-
公开(公告)号：CN107516287A
公开(公告)日：2017-12-26
申请号：CN201710729803.4
申请日：2017-08-23
Applicant: 中南大学
IPC: G06Q50/26
CPC classification number: G06Q50/26
Abstract: 本发明公开了一种交通事故成因分析方法，包括获取交通事故相关数据并得到与交通事故直接相关的数据集；采用层次分析法对数据集进行分类；构建上下层次的判断矩阵并进行一致性检验；获取数据集中的频繁项集并采用遗传算法计算最终的最优分类规则集，从而完成交通事故的成因分析。本发明方法通过层次分析法和遗传算法相结合的方式，对交通事故的成因、影响因素、驾驶人的因素、天气因素等各类因素进行综合考量，对交通事故的成因进行了大量数据的挖掘，找到其内在数据的联系，挖掘交通事故数据与事故自身的关联因素，从而为交通管理部分提供决策依据和数据支持。
-
公开(公告)号：CN107333319A
公开(公告)日：2017-11-07
申请号：CN201710638300.6
申请日：2017-07-31
Applicant: 中南大学
CPC classification number: Y02D70/122 , Y02D70/20 , Y02D70/39 , H04W40/10 , H04W40/22 , H04W52/18 , H04W52/241 , H04W52/267 , H04W52/346 , H04W52/36 , H04W52/46
Abstract: 本发明公开了一种蜂窝下行通信能效优化方法，包括基站辅助决策的步骤和接收点独立决策的步骤；基站辅助决策的步骤包括启动中继预选，验证预选中继和启动与结束D2D链路发射功率调节过程；接收节点独立决策的步骤包括D2D中继预选决策，D2D链路发射功率的折半调节和D2D链路发射功率逐步递减调节。本发明为接收节点特别是处于蜂窝边缘的接收节点提供了选择至多2个中继节点以辅助其接收蜂窝下行数据，提升了蜂窝下行通信的能量效率，能够将通信代价和计算开销在各个接收节点与基站之间进行合理分担，能够加快每个接收节点对自己所选中继节点进行发射功率调节的收敛速率。
-
公开(公告)号：CN107158661A
公开(公告)日：2017-09-15
申请号：CN201710472158.2
申请日：2017-06-21
Applicant: 中南大学
CPC classification number: A63B24/0003 , A63B24/0062 , A63B24/0087 , G08C17/02 , H04B5/0031 , H04B5/0037 , H04L67/12
Abstract: 本发明公开了一种数据交互健身系统，该系统包括智能网关、智能健身器械、移动端app、pc端应用系统。所述智能网关与智能健身器械、移动端app以及pc端应用系统之间通过无线网络进行连接通信；所述智能网关配备私有云、无线路由、健身器械控制枢纽；所述智能健身器械需要配置人体传感器、NFC控制芯片以及ZigBee模块；所述移动端app，用于通过NFC通信获取用户健身健康指标信息；所述pc端应用系统，用于获取智能网关通过无线网络上传至私有云的用户健身信息，针对用户指定健康目标以及用户健身信息进行数据的分析处理。本发明提供了一种智能化高、专业性强的健身系统，帮助人们针对个人特性进行科学的锻炼，达到最优效果。
-
公开(公告)号：CN106780073A
公开(公告)日：2017-05-31
申请号：CN201710019177.X
申请日：2017-01-11
Applicant: 中南大学
IPC: G06Q50/00
CPC classification number: G06Q50/01
Abstract: 本发明公开了一种考虑用户行为和情感的社会网络影响力最大化初始节点选取方法，使用带有分类标签的评价数据集，构建情感单词训练模型扩展已有的情感词典，分别对社会网络节点进行行为倾向分析和情感倾向分析，作为节点影响力的评判依据，构建综合考虑用户行为和情感的影响力传播模型BSIS，并结合贪心算法求解最大影响力边际收益节点加入到初始节点集合中。本发明综合考虑用户行为倾向和情感倾向，更加有效、准确、真实地挖掘影响力最大化初始节点。
-
公开(公告)号：CN106778054A
公开(公告)日：2017-05-31
申请号：CN201710224459.3
申请日：2017-04-07
Applicant: 中南大学
IPC: G06F19/00
CPC classification number: G16Z99/00
Abstract: 本发明公开了一种基于数据挖掘的在线学生成绩预警方法，包括获取学校已毕业学生的成绩数据并分等；采用Apriori算法挖掘成绩数据中所有符合最小支持度计数值的频繁项集；利用频繁项集得到所有强关联规则；对在校学生的所有成绩运用强关联规则进行数据运算，得到成绩的预测和预警结果。本发明通过获取往届学生的学习成绩数据，并对获取的成绩数据进行数据挖掘和关联分析，从而得到各科成绩之间的强关联规则，并根据获得的各科成绩之间的强关联规则对在校学生的成绩进行预测和预警，因此本发明方法从客观的数据出发，能够及时和实时的对学生的成绩进行预测和预警，而且客观，合理，科学，计算速度快，精度高。
-
Patent Agency Ranking
公开(公告)号：CN106355506A
公开(公告)日：2017-01-25
申请号：CN201610671518.7
申请日：2016-08-15
Applicant: 中南大学
IPC: G06Q50/00
Abstract: 本发明公开了一种在线社会网络中影响力最大化初始节点选取方法，根据用户的行为日志，得到用户对于他的邻居用户基于行为时间延迟的直接影响力；结合社会网络中所有异构节点的点特征和不同个体之间的边特征，构建用户节点特征向量并计算向量之间的相似度，以此作为社会网络中用户节点之间的潜在影响力的评判依据。最后求解最大边际收益节点作为影响力最大化初始关键节点。本发明综合考虑用户行为记录和社会网络复杂的异构节点的关联关系，能有效地选取影响力最大化初始关键节点，并更加真实地反映影响力传播效果。
-
公开(公告)号：CN106056427A
公开(公告)日：2016-10-26
申请号：CN201610352855.X
申请日：2016-05-25
Applicant: 中南大学
CPC classification number: G06Q30/0631 , G06K9/6256 , G06K9/6292
Abstract: 本发明提出了一种基于Spark的大数据混合模型的商品移动推荐方法。该方法包括4个步骤：首先获取用户在移动端的商品购买数据；第二，从数据库中提取用户历史数据导入到HDFS上，提取特征如用户的行为特征、品牌特征、用户个人消费特征、交叉特征等；第三，将在Spark平台上采用RDD算子对混合模型进行封装，将模型接口嵌入大数据平台内供调用；第四，调用混合模型接口提取特征数据，设置模型的训练参数，训练混合模型。使用测试数据集对模型进行评估，优化模型达到最优,保存训练后的混合模型，并进行相关推荐。该方法能在数据量增大、数据稀疏性加大情况下，有效提高推荐效率。
-
公开(公告)号：CN105142195A
公开(公告)日：2015-12-09
申请号：CN201510442896.3
申请日：2015-07-24
Applicant: 中南大学
Abstract: 本发明公开了一种基于Stackelberg博弈的无线终端通信策略选择与资源分配方法，基于Stackelberg博弈模型设计一个三方协作的资源分配方案。其中，基站能够为请求者确定其授权频段的初步划分以及确定所有参与通信协作的中继站的功率分配份额，而请求者和中继站则可在数据传输期间根据反馈的信息分别对初始分配带宽值和发射功率值进行动态调整。因而，能够进一步提高无线资源的利用率，且能显著改善源-目的节点相距较远情况下的中继通信性能、降低网络整体能耗、提高系统接入容量，有利于优化无线资源配置并提升网络整体性能。
-
公开(公告)号：CN118804005B
公开(公告)日：2025-04-01
申请号：CN202410953872.3
申请日：2024-07-17
Applicant: 中南大学
IPC: H04W24/06 , H04W72/044 , H04W72/52 , H04W72/50 , H04W72/543 , H04B17/336 , H04B17/382 , H04B17/391 , H04L5/14
Abstract: 本发明公开了一种多跳IAB网络中动态TDD模式下的异构资源分配方法，包括获取目标多跳IAB网络的数据信息；建立目标多跳IAB网络的网络架构；建立无线信号传播模型、功率离散化模型、帧结构模型和端到端服务质量模型；构建异构资源分配模型并求解完成多跳IAB网络中动态TDD模式下的异构资源分配。本发明考虑了多跳IAB网络场景中所有可能的链路干扰源，且全面地考虑了宏基站、小基站与终端用户的发射功率调节，能够满足通信链路吞吐量约束与频谱能量效率约束下提升网络吞吐量；因此本发明的可靠性高、精确性好，整体效率更高。
-
公开(公告)号：CN118900451B
公开(公告)日：2024-12-10
申请号：CN202411403245.9
申请日：2024-10-09
Applicant: 中南大学
Abstract: 本发明提供了一种蜂窝边缘计算环境下的设备节能方法，构建包括宏基站的边缘计算网络，宏基站的覆盖区域内包括多个用户终端以及部署有边缘服务器和多个射频单元的小基站，每个用户终端均通过射频单元与小基站中的任一射频单元连接；构建功耗最小化问题模型和约束条件；将功耗最小化问题模型描述为分布式部分可观察马尔可夫决策过程；将分布式部分可观察马尔可夫决策过程中的状态空间中的所有局部状态均输入训练后的决策功耗分配模型进行决策分配，得到小基站中各设备的开关状态及功耗；在满足了用户体验质量要求的同时，动态地调控小基站中各射频单元、边缘服务器的开关状态和功耗，从而最大程度地降低了设备的总能耗。
-
-
-
-
-
-
-
-
-
Search Results
145
records
(took 0.027 seconds)
