-
公开(公告)号：CN114637305B
公开(公告)日：2023-08-15
申请号：CN202210137755.0
申请日：2022-02-15
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明提供一种无人机最短路径规划方法及装置，涉及无人机飞行线路技术领域；该方法包括：在天气模型下通过最短路径规划算法生成无人机飞行路线最小连通图，通过最小连通图得到最短路径；基于SweepLine算法对天气模型进行凸包优化，得到天气优化模型；根据卷积神经网络训练天气优化模型，得到天气识别模型；基于Spark计算框架和天气识别模型更新所述最短路径，得到更新后的最短路径。无人机在飞行过程中能够通过天气模型自动探测前方禁飞区域，对其优化和校准，基于Spark计算框架和天气识别模型能够动态调整最短路径，通过启发式凸包优化最短路径，结合Spark计算框架提高计算速度，快速且准确得到最短路径。
-
公开(公告)号：CN116471330A
公开(公告)日：2023-07-21
申请号：CN202310426170.5
申请日：2023-04-17
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L67/568 , G06N20/20 , G06N3/04 , G06N3/08
Abstract: 本公开提供了一种适用于无线网络的社交感知缓存方法及系统，涉及无线通信技术领域，方法包括在边缘用户网络区域内，根据物理图和社会关系图将用户和设备划分成不同的组并获取社交感知通信图；通过社交感知通信图判断终端用户所在区域内潜在的连接对象，并通过信任交付机制筛选可信任用户的用户集，将可信任用户的用户集作为缓存节点来获取缓存内容；获取缓存内容后，基于联邦元学习与深度学习的缓存内容推荐模型预测用户内容偏好，将预测结果缓存在被选出的用作缓存节点的用户上，并对下一时刻的用户对于不同内容的偏好进行缓存内容的分配，在优化能耗的基础上，使其传输延迟和传输成本花费最小。本公开实现缓存内容推送的精准。
-
公开(公告)号：CN116436770A
公开(公告)日：2023-07-14
申请号：CN202310443248.4
申请日：2023-04-18
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L41/0677 , H04L43/08 , H04L43/10
Abstract: 本发明提出基于混合带内网络遥测的灰色故障检测定位方法及系统，涉及故障检测领域。包括：服务器收集被动INT探测包的逐跳遥测信息，对是否存在故障进行一次检测，向虚拟SDN网络的控制器发送存在故障路径的二次检测指令；控制器向服务器发送主动INT探测包，对一次检测中存在故障的路径进行二次检测；源服务器重新路由真正存在故障的路径信息的数据流量；控制器为所有真正存在故障的路径信息设置优先级，根据优先级进行路径之间的比较，得到故障位置；控制器将故障位置反馈给服务器，服务器查找所有与故障位置相关的路径并提前老化。本发明将主动带内网络遥测和被动带内网络遥测进行整合，弥补单一遥测方法的不足，提高网络遥测的效率和可靠性。
-
公开(公告)号：CN116166895A
公开(公告)日：2023-05-26
申请号：CN202211585376.4
申请日：2022-12-09
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06F16/9537 , G06F16/909 , G06F16/9038
Abstract: 本发明涉及基于物化视图的时空范围查询方法、系统、设备及介质，包括：获取搜索请求，搜索请求包括各个第一待匹配数据；根据搜索请求，在物化视图表中的每一个层级中的各个节点中搜索与各个第一待匹配数据匹配的各个第一存储数据作为目标匹配数据；其中，物化视图表为存储多个层级对应的第一存储数据的数据库，每个层级对应一个类别的第一存储数据。解决当前移动轨迹数据查询效率低、速度慢的问题。
-
公开(公告)号：CN116094792A
公开(公告)日：2023-05-09
申请号：CN202211731395.3
申请日：2022-12-30
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: H04L9/40 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及基于时空特征和注意力机制的加密恶意流识别方法及装置，其方法包括将原始数据流进行数据预处理，得到初始数据流；根据初始数据流建立流量轨迹拓扑图；从流量轨迹图中提取关键节点特征，得到关键节点特征集；利用关键节点特征集建立节点级空间注意特征图；从节点级空间注意特征图中提取空间特征，得到空间特征集；从空间特征集中提取空间特征集的时间特征，得到时间特征集；将空间特征集与时间特征集融合，得到空间时间特征集；对空间时间特征集进行权重分配，得到模型训练特征集；训练深度学习模型，得到加密恶意流识别模型，并用加密恶意流识别模型识别加密恶意数据流。本发明能够更全面地把握流量特征，提高加密恶意流量的检出率。
-
Patent Agency Ranking
公开(公告)号：CN115696405A
公开(公告)日：2023-02-03
申请号：CN202310009687.4
申请日：2023-01-05
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: H04W24/02
Abstract: 本发明属于数据边缘计算领域，提供了一种兼顾公平性的计算任务卸载优化方法及系统，包括根据用户服务传输到云和边缘节点的时延，确定服务传输时延；根据用户在云和边缘节点的计算时延，确定服务计算时延；基于服务传输时延和服务计算时延，结合α公平效应函数，构建兼顾公平性的计算卸载决策模型；利用马尔科夫决策对兼顾公平性的计算卸载决策模型进行求解，得到最优的计算任务卸载决策。本发明将α公平效应函数引入模型的优化目标中，通过对该问题中状态空间、动作空间、奖励函数等关键元素的定义，将问题建模成马尔科夫决策过程，并基于深度强化学习方法对问题进行了求解，从而在降低网络服务时延的同时兼顾用户的公平性。
-
公开(公告)号：CN115378919A
公开(公告)日：2022-11-22
申请号：CN202211314381.1
申请日：2022-10-26
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本公开提供了一种海洋媒体自动唤醒传输优化方法、系统、介质及设备，属于通信领域，实时采集监测区域的视频流时间连续媒体数据并进行数据分析，当获取特定需求目标数据时，进入自动唤醒模式；将所述视频流时间连续媒体数据转化为图像时间离散媒体数据以便进行数据传输；构建海洋媒体传输优化模型；确定传输唤醒的时间点与持续时间以及进行传输的数据量；获取传输数据量与设备能耗之间以及媒体压缩率与计算量的关联关系，确定媒体压缩产生的设备能耗；分析传输数据量与用户体验之间的关系，对海洋媒体传输优化模型进行求解，获得最佳的媒体传输量和媒体压缩率；降低媒体传输数据量，节省紧张的带宽资源。
-
公开(公告)号：CN110022534B
公开(公告)日：2021-06-08
申请号：CN201910245620.4
申请日：2019-03-28
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: H04W4/08
Abstract: 本发明涉及一种基于组播的数据传输方法及装置，包括当接收到终端UE发送的数据请求时，判断组播组是否存在，若组播组存在，判断组播组的主组播队列中的全部数据包编号所对应的数据包是否已经发送完成，若组播组的主组播队列中的全部数据包编号所对应的数据包没有发送完成，将UE加入组播组中，为UE建立补发队列，将需要为UE补发的数据包编号写入UE的补发队列中，按照UE的补发队列中的数据包编号，在组播组内发送数据包。本发明可以在组播组建立后，UE随时加入，且所有UE都可以接收到完整的数据，同时还可以节约网络带宽，降低网络设备的负载。
-
公开(公告)号：CN119892654A
公开(公告)日：2025-04-25
申请号：CN202510036261.7
申请日：2025-01-09
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明提出了一种基于双协同模块的网络损伤模拟实现方法及系统，属于互联网网络损伤技术领域；基于用户损伤指令生成第一配置模板和第二配置模板；对网络流数据包进行网络损伤条件匹配和任务需求判断，基于Tofino芯片上的第一配置模板对且仅对符合网络损伤匹配条件且任务需求为简单网络损伤模拟的网络流数据包进行处理；基于CPU芯片上的第二配置模板对且仅对任务需求为复杂网络损伤模拟的网络流数据包进行处理；最后将达到网络损伤模拟任务需求的网络流数据包转发至接收方。本发明能够在充分利用双协同模块处理的基础上，突破硬件和编程的限制，高效且精准的实现对不同复杂程度的网络损伤模拟。
-
公开(公告)号：CN119829297A
公开(公告)日：2025-04-15
申请号：CN202510308469.X
申请日：2025-03-17
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 本公开提供了基于强化学习的边‑端动态协同任务批处理方法及系统，涉及人工智能技术领域，包括：获取任务集合；基于离散软演员‑评论家的强化学习方法，利用延迟‑精度奖励动态选择任务处理模型的划分点，实现对任务处理模型的拆分；将拆分后的任务处理模型分别部署在终端和边缘服务器上；对任务集合进行批处理初始化，为批任务设置时间窗口长度，在时间窗口内收集任务集合所对应的特征集合，并进行合并；将合并后的特征输入至部署在边缘服务器上的部分任务处理模型，从拆分点所在网络层继续执行模型尾部计算过程，得到任务的推理结果集合，再将推理结果集合传回到终端，实现边‑端动态协同的任务批处理过程。
-
-
-
-
-
-
-
-
-
Search Results
105
records
(took 0.054 seconds)
