视频场景变换检测方法和系统及体验质量检测方法和系统

    公开(公告)号:CN103458155B

    公开(公告)日:2016-10-19

    申请号:CN201310332133.4

    申请日:2013-08-01

    Abstract: 本发明提供一种动态视频场景变换检测方法和系统及体验质量检测方法和系统。动态视频场景变换检测方法包括如下步骤:实时获取动态视频图像的当前帧;计算当前帧的场景变换特征参数ti(n);根据所述动态视频图像的之前一个或数个帧的场景变换特征参数计算对应于当前帧的动态阈值threshold(n);判断当前帧的场景变换特征参数ti(n)是否小于或等于其对应的动态阈值,如果是,则判断为不是场景变换帧,否则,判断为是场景变换帧。本发明能够在网络视频流的传输过程中,及时截取传输的当前视频帧,并实时地与之前截取的一个或数个帧的参数对比从而判断出场景的变换,可以广泛适用于视频体验质量评估领域和其他各项图像检测领域。

    泛在网络终端选择方法
    62.
    发明授权

    公开(公告)号:CN103281724B

    公开(公告)日:2015-11-18

    申请号:CN201310150776.7

    申请日:2013-04-26

    Abstract: 本发明公开了一种泛在网络终端选择方法,该方法包括步骤:S1终端发起泛在业务,根据泛在业务的系统业务结构表向其他终端依次发起系统业务,广播系统业务需求信息;S2含有发起系统业务的终端将自身的业务质量反馈给所述发起泛在业务的终端;S3所述发起泛在业务的终端搜集所述反馈的业务质量,业务质量最好的终端作为执行终端,执行所述发起系统业务。本发明的泛在网络终端选择方法,以保证用户体验即业务质量为前提,对于动态的网络结构和能力有限的终端快速有效地将终端聚合,协同工作完成业务请求,扩展了分布式业务能力,保证了业务的平滑性,提高了用户体验,满足了用户不同的泛在业务需求。

    无线接入网自主覆盖优化方法

    公开(公告)号:CN102740336B

    公开(公告)日:2014-12-24

    申请号:CN201210227020.3

    申请日:2012-06-29

    Abstract: 本发明涉及无线接入网技术领域,公开了一种无线接入网自主覆盖优化方法,包括以下步骤:S1、检测自主覆盖优化事件的触发条件,如果满足所述触发条件则执行步骤S2,否则继续检测所述触发条件;S2、从测量报告中提取测量数据,所述测量数据包括覆盖指标值;S3、针对所述测量数据对当前的网络覆盖状况进行评估,若所述覆盖指标值达到目标参考值,则结束,否则执行步骤S4;S4、根据当前的覆盖异常情况,采用模拟退火算法获取基站天线下倾角的调整量;S5、根据步骤S4所获得的改变量对基站天线下倾角进行调整,并重新获取所述测量报告,然后返回步骤S1。本发明能够解决无线接入网中由于基站天线参数设置不合理导致的覆盖问题。

    移动自组网基于信誉的区分服务激励机制构造方法

    公开(公告)号:CN102395217B

    公开(公告)日:2014-10-29

    申请号:CN201110359942.5

    申请日:2011-11-14

    Abstract: 本发明是一种移动自组网基于信誉的区分服务激励机制构造方法,包括步骤:S101:初始化;S102:服务请求者向各簇头发起服务查询请求;S103:各簇头协同工作,根据服务请求者的全局信誉按照预先设定的服务与信誉关联规则返回其可使用的服务列表;S104:服务请求者根据自己的意愿选择服务列表中的某项服务;S105:服务请求者对所选择的服务提供者进行信誉评估;S106:服务请求者根据信誉评估中获得的服务提供者的综合信誉值与信誉阈值Rh进行比较,满足条件则发出服务请求转入S107,不满足条件则回到S104重新进行服务选择;S107:服务提供阶段,服务提供者所在簇的簇头通过监控获得服务提供者的剩余电量和服务提供的完成情况;S108:服务结束后,信誉更新。

    一种虚拟机实时能耗计量方法

    公开(公告)号:CN102854968A

    公开(公告)日:2013-01-02

    申请号:CN201210137864.9

    申请日:2012-05-04

    CPC classification number: Y02D10/26 Y02D10/28

    Abstract: 本发明公开了一种虚拟机实时能耗计量方法,涉及虚拟机领域。所述方法包括:采集每个虚拟机的CPU利用率、内存利用率、磁盘吞吐量、物理节点的实测能耗,匹配成训练向量;重复上一步,得到预定数量的、非线性的训练向量,构建得到训练向量集合;对训练向量集合中的训练向量进行线性拟合,采用最小二乘法计算分类三段模型的权重参数;在实际应用环境中,采集实际运行的虚拟机的CPU利用率、内存利用率、磁盘吞吐量,根据实际运行的虚拟机的数量和所有实际运行的虚拟机的CPU利用率之和,确定相应的分类三段模型及其权重参数,计算得到待监听虚拟机以及物理服务器的能耗值。所述方法,降低了虚拟机数目和能耗峰谷波动对能耗估算准确度的影响。

    虚拟网络资源分配方法
    66.
    发明公开

    公开(公告)号:CN102710508A

    公开(公告)日:2012-10-03

    申请号:CN201210154452.6

    申请日:2012-05-17

    Abstract: 本发明涉及计算机网络技术领域,提供了一种虚拟网络资源分配方法。所述方法包括步骤:建立资源分配模型;各SP向InP提交竞争需求;InP计算资源量和损耗;各SP获得资源,承担损耗并计算收益;各SP调整竞争策略;根据调整的竞争策略等待参与下次竞争。在本发明的方案中,提供了一种新型的虚拟网络资源分配方法,针对虚拟网络资源需求的动态性,周期性地分配资源给多个服务提供商,使得资源分配按需进行,提高网络整体性能。由于本发明中还同时提出了一种有效选择竞争策略的方案,通过该方案,指导服务提供商选择竞争策略,快速获得真实网络需求,提高网络性能,有效降低算法复杂度。

    基于合同网的无线传感器任务分配方法

    公开(公告)号:CN102413482A

    公开(公告)日:2012-04-11

    申请号:CN201110359941.0

    申请日:2011-11-14

    CPC classification number: Y02D70/30

    Abstract: 本发明是一种基于合同网的无线传感器任务分配方法,包括步骤:S101:对网络中普通节点进行聚类,分为高级节点和低级节点;S102:任务发布节点产生任务并与高级节点间进行招投标过程;S103:中标的高级节点对其管理的低级节点发布招标书;S104:低级节点判断自己是否符合要求,并根据自身情况决定是否投标,如果决定投标,则转入步骤S105,否则不参与投标;S105:低级节点投标时,预测中标时的情况并写入标书中;S106:高级节点判断是否超过投标时限;若未超过,则继续接收投标书;若超过时限,则停止接受投标书;S107:高级节点根据投标书选择合适的低级节点并授予标书,招投标过程完成。本发明能够减少网络的能量消耗和通信冲突,提高任务完成率和完成质量。

    无线传感器网络的故障修复方法

    公开(公告)号:CN102111789A

    公开(公告)日:2011-06-29

    申请号:CN201010621077.2

    申请日:2010-12-24

    Abstract: 本发明公开了一种无线传感器网络的故障修复方法,该方法包括步骤:S1.基于模糊数学以及线性规划的方法,建立表征冗余节点对故障节点的隶属程度的隶属矩阵、冗余节点对故障节点的替换矩阵及其约束条件;S2.根据所述隶属矩阵及替换矩阵,构建冗余节点替换故障节点的目标函数;S3.基于遗传算法,选择最优冗余节点替换故障节点。本发明的方法解决了目前故障修复问题研究对能量问题考虑不足的缺点,其中所使用的模糊理论能更贴切的描述问题,且隶属函数的计算考虑了多种影响因素,能综合反映网络状况;遗传单纯形法克服了遗传算法早熟的不足,开拓了搜索空间,且在搜索后期具有良好的收敛性。

    基于改进粒子群优化算法的无线传感器节点联盟生成方法

    公开(公告)号:CN101790251B

    公开(公告)日:2011-05-11

    申请号:CN201010034063.0

    申请日:2010-01-13

    Abstract: 本发明公开了一种基于改进粒子群优化算法的无线传感器节点联盟生成方法,包括:S1采集各节点的能力信息及任务信息,并将各节点的能力信息及任务信息用向量来量化;S2在t时刻,根据待执行任务的个数将粒子群分为m个子群,为各子群中的各粒子初始化当前位置,并设置最大迭代次数;S3对于m个子群,用效用函数评价各粒子的当前位置的效益值;S4用步骤S3计算得到的粒子的当前位置的效益值a1与预设的粒子自身最优位置的效益值a2和预设的群体最优位置的效益值a3进行比较,更新粒子自身最优位置和群体最优位置;S5利用粒子群优化算法计算t+1时刻粒子速度矢量和粒子位置。S6重复S3~S5,得到最后的群体最优位置。本发明执行效率高、稳定性高。

    基于图神经网络的以太坊网络异常检测方法、系统和存储介质

    公开(公告)号:CN115378629B

    公开(公告)日:2024-08-27

    申请号:CN202210520557.2

    申请日:2022-05-13

    Abstract: 本发明提供一种基于图神经网络的以太坊网络异常检测方法、系统和存储介质,该方法包括以下步骤:基于收集的以太坊交易数据构建训练用的有向交易图;基于随机游走算法对构建的交易图中的节点进行有偏采样,获得第一节点序列;基于随机游走进行多尺度特征提取来生成多尺度序列组;将生成的多尺度序列组输入Skip‑gram模型将节点映射到向量空间,得到各个节点在向量空间的嵌入表示;基于各个节点在向量空间的嵌入表示利用分类算法对正常节点地址和异常节点地址进行分类,实现对检测模型的训练;利用预训练的检测模型对实际以太坊交易网络进行检测,获得检测结果。本发明的基于图神经网络的以太坊网络异常检测方法更具有针对性、准确性和有效性。

Patent Agency Ranking