-
公开(公告)号:CN117014962A
公开(公告)日:2023-11-07
申请号:CN202310902388.3
申请日:2023-07-20
Applicant: 南京邮电大学
IPC: H04W28/084 , H04W28/086 , H04L67/63 , H04L67/10 , G06F18/214 , G06N20/00
Abstract: 本发明公开了一种面向分布式联邦学习的设备调度方法、装置、介质及设备,所述方法包括:基于预先计算的包传输错误率求解预设的优化问题,得到初始模型中U个用户设备与S个边缘服务器的关联规则;基于求解得到的关联规则建立边缘服务器与各自关联的用户设备的通信连接;采用预设的协同训练方法由建立通信连接的边缘服务器和用户设备对分布式联邦学习全局模型进行协同训练,得到训练完成的分布式联邦学习全局模型,实现对各用户设备的调度。本发明能够提高分布式联邦学习中用户设备参与训练的可靠性,提高了训练效率。
-
公开(公告)号:CN113902220B
公开(公告)日:2024-04-02
申请号:CN202111325927.9
申请日:2021-11-10
Applicant: 南京邮电大学
IPC: G06F18/20 , G06F18/2321 , H04W4/029 , H04W4/40
Abstract: 本发明公开了一种基于自适应密度聚类算法的车辆轨迹预测方法,该方法包括:1)选定一个具有N个轨迹点的车辆轨迹数据集;2)基于自适应密度聚类算法对轨迹点进行分簇;3)对每个簇分别进行符号标记,将被标记了的簇按照时间排序后输出符号序列;4)将符号序列输入到变阶马尔可夫模型中,并使用Lempel‑Ziv‑MS预测算法进行预测,即预测概率最大时的符号对应的轨迹点即为最终轨迹预测结果。本发明所提的自适应密度聚类算法提高了算法的执行效率,同时提高了轨迹聚类的准确度;考虑N阶马尔可夫模型的空间复杂度高、零频率等缺点,变阶马尔可夫模型使用LZ‑MS来解决零频率问题,并使用树结构来减少所需的内存量。
-
公开(公告)号:CN113902220A
公开(公告)日:2022-01-07
申请号:CN202111325927.9
申请日:2021-11-10
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于自适应密度聚类算法的车辆轨迹预测方法,该方法包括:1)选定一个具有N个轨迹点的车辆轨迹数据集;2)基于自适应密度聚类算法对轨迹点进行分簇;3)对每个簇分别进行符号标记,将被标记了的簇按照时间排序后输出符号序列;4)将符号序列输入到变阶马尔可夫模型中,并使用Lempel‑Ziv‑MS预测算法进行预测,即预测概率最大时的符号对应的轨迹点即为最终轨迹预测结果。本发明所提的自适应密度聚类算法提高了算法的执行效率,同时提高了轨迹聚类的准确度;考虑N阶马尔可夫模型的空间复杂度高、零频率等缺点,变阶马尔可夫模型使用LZ‑MS来解决零频率问题,并使用树结构来减少所需的内存量。
-
公开(公告)号:CN114089744A
公开(公告)日:2022-02-25
申请号:CN202111285053.9
申请日:2021-11-01
Applicant: 南京邮电大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于改进Raft算法选择车辆队列领航车的方法,包括1)车辆队列初始化,将具有相同目的地且车辆间保持稳定较小车距的车辆编队;2)选择临时领航车;3)基于车辆动力性能指标参数的加权评估值选择队列候选领航车;4)利用改进Raft算法选出队列领航车和备用领航车;5)实时检查领航车状态,当领航车出现异常情况时及时采用备用领航车进行工作。本方法在车辆队列行驶时,能够快速选举出领航车,进而有效的控制整个队列的行驶。在发生突发状况时,领航车能够迅速做出反应,从而阻止事故的发生,增强行车安全性。特别地,备用领航车在当前领航车失效或发生故障时,进一步保证车辆队列行驶的安全与稳定性。
-
-
公开(公告)号:CN114630267A
公开(公告)日:2022-06-14
申请号:CN202111632681.X
申请日:2021-12-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于误差修正的室内融合定位方法,该方法包括:部署室内无线接入点,划分室内区域;在离线阶段部署参考点并采集RSS数据;采用多点定位、边界判断以及kmeans聚类相结合的方法设置校正基准点;在线阶段中,获取待测节点的RSS数据,采用多点定位和区域判断对待测节点进行初步定位;采用指纹定位以及位置补偿相融合的算法对待测节点进行在线阶段的定位修正。该发明通过对靠近室内边缘区域的定位结果的修正提高了总体定位精度,并且降低了定位复杂度,提高了定位效率。
-
-
-
-
-