-
公开(公告)号：CN114781104A
公开(公告)日：2022-07-22
申请号：CN202210378361.4
申请日：2022-04-12
Applicant: 武汉大学
Abstract: 本发明提出了一种幂律属性网络几何生成方法。本发明拟合数据集的属性分布；拟合网络节点度分布，并确定分布参数；随机生成双曲空间中的候选节点，并计算各候选点之间的双曲距离；计算候选节点之间的连接概率，并依据候选节点之间的连接概率生成连边。本发明保证了生成模型的几何特性，即节点处于高维双曲空间中，基于该特点，该生成模型很好的利用节点空间结构如距离远近、簇关系、位置分布，分析网络演化的成因，形成可视化的全局网络概述，并通过统一的度量构建用于如链路预测、社区检测、节点分类、相似度预测等下游网络挖掘任务的分析模型。
-
公开(公告)号：CN114035610A
公开(公告)日：2022-02-11
申请号：CN202111345518.5
申请日：2021-11-15
Applicant: 武汉大学
IPC: G05D1/10
Abstract: 本发明提出了一种无人智能集群联合轨迹设计方法。本发明通过k‑means分组方法获得每架无人机服务的用户集合；引入SHF结构重构无人机轨迹，并构建以无人机轨迹点为优化变量的联合轨迹优化问题；根据每架无人机服务用户集合，通过求解TSP问题获得每架无人机初始迭代轨迹；采用连续凸近似方法将优化问题转化为凸问题；步将每架无人机的初始迭代轨迹代入优化问题进行求解，获得集群联合最优轨迹。本方法能够显著减小无人集群的任务时间，从而降低能量消耗以及损坏的几率，并且由于方法的低复杂度，减轻了控制中心的计算压力和控制难度，具有极高的经济效益和广阔的应用前景。
-
公开(公告)号：CN114004331A
公开(公告)日：2022-02-01
申请号：CN202111198167.X
申请日：2021-10-14
Applicant: 武汉烽火技术服务有限公司 , 武汉大学
Abstract: 本发明公开了一种基于关键指标和深度学习的故障分析方法，涉及智能运维相关的故障定位技术领域，该方法包括对待预测的目标监控项和其余监控项间进行时间序列相关性分析，得到时间序列的波动特征序列；对得到的各波动特征序列间进行相关性度量；得到其余监控项中与目标监控项相关度较高的监控项；将目标监控项和得到的相关监控项的时间序列均输入LSTM以进行时序特征提取处理；得到每个时间步长下的隐状态，得到修正后的隐状态；将目标监控项的告警信息与修正后的隐状态进行融合，得到预测序列输出，并获得预测的告警信息。本发明能够更加精确地对待预测项未来时刻的变化进行预测，有效避免故障的漏报和误报。
-
公开(公告)号：CN113205175A
公开(公告)日：2021-08-03
申请号：CN202110398736.9
申请日：2021-04-12
Applicant: 武汉大学
Abstract: 本发明属于深度网络表征学习技术领域，具体涉及一种基于互信息最大化的多层属性网络表征学习方法。本发明输入多层属性网络和目标表征空间维度；结合多层属性网络中属性维度、网络层数、网络节点总数和目标表征空间维度，利用互信息最大化原理构建一种多层属性网络表征学习模型和模型的损失函数；结合模型的损失函数训练多层属性网络表征学习模型，输出多层属性网络节点表征矩阵。本发明利用互信息最大化原理将现有单层属性网络表征学习方法扩展到多层属性网络中，在低维目标空间中获取多层属性网络的节点向量表征，节点向量之间的关系可以保留多层属性网络中节点之间的结构接近性和属性相似性，有利于多层属性网络分析任务。
-
公开(公告)号：CN113204677A
公开(公告)日：2021-08-03
申请号：CN202110388656.5
申请日：2021-04-12
Applicant: 武汉大学
IPC: G06F16/901 , G06F16/906 , G06F17/16 , G06Q10/04
Abstract: 本发明提供了一种基于双曲嵌入的网络多路径搜索方法。本发明输入无权无向网络；借助于双曲随机几何图模型完成双曲嵌入，获得网络节点表征向量；通过网络节点表征向量构造几何搜索树并借助于双曲空间超圆周获取网络中每对节点间的主干通信子网；最终在该子网中完成完全不相交或部分不相交的多路径搜索。本发明通过将网络嵌入到双曲空间中，利用双曲空间的负常数曲率，高效表征近似树状的网络结构，本发明的方法避免了多路径的全局拓扑搜索，该方法在保证搜索成功率的同时，显著降低传统算法的搜索空间，提高了搜索效率。
-
Patent Agency Ranking
公开(公告)号：CN109818866B
公开(公告)日：2021-04-16
申请号：CN201910220760.6
申请日：2019-03-22
Applicant: 武汉大学
IPC: H04L12/721 , H04W40/02 , H04W40/10 , H04W40/22 , H04W84/18
Abstract: 本发明提出了一种能量意识和多维参数感知的服务质量保障路由方法。首先定义能量饱和模式和能量亏损模式两种工作模式，建立能量代价模型，并对HELLO消息的数据包格式字段进行修改，以此来影响泛洪频率即HELLO消息泛洪周期时间，达到节省能量的目的；其次对于网络中MPR节点冗余问题也进行了算法优化处理，以此提高整个网络负载和网络能量使用效率，进一步提高网络性能；最后在标准OLSR协议(optimized link state routing protocol，OLSR协议)的基础之上对路由路径选择策略做出改进，加入链路剩余带宽、链路端间时延、节点连接时间三种服务质量约束条件，在路径选择上改进了单一的迪杰斯特拉算法路径选择规则，从而综合保障网络服务质量的可靠性。
-
公开(公告)号：CN110971525B
公开(公告)日：2021-02-19
申请号：CN201911174339.2
申请日：2019-11-26
Applicant: 武汉大学 , 中国电力科学研究院有限公司 , 国网四川省电力公司电力科学研究院 , 国家电网有限公司信息通信分公司 , 中国信息通信研究院
IPC: H04L12/733 , H04L12/749 , H04Q11/00
Abstract: 本发明公开了一种面向电力通信网的业务运行的业务路由寻址方法，首先对电力通信网进行建模，并采用基于优先权的染色体编码方式，对通信网的业务运行状态进行编码，接着采用与编码对应的译码方式进行解码，可以得出业务路径集合，然后对节点与链路在物理层、网路拓扑层和业务组织层的脆弱性因素进行联合分析，得到电力通信网的综合脆弱性评估指标，再根据电力通信网的综合脆弱性评估指标，设置目标函数和约束条件；最后将设置的目标函数作为遗传算法的目标优化函数，根据约束条件采用遗传算法对业务路由进行优化，从业务路径集合中选择出符合条件的业务路径。本发明可以提高寻址效率，并改善寻址效果。
-
公开(公告)号：CN108494632B
公开(公告)日：2020-12-01
申请号：CN201810298887.5
申请日：2018-04-04
Applicant: 武汉大学
IPC: H04L12/26 , H04L12/24 , H04L12/911
Abstract: 本发明公开了一种基于强化学习的移动数据流量卸载方法，首先基于手机用户上网记录数据，进行用户流量需求分析，分别针对用户总流量和可卸载流量进行统计分析；然后针对运营商、内容提供方和内容需求方，根据运营商效用函数、内容提供方效用函数、内容需求方效用函数和系统总效用函数，利用强化学习方法，求解令系统的总效用目标函数最优化的流量卸载策略。本发明利用强化学习中的Gradient Bandit算法，通过多天长期学习训练，做出最优的流量卸载决策。
-
公开(公告)号：CN108235415B
公开(公告)日：2020-05-22
申请号：CN201810124675.5
申请日：2018-02-07
Applicant: 武汉大学
Abstract: 本发明公开了一种考虑用户体验的基站节能方法，首先将网络系统进行“用户‑扇区”的关联，建立用户与可接收信号的扇区的关联关系；然后对基站的总能耗进行建模，获取基站能耗模型；接着对多业务用户体验进行建模，获取用户体验模型；基于基站能耗模型和用户体验模型，采用非线性整数规划方法对整体优化问题进行建模，得到目标优化函数；最后对整数规划问题进行求解，使步骤4中的目标优化函数达到最小值。本发明分析了基站下移动用户访问模式，从实际基站负载和用户访问业务类型出发，提出了一种考虑用户体验的基站节能方法，采用非线性整数规划对问题进行建模，实现了用户体验和能耗之间的均衡。
-
公开(公告)号：CN107493328B
公开(公告)日：2019-10-11
申请号：CN201710693249.9
申请日：2017-08-14
Applicant: 武汉大学
Abstract: 本发明公开了一种基于特征融合的合作缓存方法，利用移动互联网的基站数据集，获得用户的内容相似矩阵和位置相似矩阵，所述用户记录包括单个用户在不同时间分别访问的基站和上网内容；对内容相似矩阵和位置相似矩阵进行融合，得到融合后的相似矩阵；利用融合后的相似矩阵对用户进行聚类，得到用户的类别关系；将用户类别关系映射到基站，得到基站的合作关系；根据得到的基站的合作关系，计算基站的缓存策略。本发明利用移动互联网的基站数据集，从基站合作的角度，提出一个新方法，确定基站的缓存内容。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.063 seconds)
