一种智慧交通系统中多目标优化的路侧单元组网部署方法

    公开(公告)号:CN118301626A

    公开(公告)日:2024-07-05

    申请号:CN202410387823.8

    申请日:2024-04-01

    Abstract: 本发明提供了一种智慧交通系统中多目标优化的路侧单元组网部署方法。该方法包括:获取目标区域的路网数据;根据所述目标区域的路网数据对目标区域中的路侧单元RSU的通信性能进行分析,获取RSU覆盖距离数据;根据目标区域中的RSU覆盖距离数据构建基于成本和覆盖车辆总时间的基于MOP的RSU部署问题模型,采用NSGA‑II算法求解所述基于MOP的RSU部署问题模型,得到目标区域中的RSU组网部署策略。本发明设计了基于NSGA‑II算法的多目标RSU组网部署策略,可以以尽可能小的部署成本投入达到更高的车辆总覆盖时间,为RSU组网部署工程提供一系列满足要求的部署方案,以供选择和依据实际情况动态调整。

    一种智慧交通系统中多目标优化的路侧单元组网部署方法

    公开(公告)号:CN118301626B

    公开(公告)日:2025-03-14

    申请号:CN202410387823.8

    申请日:2024-04-01

    Abstract: 本发明提供了一种智慧交通系统中多目标优化的路侧单元组网部署方法。该方法包括:获取目标区域的路网数据;根据所述目标区域的路网数据对目标区域中的路侧单元RSU的通信性能进行分析,获取RSU覆盖距离数据;根据目标区域中的RSU覆盖距离数据构建基于成本和覆盖车辆总时间的基于MOP的RSU部署问题模型,采用NSGA‑II算法求解所述基于MOP的RSU部署问题模型,得到目标区域中的RSU组网部署策略。本发明设计了基于NSGA‑II算法的多目标RSU组网部署策略,可以以尽可能小的部署成本投入达到更高的车辆总覆盖时间,为RSU组网部署工程提供一系列满足要求的部署方案,以供选择和依据实际情况动态调整。

    基于印象加权的协作物理层认证方法及电子设备

    公开(公告)号:CN117081867B

    公开(公告)日:2024-01-23

    申请号:CN202311340781.4

    申请日:2023-10-17

    Abstract: 本申请提供一种基于印象加权的协作物理层认证方法及电子设备,通过长期考查协作者的认证性能,构建印象形成体系,充分考虑了协作者的可靠性,通过权重重新分配的方式能够在受到恶意协作者攻击后通过进行权重的重新分配来降低恶意协作者的干扰,使认证权重可以更准确地反映协作者的真实可信性。所以,通过为协作认证过程动态分配认证权重,可以提高协作物理层认证方案在认证过程的安全性与鲁棒性。最后,根据认证权重和下一时隙中的每个协作者的新的本地决策确定下一时隙的新的全局认证性能,利用重新分配后的认证权重进行新的全局认证性能计算,可以保证整个协作物理层认证方案的全局认证性能的稳定性。

    基于印象加权的协作物理层认证方法及电子设备

    公开(公告)号:CN117081867A

    公开(公告)日:2023-11-17

    申请号:CN202311340781.4

    申请日:2023-10-17

    Abstract: 本申请提供一种基于印象加权的协作物理层认证方法及电子设备,通过长期考查协作者的认证性能,构建印象形成体系,充分考虑了协作者的可靠性,通过权重重新分配的方式能够在受到恶意协作者攻击后通过进行权重的重新分配来降低恶意协作者的干扰,使认证权重可以更准确地反映协作者的真实可信性。所以,通过为协作认证过程动态分配认证权重,可以提高协作物理层认证方案在认证过程的安全性与鲁棒性。最后,根据认证权重和下一时隙中的每个协作者的新的本地决策确定下一时隙的新的全局认证性能,利用重新分配后的认证权重进行新的全局认证性能计算,可以保证整个协作物理层认证方案的全局认证性能的稳定性。

    全局模型的训练方法、装置及电子设备

    公开(公告)号:CN116361642A

    公开(公告)日:2023-06-30

    申请号:CN202310118884.X

    申请日:2023-01-31

    Abstract: 本申请提供一种全局模型的训练方法、装置及电子设备,应用于联邦学习系统,所述联邦学习系统包括服务器和多个分布式设备,在所述服务器中部署全局模型,分别在每个分布式设备中部署局部模型,所述全局模型和每个局部模型均设置有特征提取器、鉴别器和分类器,所述特征提取器和所述鉴别器组成生成对抗网络;所述方法包括利用所述服务器对所述全局模型进行参数初始化;利用所述服务器和所述多个分布式设备对经过所述参数初始化的全局模型进行多轮迭代训练,直至所述全局模型满足收敛条件为止,得到训练完成的全局模型,解决了现有技术中联邦学习的不同分布式设备的数据具有异质性的技术问题,提升了联邦学习的性能目的。

    工业物联网中的设备身份确定方法及相关设备

    公开(公告)号:CN118981701A

    公开(公告)日:2024-11-19

    申请号:CN202410877043.1

    申请日:2024-07-02

    Abstract: 本申请提供一种工业物联网中的设备身份确定方法及相关设备,所述方法包括获取每个设备与服务器之间的通信数据,基于全部通信数据,确定全部设备对应的属性集合;将属性集合输入至预先训练的身份确定模型,在身份确定模型中执行如下操作:对属性集合进行特征提取,得到属性特征集合;基于属性集合,对属性特征集合中的每个属性特征分配权重,得到目标属性特征集合;将目标属性特征集合与属性集合进行融合,得到融合集合;对融合集合进行特征提取,得到融合特征;对融合特征进行分类,得到设备身份;通过身份确定模型输出每个设备对应的设备身份,解决了现有技术中确定设备对应的设备身份的准确度低的技术问题,提高了确定设备身份的准确度。

    一种基于动态双阈值的无线通信网络垂直切换方法和系统

    公开(公告)号:CN116528311A

    公开(公告)日:2023-08-01

    申请号:CN202310416358.1

    申请日:2023-04-18

    Abstract: 本发明提供了一种基于动态双阈值的无线通信网络垂直切换方法和系统。该方法包括:获取一定时间段内主网络的接收信号强度值,计算接收信号强度的平均值,将该平均值作为主网络的网络评价值;根据主网络的网络评价值和设定的稳定阈值对主网络的稳定性进行判断,当判断主网络不稳定后,确定所述高阈值和低阈值的移动步长,根据移动步长对高阈值和低阈值进行调整;获取主网络当前的接收信号强度值,将主网络当前的接收信号强度值与调整后的高阈值和低阈值进行比较,根据比较结果和切换策略对主网络和备用网络中接入的设备进行垂直网络切换。

Patent Agency Ranking