公开(公告)号：CN118709028A

公开(公告)日：2024-09-27

申请号：CN202410683144.5

申请日：2024-05-29

Applicant: 南京理工大学

Inventor： 倪星雨 ,  徐雷 ,  蔡志成 ,  曹杰 ,  张环宇 ,  殷新兵 ,  靖慧

IPC: G06F18/241 ,  G06F18/2431 ,  G06F18/2321 ,  G06F18/10 ,  G06F18/15 ,  G06F16/2458 ,  G06F16/29 ,  G06N3/0442 ,  G06N3/084 ,  G01S19/39 ,  G01S19/42 ,  G01S19/52 ,  G06F123/02

Abstract: 本发明公开了一种基于GPS数据的用户移动模式识别方法，该方法包括以下步骤：首先对GPS数据进行了格式转换，然后根据出行标签匹配数据，进行数据清洗和筛选；接着，根据数据的经纬度和时间计算基本特征；随后，根据时间间隔判断数据的连续性，并提取连续的片段；在这些连续片段中，通过聚类技术提取出停留点，进一步细分出连续的轨迹；识别出行方式转换点，将轨迹划分为单一出行方式的片段；最后，将这些出行段转换成RGB格式的数据，用于训练LSTM模型，以提高分类准确率。相比目前常用的用户移动模式识别方法，本发明的方法通过提取连续完整的出行段，将数据转换为RGB格式并应用于LSTM模型训练，取得了优于随机森林、SVC和决策树的分类准确率。

公开(公告)号：CN118714197A

公开(公告)日：2024-09-27

申请号：CN202410683157.2

申请日：2024-05-29

Applicant: 南京理工大学

Inventor： 王学勤 ,  徐雷 ,  蔡志成 ,  曹杰 ,  张环宇 ,  殷新兵 ,  靖慧

IPC: H04L67/568 ,  G06F18/22 ,  G06N3/0442 ,  G06N3/084 ,  H04L67/1095 ,  H04L67/55 ,  H04L41/16 ,  H04L41/147 ,  H04L41/14

Abstract: 本发明公开了一种边缘环境下基于服务调用链路信息的容器镜像缓存方法。该方法包括以下步骤：预处理数据集，构建服务调用链路图；计算边缘节点相似度进行分组；适用历史数据训练基于长短期记忆神经网络的预测模型；请求流行服务镜像层未命中时，采用基于LSTM的算法预测节点接下来调用概率最大的2条链路，将链路上所有服务的镜像与请求层一起推送到请求节点所在分组的所有节点；请求非流行服务镜像层未命中时，采用基于动态规划的算法选出调用频率最高的一条链路，推送服务镜像；每隔一段时间更新节点分组和预测模型。相比于目前的镜像层缓存方法，本发明的方法通过分析服务间的调用关系进行镜像推送，对于镜像层的请求命中率更高。

公开(公告)号：CN118714025A

公开(公告)日：2024-09-27

申请号：CN202410683056.5

申请日：2024-05-29

Applicant: 南京理工大学

Inventor： 陈梦宇 ,  徐雷 ,  蔡志成 ,  曹杰 ,  张环宇 ,  殷新兵 ,  靖慧

IPC: H04L41/147 ,  G06F18/213 ,  G06F18/25 ,  G06N3/042 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  H04L41/16 ,  H04L67/51 ,  G06F123/02

Abstract: 本发明提出一种基于时空图卷积网络的边缘环境下网状微服务容器负载预测方法，该方法包括以下步骤：利用FogSim平台和真实的访问数据集，进行边缘环境下的网状微服务容器负载预测仿真，提取各边缘服务器的各服务的时序负载状态信息构建数据集；确定时间窗口和需要预测时间片的位置；根据节点之间的地理位置关系和微服务的调度关系，计算邻接矩阵，使用GCN中得到空间依赖性特征；将两个空间依赖性特征融合，使用GRU获得时间依赖性特征。评估模型并调参获得最优模型；利用训练好的模型实现网状微服务容器负载预测。相对于传统的容器负载预测模型，本发明同时考虑了边缘节点之间的地域分布关系和微服务的网状结构，实现了更加精确的网状微服务的容器负载预测。