-
公开(公告)号：CN116916337B
公开(公告)日：2024-09-03
申请号：CN202310913257.5
申请日：2023-07-24
Applicant: 重庆邮电大学
Abstract: 本发明属于无人机任务卸载和资源分配技术领域，具体涉及一种基于智能反射面辅助的无人机移动边缘计算网络系统的任务卸载资源分配方法，包括：构建智能反射面辅助的无人机移动边缘计算网络系统模型；构建智能反射面辅助的无人机移动边缘计算网络通信模型；根据通信模型获得时延模型和能耗模型；以最小化无人机能耗为目标建立多变量联合优化模型；利用深度强化学习方法求解所述目标优化模型；本发明通过智能反射面辅助、联合优化卸载决策和资源分配，有效降低了无人机能耗，提升了无人机网络系统性能。
-
公开(公告)号：CN114928611A
公开(公告)日：2022-08-19
申请号：CN202210527281.0
申请日：2022-05-16
Applicant: 重庆邮电大学
Abstract: 本发明属于车联网计算领域，具体涉及一种基于IEEE802.11p协议的车联网节能计算卸载优化方法，包括当车辆的计算任务的输入数据大小满足第一不等式，则将车辆划分到第一集合中，第一集合中的数据在本地执行计算任务；当车辆的计算任务的输入数据大小满足第二不等式，则将车辆划分到第二集合中，第二集合中的数据卸载至远程云服务器执行；若不满足前两个不等式则计算车辆在不同卸载情况下执行任务的时延和能效，并计算系统效用；以最大化系统效用构建目标函数，求解目标函数在满足最大容忍时延和资源限制下的卸载策略；本发明在不损失性能的情况下大大降低算法复杂度，且在降低计算时间和系统能耗方面，相比于现有方案具有更好的性能。
-
公开(公告)号：CN114662787A
公开(公告)日：2022-06-24
申请号：CN202210409364.X
申请日：2022-04-19
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06Q10/06 , H04L65/60 , H04L67/568 , G06N3/00
Abstract: 本发明属于通信技术领域，具体涉及一种基于流媒体的MEC缓存优化方法，包括：通过MEC服务器获取流媒体偏好数据，根据流媒体偏好数据对用户预测，根据预测的结果对目标用户进行填充，采用一种层次分析法计算用户的评分权重，最后利用粒子群算法确定需要存储在MEC服务器中的文件列表,通过本发明的方法，可以提供速度更快，更贴合用户需求的网络服务，MEC研究包括网络规划、资源分配、干扰协调和缓存规划。本发明结合“流媒体”的特点，根据不同用户对流媒体内容的喜好不同，对缓存规划做进一步优化，本发明制定了一个缓存优化方案，使MEC服务器在有限的缓存空间下，缓存的文件能够为周边用户带来最佳的体验。
-
公开(公告)号：CN113705636A
公开(公告)日：2021-11-26
申请号：CN202110922185.1
申请日：2021-08-12
Applicant: 重庆邮电大学
Abstract: 本发明自动驾驶领域，具体是一种自动驾驶车辆轨迹预测方法、装置及电子设备；所述方法包括根据自动驾驶车辆周围的传感器采集其周围交通参与者的一系列连续点云图像，对点云图像进行处理后获得自动驾驶车辆与周围交通参与者的位置关系和鸟瞰图BEV；通过图卷积模型对自动驾驶车辆与周围交通参与者的位置关系建模，提取出自动驾驶车辆与周围交通参与者的交互特征；通过时空金字塔模型对BEV图建模，提取出相应的历史轨迹的场景特征；将场景特征和交互特征进行融合，根据所述融合特征预测出自动驾驶车辆的分类和轨迹。本发明考虑了周围交通参与者相互之间的影响，对交通参与者进行分类预测和轨迹预测，减小了运动不确定性对目标轨迹预测的影响。
-
公开(公告)号：CN119963915A
公开(公告)日：2025-05-09
申请号：CN202510061508.0
申请日：2025-01-15
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V20/10 , G06V10/52 , G06V10/80 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本发明涉及一种基于残差光谱与多尺度空间特征提取网络的高光谱图像分类方法，属于高光谱图像处理技术领域，包括以下步骤：S1：输入高光谱图像，预处理并划分训练、验证、测试集；S2：对数据进行初始卷积降维；S3：将降维特征通过Ghost3D残差块和光谱残差注意力机制挖掘高光谱图像数据的光谱特征，并进行维度转换；S4：将光谱特征利用多尺度空间卷积块提取空间纹理特征；S5：将步骤S1‑S4封装入卷积神经网络模型进行训练，通过反向传播方法迭代训练模型中的参数，达到最大迭代次数后停止，得到高光谱图像分类模型；S6：最终，将测试集和验证集输入到高光谱图像分类模型中进行测试和验证，得到分类类标，完成分类。
-
Patent Agency Ranking
公开(公告)号：CN116866933B
公开(公告)日：2024-10-29
申请号：CN202310912964.2
申请日：2023-07-24
Applicant: 重庆邮电大学
Abstract: 本发明属于无人机资源分配技术领域，具体涉及一种基于智能反射面辅助的无人机协助边缘计算网络资源分配方法，包括：构建智能反射面辅助的无人机协助边缘计算网络系统模型；构建通信模型、时延模型和能耗模型；根据通信模型、时延模型和能耗模型构建最大平均吞吐量函数；采用连续凸近似和块降落算法对最大平均吞吐量函数进行优化，根据优化后的最大平均吞吐量函数计算最优资源分配结果；本发明通过智能反射面辅助无人机网络系统，从而提高车辆与无人机之间链路的信道增益。
-
公开(公告)号：CN116528364B
公开(公告)日：2024-08-30
申请号：CN202310553022.X
申请日：2023-05-17
Applicant: 重庆邮电大学
IPC: H04W72/044 , H04W72/1263 , H04W72/50 , H04W72/53
Abstract: 本发明涉及一种基于RIS辅助的NOMA边缘计算动态任务传输功率分配方法，包括：构建RIS‑NOMA边缘计算任务传输系统；在队列长度约束下成立UE端总成本表达式；利用惩罚理论加入惩罚因子将队列约束转换为稳定性表达式构建UE端总成本稳定表达式；根据马尔可夫的决策过程对RIS‑NOMA边缘计算任务传输过程进行建模得到基于RIS‑NOMA边缘计算任务传输的MDP模型；根据基于RIS‑NOMA边缘计算任务传输的MDP模型以UE端总成本最小化为目标利用DDQN算法计算得到最优的UE传输功率分配方案，本发明方法考虑更实际的动态任务传输场景，更容易找到使用户成本最小化的全局最优解。
-
公开(公告)号：CN115048521B
公开(公告)日：2024-07-23
申请号：CN202210720096.3
申请日：2022-06-23
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06F16/36 , G06F40/284 , G06F40/216 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/0895 , G06Q50/18 , G06N3/048
Abstract: 本发明公开了一种基于半监督的图神经网络的案件争议焦点识别方法及装置，所述方法包括：首先利用司法知识图谱三元组嵌入丰富诉辩双方关键陈述句子，然后设计关键单词筛选机制，将输入的诉辩文本单词进行排序、抽取操作，将处理后的单词与文本作为两种节点构建文本图，将文本图输入图注意力网络实现多标签文本分类，从而识别争议焦点。本发明通过利用司法知识图谱中的知识要素、关键文本单词筛选机制，增强了文本特征、改善了长文本限制问题，降低了模型占用资源，最终基于半监督的图神经网络实现多标签文本分类技术完成争议焦点的识别，提高庭审效率。
-
公开(公告)号：CN113705636B
公开(公告)日：2024-02-20
申请号：CN202110922185.1
申请日：2021-08-12
Applicant: 重庆邮电大学
IPC: G06F18/25 , G06F18/24 , G06N3/042 , G06N3/0464 , G08G1/01
Abstract: 本发明自动驾驶领域，具体是一种自动驾驶车辆轨迹预测方法、装置及电子设备；所述方法包括根据自动驾驶车辆周围的传感器采集其周围交通参与者的一系列连续点云图像，对点云图像进行处理后获得自动驾驶车辆与周围交通参与者的位置关系和鸟瞰图BEV；通过图卷积模型对自动驾驶车辆与周围交通参与者的位置关系建模，提取出自动驾驶车辆与周围交通参与者的交互特征；通过时空金字塔模型对BEV图建模，提取出相应的历史轨迹的场景特征；将场景特征和交互特征进行融合，根据所述融合特征预测出自动驾驶车辆的分类和轨迹。本发明考虑了周围交通参与者相互之间的影响，对交通参与者进行分类预测和轨迹预测，减小了运动不确定性对目标轨迹预测的影响。
-
公开(公告)号：CN117062025A
公开(公告)日：2023-11-14
申请号：CN202311210900.4
申请日：2023-09-19
Applicant: 重庆邮电大学
Abstract: 本发明属于车联网领域，具体涉及一种车联网节能联合计算卸载与资源分配方法，所述包括提出了一种协同感知的数据融合体系结构，将来自RSU和车辆的感知数据进行数据融合处理。面向数据融合计算任务，提出了一种改进的K均值任务分类算法对任务进行预分类。然后针对需要将任务卸载到卸载节点的车辆，提出了一个具有长期时延约束和长期能耗约束的排队时延最小化问题，并利用李雅普诺夫优化方法将长期时延约束和长期能耗约束转化为队列稳定性问题。最后将其卸载过程建模为马尔可夫决策过程模型，利用DDQN算法找到最优的计算卸载与计算资源分配决策。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.024 seconds)
