为目标，并辅以用户权重优先级对用户的占优资源进行公平合理的分配。本发明的效用函数能够有效的代表用户对服务的满意程度，通过对QoS指标与资源数量建立映射模型，可以将用户的QoS性能需求转化为所需分配的资源数量，在实现满足占优资源公平按需分配的同时最大化用户对QoS需求的满意程度，提高了用户优先级最大化资源的利用率。
-
公开(公告)号：CN111259561A
公开(公告)日：2020-06-09
申请号：CN202010082936.9
申请日：2020-02-07
Applicant: 华侨大学
IPC: G06F30/20 , G06F17/11 , G06F111/10 , G06F119/08 , G06F119/12
Abstract: 本发明涉及一种基于时间间隔的温度感知的处理器能耗计算方法，步骤为：1)根据周期任务的参数确定时间间隔；2)根据热传导方程，计算处理器在时刻t的温度T(t)；3)计算周期任务在单个时间间隔[t0,t1]的能耗E(t0,t1)；4)计算周期任务的总能耗Esum。本发明通过划分时间间隔，根据热传导方程，计算任务在各时间间隔的能耗，考虑系统温度对能耗的影响，提高了能耗计算的准确性。
-
-
-
-
-
-
-
-
-
Search Results
137
records
(took 0.032 seconds)
