-
公开(公告)号：CN119721498A
公开(公告)日：2025-03-28
申请号：CN202510213230.4
申请日：2025-02-26
Applicant: 南京信息工程大学
IPC: G06Q10/063 , G06N3/006
Abstract: 本发明公开了基于改进蜣螂优化算法的SD‑MANET覆盖优化方法，包括：将任务区域内协同作战分队中的作战士兵、无人机及无人车作为作战节点，以作战节点的数量及感知半径作为输入，以协同作战分队的最优部署位置作为输出，构建该任务区域内基于布尔感知模型的SD‑MANET拓扑模型；联合切比雪夫混沌映射、鱼鹰优化算法及自适应t分布变异改进蜣螂优化算法，利用改进后的蜣螂优化算法优化SD‑MANET拓扑模型，得到任务区域内协同作战分队的最优部署位置。本发明在不增加算法复杂度的同时提高了收敛性及性能，确保有/无人协同作战分队在复杂战场环境中的高效部署及协同作战分队的初始部署网络覆盖率。
-
公开(公告)号：CN114006826A
公开(公告)日：2022-02-01
申请号：CN202210000659.1
申请日：2022-01-04
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种融合流量特征的网络流量预测方法，具体涉及网络信息工程技术领域，收集并获得预设时间周期范围内的历史网络流量数据，并将所获的历史网络流量数据按照预设时间步长划分为预设数量个子流量序列，分别针对各个流量序列，构建并获得网络流量预测模型，应用网络流量预测模型，对子流量序列所对应的网络流量进行预测，获得网络流量的预测分类标签结果。通过本发明的技术方案将网络流量的自相似特性作为先验知识，将其融入长短记忆神经网络的门控机制中，再结合一维卷积神经网络和注意力机制提取流量序列的时间特征，能够恢复原始数据的特征，赋予模型预测结果的可解释性，从而提高网络流量的预测精度更好的描述网络流量的变化趋势。
-
公开(公告)号：CN114006826B
公开(公告)日：2022-04-22
申请号：CN202210000659.1
申请日：2022-01-04
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种融合流量特征的网络流量预测方法，具体涉及网络信息工程技术领域，收集并获得预设时间周期范围内的历史网络流量数据，并将所获的历史网络流量数据按照预设时间步长划分为预设数量个子流量序列，分别针对各个流量序列，构建并获得网络流量预测模型，应用网络流量预测模型，对子流量序列所对应的网络流量进行预测，获得网络流量的预测分类标签结果。通过本发明的技术方案将网络流量的自相似特性作为先验知识，将其融入长短记忆神经网络的门控机制中，再结合一维卷积神经网络和注意力机制提取流量序列的时间特征，能够恢复原始数据的特征，赋予模型预测结果的可解释性，从而提高网络流量的预测精度更好的描述网络流量的变化趋势。
-
公开(公告)号：CN113852492A
公开(公告)日：2021-12-28
申请号：CN202111019800.4
申请日：2021-09-01
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于注意力机制和图卷积神经网络的网络流量预测方法，首先构建基于注意力机制和图卷积神经网络的AT‑GCN模型；AT‑GCN模型包括两个图卷积层、一个全连接层和一个引入注意力机制的门控递归单元；对原始的网络流量进行数据预处理，得到符合AT‑GCN模型输入的数据序列；将中处理后的网络流量序列输入图卷积层，获取网络流量数据序列的空间特征；将处理后的网络流量序列和得到的空间特征向量输入到门控递归单元中，获取网络流量序列的时间特征；最后经过一个全连接层得到最终的预测结果。本发明将图卷积神经网络和门控递归单元结合起来，分别获取网络流量的时间和空间特征，并且为了提高预测的精度，引入了注意力机制，在时空预测任务中表现很好。
-
-
-
Search Results
4
records
(took 0.021 seconds)
