-
公开(公告)号：CN104684045B
公开(公告)日：2018-07-27
申请号：CN201510069482.0
申请日：2015-02-10
Applicant: 湖南大学
Abstract: 本发明公开了种无线网状网中的联合协作路由与信道分配方法,包括以下步骤:根据网络结点的广播信息,获取整个网络的原始拓扑结构和链路状态信息;根据协作模块虚拟化的方法构建基于虚拟结点和虚拟链路的新的网络拓扑结构。新的网络拓扑图建立多并发流下无线网状网中各条业务流满意度之和的目标函数模型,初步确定业务流的协作传输路径和传输路径上链路的工作信道;对结果进行局部的信道调整,使得所有的结点分配到的信道数量都不超过其配置的射频数量,并为业务流确定最终的协作路由和信道分配方案。本发明的方法在充分利用协作通信带来的空间分集增益的同时,能有效降低同信道干扰,达到最大化网路整体吞吐量的目的。
-
公开(公告)号：CN105187326B
公开(公告)日：2018-01-05
申请号：CN201510526286.1
申请日：2015-08-25
Applicant: 湖南大学
IPC: H04L12/823 , H04L12/861 , H04L1/00
Abstract: 本发明公开了一种两跳无线网络拓扑结构中的网络编码侦听管理方法，首先，编码节点接收来自不同源节点的数据包，并通过获取目的节点中侦听缓存内数据包信息，将编码队列内来自不同源节点的数据包进行组群异或编码；其次，目的节点根据侦听缓存内数据包，对收到的编码节点数据包进行逐级异或解码，获得对应源节点发送的数据包；最后，目的节点清空侦听缓存中用于组群解码的数据包，将新侦听的数据包置于空闲缓存内。理论分析和仿真实验表明，本发明方法比现有的其它侦听策略具有更高的吞吐量和更低的网络时延，并且，该方案具有很强的自适应性、可扩展性和安全性。
-
公开(公告)号：CN106445068A
公开(公告)日：2017-02-22
申请号：CN201610785680.1
申请日：2016-08-31
Applicant: 湖南大学
CPC classification number: Y02D10/22 , Y02D10/36 , G06F1/329 , G06F9/5044
Abstract: 本发明公开了一种基于GPU数据包分类的模糊控制节能方法，包括以下步骤：设计基于GPU的模糊控制节能模型，定义模糊规则；设置数据包分类任务的GPU初始运行参数；监控GPU运行功耗、吞吐率性能指标状态；使用GPU节能模糊控制模型，不断进行模糊调整控制，以达到节能效果。本发明提供了一种根据变频空调节能原理设计出来的模糊控制方法，使得GPU在运行任务时，能够同时兼顾高性能与低能耗的平衡问题，具有重要的实际应用价值；在数据包分类领域，提供了一种基于GPU进行包分类的高性能、低能耗模糊控制模型，对网络设备实现绿色计算具有重要的实用价值。
-
公开(公告)号：CN104579974A
公开(公告)日：2015-04-29
申请号：CN201410804782.4
申请日：2014-12-22
Applicant: 湖南大学
IPC: H04L12/743
Abstract: 本发明公开了一种面向NDN中名字查找的哈希布鲁姆过滤器及数据转发方法，哈希布鲁姆过滤器由位于片内存储器中的g个计数器布鲁姆过滤器、g个计数器和位于片外存储器中的g个哈希表组成；每个所述哈希表与1个计数器布鲁姆过滤器、1个计数器关联；哈希布鲁姆过滤器通过二次哈希选择方法将NDN路由器中FIB/CS/PIT表项完整信息均匀分散保存于g个计数器布鲁姆过滤器和g个哈希表中。本发明HBF利用片内存储器中CBF的定位与过滤作用，大幅度减少片外存储器的访问开销，从而降低HBF的总体访问成本，提高了数据包转发速率，同时有效避免了泛洪攻击。
-
公开(公告)号：CN103607745A
公开(公告)日：2014-02-26
申请号：CN201310648772.1
申请日：2013-12-04
Applicant: 湖南大学
Abstract: 本发明公开了一种无线网络中联合机会路由选择和信道分配的方法，初始化时平均分配链路容量，根据容量感知的路由指标进行路由选择，计算确定路由后的预期负载；将预期负载作为信道分配的目标，使分配的信道能尽量满足预期负载，计算信道分配产生的容量；再将容量作为路由选择的输入，根据分配的容量进行路由选择，如此迭代调整路由选择和信道分配，直到选择和分配结果满足业务流的发送带宽需求。实验结果表明，与已知路由再进行公共和传统信道分配的方式相比，本发明的方法将无线网络的汇聚吞吐量分别提高了44%和15.5%，延时分别降低了12.7%和21.3%。
-
Patent Agency Ranking
公开(公告)号：CN102110171B
公开(公告)日：2013-05-22
申请号：CN201110069411.2
申请日：2011-03-22
Applicant: 湖南大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于树形结构的布鲁姆过滤器的查询和更新方法，该方法为：在树形布鲁姆过滤器中存储一定规模或者具有相应特性数据的数据集；读入需要查询的数据集或者需要进行更新操作的数据集；基于树形结构的布鲁姆过滤器元素查询与更新；输出查询和更新结果。本发明可以大大减少误判发生的机率，降低了查询和更新操作所需的时间，增强布鲁姆过滤器的可扩展性，为网络数据存储和数据集成员查询提供保障，它可以应用于数据集中数据成员检测，以及广泛应用于数据库、网络和分布式系统中。一种基于树形结构的布鲁姆过滤器的查询与更新方法，其特征在于，该方法为：1)在树形布鲁姆过滤器中存储一定规模或者具有相应特性数据的数据集；2)读入需要查询的数据集或者需要进行更新操作的数据集；3)基于树形结构的布鲁姆过滤器元素查询与更新；4)输出查询和更新结果。根据权利要求1所述基于树形结构的布鲁姆过滤器的查询与更新方法，其特征在于，所述基于树形结构的布鲁姆过滤器元素查询与更新的步骤为：第一步：使用哈希函数对数据集成员进行哈希计算；第二步：对得到的哈希值求模，得到第一层置“1”的比特位在下一层叶子结点应该置“1”的位置；第三步：对第一层置“1”的比特位之前已经置“1”的比特位进行计数，得到叶子结点在下一层叶子结点中的插入位置；第四步：在中间层布鲁姆过滤器中根据得到的索引数据，查询或更新相应位置的叶子结点；第五步：在最后一层查询或更新该层上一层相应比特位之前已经置“1”的比特位的个数，找到最后一层中的相应计数器。
-
公开(公告)号：CN101082923A
公开(公告)日：2007-12-05
申请号：CN200710035385.5
申请日：2007-07-18
Applicant: 湖南大学
IPC: G06F17/30
Abstract: 本发明提供一种可扩展布鲁姆过滤器(Scalable Bloom filter)查询方法，在数据集元素个数增长的情况下，通过添加长度成倍增长过滤器向量来保持很低的误判率，并给出了一种可扩展布鲁姆过滤器查询方法的元素插入方法。实验表明，可扩展布鲁姆过滤器的元素查询误判率永远小于动态布鲁姆过滤器，可以控制查询误判率在1％，在3.0GHz的CPU机器中，一次元素查询时间仅20μs，比DBF查询速度快很多倍。本发明在现有的布鲁姆过滤器应用领域都可以适应，由于支持集合的动态扩展，因此比现有的布鲁姆过滤器具有更加广泛的应用前景。
-
公开(公告)号：CN1881898A
公开(公告)日：2006-12-20
申请号：CN200610031645.7
申请日：2006-05-12
Applicant: 湖南大学
Abstract: 一种基于节点轨迹标签的无结构P2P副本一致性维护方法，它通过在消息报文中添加已经接收到更新消息的节点地址轨迹标签，利用此标签在消息传输源头完成传输过程中的消息冗余判断，控制冗余消息传输，减少冗余副本更新消息数量，断绝副本更新消息传输循环。还用Bloom Filter优化地址链表示和节点地址查找，减少添加到报文中的轨迹长度，同时简化传输节点的冗余判断。该发明可大大降低冗余消息数目，提高P2P系统的可扩展性，副本节点网络连通性越强，消息数目和传输带宽减少越明显。本发明可用于无结构P2P副本维护、无线网络资源副本维护、复杂网络病毒免疫传输维护等其他自组织网络或分布式存储系统资源一致性维护中。
-
公开(公告)号：CN118750007A
公开(公告)日：2024-10-11
申请号：CN202410760958.4
申请日：2024-06-13
Applicant: 湖南大学
Abstract: 本发明公开了一种癫痫定位方法、终端设备及存储介质，输入患者脑电图EEG数据，对；将EEG数据划分成固定时间窗口片段依次进行节点特征提取、邻接矩阵计算、图的构建、图神经网络节点嵌入提取和子图对比学习；将待诊断EEG样本输入到参数设置的网络模型中进行数据训练和测试，实现癫痫分类和定位。该癫痫分类和定位的脑电子图对比学习能够有效的捕获局部结构和上下文信息，提高模型对癫痫诊断和定位任务的准确率，特别地，在患者EEG脑电通道记录不全情况下，该癫痫分类和定位的脑电子图对比学习方法依旧能够提供精准分类结果。
-
公开(公告)号：CN117786330A
公开(公告)日：2024-03-29
申请号：CN202311771557.0
申请日：2023-12-21
Applicant: 湖南大学
Abstract: 本发明提供一种基于序列注意力机制的交通数据补全方法及电子设备，该方法利用消息传递神经网络提取图信息聚合的空间特征，将图信息聚合的空间特征编码为更具表达力的空间嵌入向量，解决了现有基于神经网络的交通数据补全算法只考虑时间特征不提取空间特征的技术问题；采用序列注意力机制，使用改进之后的注意力机制提取到序列和序列之间的相关性，进而提取时间序列数据中周期性，解决了使用自回归模型时可能会面临误差传播的技术问题，同时解决了自注意力机制只提取点和点相关性不能更全面捕捉序列相关性的问题。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.023 seconds)
