-
公开(公告)号：CN113645564A
公开(公告)日：2021-11-12
申请号：CN202110758771.7
申请日：2021-07-05
Applicant: 南京邮电大学
IPC: H04W4/02 , H04W4/021 , H04W4/33 , H04W12/122 , G06K9/62
Abstract: 本发明涉及一种面向室内位置信息群体众筹的混合激励方法，应用众筹参与思想，考虑众筹者提供室内位置信息质量差异，设计采用最大信息系数的相关性分析过滤潜在恶意众筹者，以及采用加权聚类与ReliefF融合的无监督学习算法量化数据质量，如此基于关于目标位置信标感知数据的获得，设计实现目标位置所对应标记信息的获得，实现室内各目标位置的逻辑定位，并且在应用中，引入混合激励框架，激励感知众筹者为高质量的感知服务提供高质量的感知数据，满足感知众筹者个人理性、近似最大化感知平台效能，而且在质量保证和效能管理方面，相对已有方法具有更好的性能。
-
公开(公告)号：CN109842887B
公开(公告)日：2021-10-29
申请号：CN201910167014.5
申请日：2019-03-06
Applicant: 南京邮电大学
IPC: H04W16/18 , H04W24/10 , H04W36/08 , H04B17/391
Abstract: 本发明揭示了一种面向超密集场景考虑用户移动性的资源映射方法，包括如下步骤：S1、超密集网络模型构建步骤，构建一个单宏基站的超密集网络系统；S2、用户移动性建模步骤，对网络区域进行划分编号并抽象成网络拓扑图，通过高阶马儿科夫链对下个时刻用户的运动进行预测；S3、虚拟网络映射步骤，构建综合基站选择指标及基站选择模型，通过对预测区域的候选基站进行遍历计算，并选择综合指标最大的基站进行资源的预留，进而实现用户的快速切换。本发明方案中的频谱分配方法具有很好的理论性能保证，同时本发明的技术方案逻辑清晰、构架简单且易于实现，具有很高的使用及推广价值。
-
公开(公告)号：CN112948101B
公开(公告)日：2021-10-26
申请号：CN202110531260.1
申请日：2021-05-17
Applicant: 南京邮电大学 , 中兴通讯股份有限公司
Abstract: 本发明公开了一种面向快速联邦学习的5G边缘设备调度方法，该方法在联邦学习的每个训练周期开始阶段，考虑每个边缘设备的训练时延、公平性和本地模型重要性，基于多臂老虎机理论进行边缘设备调度。本发明还搭建了一个无线联邦学习系统，其联邦学习的训练过程包括：每个训练周期开始阶段，基于多臂老虎机理论进行设备调度；每个训练周期训练过程中，被调度的设备进行本地训练，并将更新之后的本地模型上传给基站，生成新的全局模型；每个训练周期结束阶段，基站将更新之后的全局模型广播给所有设备，用于下一个周期的设备选择以及模型训练。该发明能够在设备信道条件以及本地计算能力未知的情况下，以较低的训练时延获得较高的学习性能。
-
公开(公告)号：CN113453199A
公开(公告)日：2021-09-28
申请号：CN202111020909.X
申请日：2021-09-01
Applicant: 南京邮电大学 , 中兴通讯股份有限公司
Abstract: 本申请涉及一种面向物联网环境中基于中继最优调度的协同组网方法、装置、计算机设备和存储介质。该方法包括：通过根据接收到的中继辅助通信请求，确定当前单小区中需要中继辅助通信的中继活跃设备；采用聚类算法，获得中继活跃设备对应的空闲设备集；根据直接链路能耗计算公式和两跳链路能耗计算公式，分析出中继活跃设备的第一传输能耗以及第二传输能耗；根据第一传输能耗和第二传输能耗，从空闲设备集筛选出中继活跃设备的备选中继集，采用改进的Hungarian算法从备选中继集中确定出中继活跃设备对应的中继设备，为中继活跃设备分配以中继设备作为中继，与基站进行数据传输，解决了选择冲突以及中继最优调度和系统能耗最小的问题。
-
公开(公告)号：CN113377547A
公开(公告)日：2021-09-10
申请号：CN202110922867.2
申请日：2021-08-12
Applicant: 南京邮电大学 , 中兴通讯股份有限公司
Abstract: 本发明公开了一种5G边缘计算环境下计算任务智能卸载和安全保障方法，该方法首先考虑用户在卸载过程当中的移动性，估计用户在基站的停留时间，考虑用户在卸载过程当中的移动性，消耗的时延和能量，以及用户向MEC服务器支付的费用，以最大化系统效益为目标，采用Q‑Learning得到用户的卸载方案；其次考虑了基站之间的负载均衡，对用户任务进行优先级排序，为任务指配合适的基站卸载，从而更加有效地利用MEC服务器的计算资源和基站的信道资源；此外还考虑了卸载时用户任务的安全性，对MEC与用户之间传送的数据采用基于多维生物特征的AES加密。
-
Patent Agency Ranking
公开(公告)号：CN112261606B
公开(公告)日：2021-09-07
申请号：CN202011038958.1
申请日：2020-09-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于动态环境的自适应室内融合定位方法，首先，基于CIR进行离线阶段的定位点参数采集；基于5G定位基站对待测定位目标进行参数获取及分析；其次，基于多边定位法和CIR指纹定位法对待测目标定位，并对预测位置和实际位置进行误差分析；以多边定位法测量的位置为测试值，CIR指纹定位法预测的位置为预测值，根据两者的误差，进行基于均方误差的融合计算，估算最优的位置；最后，基于室内环境变化自适应的融合定位。本发明能够通过检测室内的变化，从而进行5G定位基站切换与误差修正，使得定位模型在适应环境变化的同时提高预测准确率。
-
公开(公告)号：CN113312105A
公开(公告)日：2021-08-27
申请号：CN202110619282.3
申请日：2021-06-03
Applicant: 南京邮电大学 , 杭州海康威视数字技术股份有限公司
Abstract: 本发明是一种基于Q学习的车辆任务部分卸载策略方法，该方法应用在车载自组织网络中，方法步骤如下：对于移动车辆终端所请求的任务，进行任务分类，排除两种极端的任务类型，将时延极其敏感的任务直接进行本地卸载，将需要计算资源量大的任务全部卸载到MEC服务器进行计算。其次，对于剩下的不容易判断类型的业务，定义任务分类因子为βn，筛选出其中一部分时延不大敏感，计算资源量也一般的任务，对筛选出的任务进行基于Q学习的部分卸载。最后，当所有移动车辆用户终端所请求任务的卸载决策确定后，将对每个MEC服务器中的用户进行计算资源的分配。本发明的策略方法充分利用本地资源和服务器资源，降低系统总开销。
-
公开(公告)号：CN113296845A
公开(公告)日：2021-08-24
申请号：CN202110619280.4
申请日：2021-06-03
Applicant: 南京邮电大学 , 杭州海康威视数字技术股份有限公司
Abstract: 本发明公开一种边缘计算环境下基于深度强化学习的多小区任务卸载算法，提出了一种改进的双深度Q网络算法，并基于双深度Q网络算法进行任务卸载算法设计，并将MEC边缘控制平台作为智能体与车联网环境进行交互，旨在相同的资源下优化任务处理速率与任务执行时延，另外在复杂业务场景下，针对DQN算法中存在的过估计问题，对DQN算法中的Q值函数进行改进，提高模型选择最优卸载策略的能力，本方案可以显著的提高计算与存储资源的利用率、有效降低车辆终端的任务执行时延，大幅度提高边缘侧计算与存储资源的利用率，并且算法收敛效率高于传统的DQN算法，解决了任务的最佳卸载比例问题，能够更有效地降低任务的执行时延。
-
公开(公告)号：CN113204952A
公开(公告)日：2021-08-03
申请号：CN202110325369.X
申请日：2021-03-26
Applicant: 南京邮电大学
IPC: G06F40/194 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种基于聚类预分析的多意图识别与语义槽填充联合建模方法：实时获取当前用户输入的多意图文本并进行预处理；基于聚类预分析构建多意图识别模型，用来识别用户的多个意图；基于Slot‑Gated关联门机制构建BiLSTM‑CRF语义槽填充模型，充分利用意图识别的结果指导语义槽的填充；对构建的多意图识别与语义槽填充的联合模型进行优化。本发明充分考虑了意图识别与语义槽填充之间的联系，提出了一种联合建模的方法，将两个语义分析子任务合并为一个语义分析任务，在提高多意图识别准确性的同时也提高语义槽填充的准确性，从而提高自然语言语义分析的质量；在实际应用中，可以有效提升人机对话中机器理解人类语言的能力，提高解决问题的能力和人机对话的体验。
-
公开(公告)号：CN108388885B
公开(公告)日：2021-06-08
申请号：CN201810222865.0
申请日：2018-03-16
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向大型直播场景的多人特写实时识别与自动截图方法，具体为：将人脸大小、清晰度以及人脸位置分别作为截图的第一、二、三指标，首先实时获取直播视频的当前视频帧图像，检测所述视频帧图像中的人脸获得人脸区域并进行跟踪，然后对人脸区域的人脸大小、清晰度以及位置依次进行评估，进而选取符合截图标准的人脸图像，并将当前视频帧图像截图保存，送入人脸识别模块进行识别，输出识别结果。该发明可应用在大型直播场景下对视频中的多人特写进行识别与截图，当满足截图指标时自动截图保存，确保获得质量更佳的截图。
-
-
-
-
-
-
-
-
-
Search Results
380
records
(took 0.046 seconds)
