-
-
公开(公告)号:CN102508721B
公开(公告)日:2014-05-21
申请号:CN201110391004.3
申请日:2011-11-30
Applicant: 湖南大学
IPC: G06F9/50
Abstract: 一种基于贪心模拟退火算法的软硬件划分的方法,其流程为:(1)将软硬件划分问题规约为0-1背包问题,使用时间复杂度较低的贪心算法对任务集进行初始划分,然后将此划分结果作为模拟退火算法的初始值;(2)模拟退火算法:主要由两层循环构成,内层循环根据扰动模型产生新划分并采用接收准则对其进行判断接收;外层循环根据温度阈值以及连续未接受新划分的次数来判断是否退出循环过程。本发明能够减少算法运行时间、提高搜索质量、减少计算复杂度。
-
公开(公告)号:CN111062444B
公开(公告)日:2023-12-08
申请号:CN201911331410.3
申请日:2019-12-21
Applicant: 湖南大学
IPC: G06Q40/03 , G06F18/23 , G06F18/24 , G06F18/214 , G06F18/21
Abstract: 本发明公开了一种信用风险预测方法、系统、终端及存储介质,方法包括:采用已发生还款行为的用户的信息对待训练的信用风险预测模型进行训练,获得初步训练的信用风险预测模型;采用初步训练的信用风险预测模型对贷款审核未通过的用户的信用风险等级进行预测,获得贷款审核未通过的用户的信用风险预测等级;将已发生还款行为用户的用户信息和对应的实际信用风险等级以及贷款审核未通过的用户的用户信息和对应的信用风险预测等级,对初步训练的信用风险预测模型进行训练,获得最终的信用分析预测模型。本发明解决了现有信用评分模型中对对用户的信用风险的进行预测的准确率低问题。
-
公开(公告)号:CN116321402A
公开(公告)日:2023-06-23
申请号:CN202310258555.5
申请日:2023-03-16
Applicant: 湖南大学重庆研究院
IPC: H04W56/00
Abstract: 本发明涉及计算机通信领域,公开了一种面向4G/5G的轻量级PTP时间同步系统及方法。包括:主时钟模块和从时钟模块,其中:所述主时钟模块:设置于第一设备,实现与所述从时钟模块的消息传输功能;所述从时钟模块:设置于第二设备,计算所述第一设备与所述第二设备之间的时间误差,并根据所述时间误差对所述第二设备的系统时间进行校正。本发明放宽了对设备和硬件的要求,通过对算法的优化,避免对设备进行硬件改动。仅使用软件也能够在局域网环境下实现百微秒级别的精度,可以满足4G/5G场景对时间同步精度的需求;在PTP的基础之上提出了一种动态优化的改进,根据网络状态将时间同步过程动态地分为调整阶段和守时阶段,提供了良好的精度。
-
公开(公告)号:CN112766451A
公开(公告)日:2021-05-07
申请号:CN202011571296.4
申请日:2020-12-27
Abstract: 本发明提供一种用于信用评估特征选择的启发式算法,算法基于SSA算法生成随机蜘蛛种群,利用OBL策略计算蜘蛛种群的相反解,并选择最适解形成OBL种群数量,随机生成的蜘蛛种群和OBL蜘蛛种群进行算法迭代,计算蜘蛛个体的适应度值和振动值,利用局部搜索算法LSA选择最优解个体,未选择的个体将进入下一轮迭代,迭代结束后输出LSA选择的所有最优解,形成最佳解集。本发明目的在于通过机器学习本发明中的算法代替了传统的人工特征筛选,提高了特征筛选的效率;与一般启发式算法相比,本发明中算法加入OBL策略,显著提升了空间覆盖率和算法的稳定性;本发明中的算法引入了适用于P2P领域的LSA算法架构,提升了特征筛选的准确率与模型匹配度。
-
-
公开(公告)号:CN109799805B
公开(公告)日:2020-09-29
申请号:CN201910044836.4
申请日:2019-01-17
Applicant: 湖南大学
IPC: G05B23/02
Abstract: 本发明公开了一种可靠性感知的高性能汽车电子调度算法。通过将每个功能的可靠性要求转移到功能的每个任务的可靠性要求来解决满足多个功能的可靠性的问题;通过以最小的最早完成时间策略将每个任务分配给ECU,并判断任务的功能关键级高于系统关键级的任务的处理时间AFT(vi)是否超过被取出的任务的剩余时间RTsd(vi),来决定是否应用关键级调整策略以满足关键功能的响应时间要求。
-
公开(公告)号:CN111080442A
公开(公告)日:2020-04-28
申请号:CN201911331416.0
申请日:2019-12-21
Applicant: 湖南大学
Abstract: 本发明提供了一种信用评分模型的构建方法、装置、设备及存储介质,其中该构建方法包括:将原始不平衡信用数据集划分为训练集和验证集;所述原始不平衡信用数据集内的多个数据样本包括多个用户的信用信息,所述多个数据样本与所述多个用户一一对应;将所述训练集内的数据样本分为多数类训练样本和少数类训练样本;利用无监督聚类算法对所述多数类训练样本进行聚类,生成多个样本簇;根据所述多个样本簇和所述少数类训练样本,得到预设数量的平衡训练子集;根据得到的平衡训练子集、所述验证集以及预设决策树基分类器,构建信用评分模型。本发明能提升信用评分模型的分类性能。
-
公开(公告)号:CN111062444A
公开(公告)日:2020-04-24
申请号:CN201911331410.3
申请日:2019-12-21
Applicant: 湖南大学
Abstract: 本发明公开了一种信用风险预测方法、系统、终端及存储介质,方法包括:采用已发生还款行为的用户的信息对待训练的信用风险预测模型进行训练,获得初步训练的信用风险预测模型;采用初步训练的信用风险预测模型对贷款审核未通过的用户的信用风险等级进行预测,获得贷款审核未通过的用户的信用风险预测等级;将已发生还款行为用户的用户信息和对应的实际信用风险等级以及贷款审核未通过的用户的用户信息和对应的信用风险预测等级,对初步训练的信用风险预测模型进行训练,获得最终的信用分析预测模型。本发明解决了现有信用评分模型中对对用户的信用风险的进行预测的准确率低问题。
-
-
-
-
-
-
-
-
-