公开(公告)号：CN110162716A

公开(公告)日：2019-08-23

申请号：CN201910421573.4

申请日：2019-05-21

Applicant: 湖南大学

Inventor： 周旭 ,  罗文晟 ,  曾一夫 ,  陈建国 ,  姜文君 ,  李肯立 ,  李克勤

IPC: G06F16/9536 ,  G06Q50/00

Abstract: 本发明公开了一种基于社区检索的影响力社区搜索方法，通过启发式方法设置权重的初始阈值对网络进行筛选生成子图从而减小其规模达到减少计算成本的目的；在子图的基础上通过生成树判断关键节点的连通性，从而统计社区数量；对于不满足查询条件的阈值，对其进行增量迭代直至其满足查询条件；最后根据查询条件渐进的输出影响力最大社区，避免了重复的枚举社区数目。本发明弥补了现有社区检索技术方面的不足，但保留了其优势，使得社区检索技术变得完美：第一，通过渐进的输出结果有效地减少了重复计算，节省了计算成本；第二，充分考虑了相同权重节点对社区检索的影响，在不影响其检索性能的同时打破了权重的限制条件，扩大了其使用范围。

公开(公告)号：CN110119317A

公开(公告)日：2019-08-13

申请号：CN201910426632.7

申请日：2019-05-22

Applicant: 湖南大学

Inventor： 朱宁波 ,  刘元 ,  刘楚波 ,  全哲 ,  李肯立 ,  李克勤 ,  廖湘科

IPC: G06F9/50 ,  G06N3/12

Abstract: 本发明公开了一种基于遗传算法的云计算任务调度方法，包括：从客户端接收资源分配请求，根据资源分配请求为所有子任务随机生成概率矩阵λ，采用广度优先搜索算法对步骤(1)中的任务依赖关系图进行处理，从而得到多个子任务序列，依次将每个子任务序列中的每个子任务分配给概率矩阵中该子任务所属任务单元所在行的最大随机概率值所对应的物理机，进而形成父种群，计算每个物理机处理对应的任务单元的时间开销和能量开销，根据该时间开销和能量开销获取父种群中每个元素所对应的所有物理机的总时间开销和总能量开销，从而构成向量集合。本发明能解决现有云计算领域缺乏一种能同时实现降低云计算时间开销和云数据中心能耗的有效机制的技术问题。

公开(公告)号：CN108776698A

公开(公告)日：2018-11-09

申请号：CN201810584637.8

申请日：2018-06-08

Applicant: 湖南大学

Inventor： 吕葳 ,  唐卓 ,  李肯立 ,  李克勤 ,  付仲明 ,  肖伟

IPC: G06F17/30

Abstract: 本发明公开了一种基于Spark的抗偏斜的数据分片方法，包括：步骤A：获取预估的中间数据的键簇分布以及Spark应用类型，再基于获取的键簇分布生成与Spark应用类型相匹配的分片策略；键簇为键相同的键值对集合，分片策略包括分别与无需排序、需排序的应用类型相对应的基于键簇重分配的哈希算法策略和基于键簇分割的范围分片算法策略；步骤B：利用生成的分片策略计算出Map输出数据中每个键值对的reduce索引号，再基于reduce索引号的大小顺序将键值对依次写入中间数据文件中。通过上述方法解决了Spark本身的抗偏斜机制问题，解决现有的Hash方法和Range方法无法处理分片偏斜的问题。

公开(公告)号：CN118822680A

公开(公告)日：2024-10-22

申请号：CN202410873198.8

申请日：2024-07-01

Applicant: 湖南大学

Inventor： 姜文君 ,  魏朝勇 ,  邓晓衡 ,  李肯立 ,  李克勤

IPC: G06Q30/0601 ,  G06F16/9535 ,  G06N3/0442 ,  G06N3/048 ,  G06F17/16

Abstract: 本发明提供了一种兴趣得分预测方法、装置、存储介质及程序产品，所述兴趣得分预测方法包括根据目标用户所对应的历史交互行为提取所述目标用户所对应的初始兴趣表示；根据所述历史交互行为提取所述目标用户所对应的目标特征级信息；将所述初始兴趣表示和所述目标特征级信息进行融合，以获得所述目标用户所对应的目标兴趣表示；根据所述初始兴趣表示、所述候选特征级信息和所述目标兴趣表示预测候选对象的兴趣得分。本发明提供的兴趣得分预测方法，将目标用户的项目级兴趣表示与特征级兴趣表示相融合得到的目标兴趣表示，可以充分反应用户的真实兴趣，可以准确预测目标用户对候选对象的兴趣程度。

公开(公告)号：CN112766315B

公开(公告)日：2024-03-29

申请号：CN202011630126.9

申请日：2020-12-31

Applicant: 湖南大学

Inventor： 李肯立 ,  段明星 ,  廖清 ,  方森 ,  李克勤 ,  刘楚波 ,  唐卓

IPC: G06V10/778 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明属于人工智能模型鲁棒性判定技术领域，并公开了一种在不知人工智能模型以及训练数据集情况下能有效地对未知模型进行攻击方法，包括以下步骤：原始数据集的浅层共享特征的捕获，并根据输入条件生成相应的目标样本。待测试人工智能模型用于预测目标样本的输出，该输出和正式的标签进行比对得到相应损失。同时生成的目标样本用于训练替代模型，并得到相应的输出，比较同一个样本在两个不同模型情况下的输出，得到比对损失，用于确保替代模型很好的学习待测试人工智能模型的全部功能。之后用一些成熟的攻击算法去攻击替代模型得到相应的对抗样本，并将这些对抗样本用于攻击未知的人工智能模型，进而判定人工智能模型的鲁棒性。

公开(公告)号：CN111459662B

公开(公告)日：2023-07-04

申请号：CN202010190898.9

申请日：2020-03-18

Applicant: 湖南大学

Inventor： 李肯立 ,  唐帆 ,  刘楚波 ,  周旭 ,  肖国庆 ,  阳王东 ,  唐卓 ,  吴帆 ,  谭光华 ,  朱宁波 ,  李克勤

IPC: G06F9/50

Abstract: 本申请涉及一种上述移动边缘计算中的迁移管理方法、装置、计算机设备和存储介质，其中，方法包括：获取任务的数据信息，将任务卸载至当前覆盖任务的源边缘服务器；将待处理的任务根据当前时间片下对应的目的边缘服务器划分为不同小组，针对每个小组内任务计算迁移阈值；依次确定小组内各任务的迁移策略；根据得到的迁移策略进行移动边缘计算中的迁移管理。采用分组的思想，将任务基于目的边缘服务器划分为不同小组，再根据确定的迁移阈值依次确定下小组内各任务的迁移策略，能够高效确定各任务的迁移策略。

公开(公告)号：CN111489064B

公开(公告)日：2023-05-12

申请号：CN202010226676.8

申请日：2020-03-27

Applicant: 湖南大学

Inventor： 陈建国 ,  李肯立 ,  刘刚 ,  彭继武 ,  李克勤

IPC: G06Q10/0631 ,  G06Q50/30 ,  G06F18/232 ,  G06N3/0442 ,  G08G1/01

Abstract: 本发明公开了一种面向Df‑PBS系统的公共自行车站点动态规划方法，其中采用的自行车停放点聚类方法能够充分利用大规模历史公共自行车的位置信息记录，挖掘实际的自行车行驶租用需求、行驶轨迹、以及自行车停放点分布情况；自行车站点图模型和图序列模型的构建方法能够有效建立自行车站点的抽象模型并进行分析，同时能够有效捕捉不同时间段之间自行车站点位置及站点中自行车数量的更新和变化情况；基于门控图神经网络的公共自行车站点预测方法能够充分利用深度学习技术对大规模图结构数据进行挖掘，实现自行车站点布局的精准预测；自行车站点动态规划方法能够有效确保推荐的自行车站点布局有利于城市管理，同时提高供应商收益和用户便利性。

公开(公告)号：CN110332936B

公开(公告)日：2023-04-21

申请号：CN201910435193.6

申请日：2019-05-23

Applicant: 湖南大学

Inventor： 李肯立 ,  李扬帆 ,  陈岑 ,  周旭 ,  肖国庆 ,  刘楚波 ,  李克勤

IPC: G01C21/20

Abstract: 本发明公开了一种基于多传感器的室内运动轨迹导航方法，其包括以下步骤：设定运动路径，所述运动路径包括起点地理位置信息、终点地理位置信息和当前环境信息；沿着所述运动路径行走，首次采集所述运动路径的参考轨迹信息，所述参考轨迹信息包括参考轨迹空间参数、参考轨迹直线参数、参考轨迹高度参数和参考轨迹拐点参数；导航时，用户沿着所述运动路径行走并采集实际轨迹信息，所述实际轨迹信息至少包括实际轨迹空间参数；将所述实际轨迹信息与所述参考轨迹信息进行相似度分析并输出结果,以指示用户行走。与现有技术相比，本发明提供的导航方法利用常见设备如智能手机中的多传感器就可以为用户提供有效的室内导航。

公开(公告)号：CN110267292B

公开(公告)日：2022-07-08

申请号：CN201910408711.5

申请日：2019-05-16

Applicant: 湖南大学

Inventor： 陈岑 ,  符潇 ,  李肯立 ,  李克勤

IPC: H04W24/06 ,  H04L41/147 ,  H04L41/14 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于三维卷积神经网络的蜂窝网络流量预测方法，包括以下步骤：将网络流量数据建模为三维张量输入形式得到三维网络流量数据模型；根据三维网络流量数据，获取训练集数据和测试集数据；构造基础三维卷积神经网络；对短时依赖数据进行三维卷积神经网络的训练得到短时特征，对长时依赖数据进行三维卷积神经网络的训练得到长时特征；对短时特征以及长时特征进行融合训练，得到特征矩阵，作为基础三维卷积神经网络的输出，形成训练模型；使用训练模型对待预测的网络流量数据进行预测，得到网络流量预测结果。本发明提供的预测方法同时考虑网络流量数据的短期相关性和长时趋势性，捕获网络流量数据时序上的特征相关性。

公开(公告)号：CN114358961A

公开(公告)日：2022-04-15

申请号：CN202111613220.8

申请日：2021-12-27

Applicant: 湖南大学

Inventor： 姜文君 ,  陈国榜 ,  李肯立 ,  李克勤 ,  戴雅君

IPC: G06Q50/00 ,  G06F30/20 ,  G06F111/08

Abstract: 本申请提供一种考虑群体共识的竞争影响力传播最大化方法及相关设备，可以为社交网络实现更好的影响力传播效果。该方法包括：将从社交网络中选取的K个初始节点进行激活，得到正向节点集合；若目标群体满足群体激活条件，则通过正向影响或竞争影响对目标群体进行激活；若社交网络中存在未激活且不处于已激活群体中的目标节点，且目标节点满足节点激活条件，则通过正向影响或竞争影响对目标节点进行激活；将被正向影响所激活的节点添加至正向节点集合以及被竞争影响所激活的节点添加至竞争节点集合；基于添加节点后的正向节点集合和竞争节点集合对社交网络中未激活的节点进行激活，直至达到终止条件得到正向最终集合。