-
公开(公告)号：CN106060009A
公开(公告)日：2016-10-26
申请号：CN201610311303.4
申请日：2016-05-12
Applicant: 桂林电子科技大学
CPC classification number: H04L65/4084 , H04L65/80 , H04L67/1002 , H04L67/2814 , H04L67/2842
Abstract: 本发明公开了一种对等网络流媒体点播节点请求转移与缓存替换方法，该方法通过对超载节点收到的流媒体资源请求按请求优先级进行排序，筛选出低优先级的流媒体资源请求，并计算持有被请求流媒体资源的邻居节点能力值，然后把该超载节点无法及时处理的请求转移给这些邻居节点，实现各节点的负载均衡；当节点的缓存空间已满时，筛选出该节点缓存中低替换优先度的流媒体资源，并计算所筛选出的流媒体资源中所有流媒体数据片的供需比，然后在节点缓存中删除供需比最大的流媒体数据片，缓存它新点播的流媒体数据片，以此来动态调整系统中流媒体资源的分布，进一步增加了系统的稳定性、提高节点的带宽利用率、降低服务器负载，从而更好地保证服务质量。
-
公开(公告)号：CN102833163A
公开(公告)日：2012-12-19
申请号：CN201210302351.9
申请日：2012-08-23
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种对等网络流媒体点播服务质量保证方法及系统，该系统包括顺序连接的节点加入模块、资源查找模块、服务响应模块和信息反馈模块。首先，本发明采用区分服务的方式，针对互联网上点播网络中节点请求服务质量值，采用不同的流媒体服务类型对其服务请求进行响应处理，从而激励点播网络中节点尽最大努力为其他节点的流媒体服务请求提供服务，提高了点播网络中流媒体点播过程的服务质量，克服现有互联网上流媒体点播服务中节点“搭便车”行为所造成的服务质量差的问题；其次，本发明提供了一种高效的对等网络流媒体点播服务资源查找方法，通过它使点播网络中请求节点快速查找到所需流媒体资源。
-
公开(公告)号：CN119364121A
公开(公告)日：2025-01-24
申请号：CN202411463602.0
申请日：2024-10-18
Applicant: 桂林电子科技大学
IPC: H04N21/466 , H04N21/475 , H04N21/25 , H04N21/258 , H04N21/234 , H04N21/44
Abstract: 本发明公开了一种基于时间信息感知的多特征学习在线视频流行度预测方法。该方法包括：获取待预测视频相关的多特征数据和播放时序数据；将多特征数据根据类别输入至预设多特征编码器中的特征子编码器，确定视觉、声学、文本、社交和元数据特征；将播放时序数据输入至预设多特征编码器中的层次化流行度序列特征提取网络以确定待预测视频的流行度序列特征；将待预测视频的视觉、声学、文本、社交、元数据和流行度序列特征输入至预设特征融合网络中进行特征融合；将融合后的待预测视频特征输入至预设流行度预测网络中得到预测结果。通过本发明的技术方案，可以综合考虑到与视频流行度相关的多种特征，提高流行度预测的性能。
-
公开(公告)号：CN115051996B
公开(公告)日：2023-07-11
申请号：CN202210683789.X
申请日：2022-06-16
Applicant: 桂林电子科技大学
IPC: H04L67/1004 , H04L67/1012 , H04N21/218 , H04N21/234
Abstract: 本发明公开了一种多接入边缘计算下基于本地视频效用值的视频缓存管理方法。该方法用于MEC服务器的视频缓存管理，当MEC服务器剩余缓存空间不足以存储待缓存视频时，结合全网流行度和本地流行度变化计算本地视频热度；接着，结合本地视频热度、视频大小和信息熵理论，计算本地视频效用值；然后，基于本地视频效用值进行降序排序，将效用值最低的视频依次删除，直到剩余缓存空间能存储待缓存视频，并存储之。最后，如果该待缓存视频是全网新发布视频，那么将其全网流行度设置为top_r2；否则，从中心服务器获取其全网流行度。该缓存管理方法可有效提升MEC服务器的缓存命中率，降低传输延迟，提升用户体验质量，减少回程流量，降低核心网压力。
-
公开(公告)号：CN113453038A
公开(公告)日：2021-09-28
申请号：CN202110709682.3
申请日：2021-06-25
Applicant: 桂林电子科技大学
IPC: H04N21/231 , H04N21/218 , H04L29/08
Abstract: 本发明公开了一种CDN‑P2P混合架构下效用最优协同缓存管理方法，该方法首先构建一个超级节点群，支持P2P技术与内容分发网络相结合，利用P2P覆盖网的高可拓展、部署成本低特性，为其他节点提供服务；其次，根据ISPs域间的资源供需关系，基于全局效用值构建相应数学模型，并利用资源分配贪心算法对模型进行优化；最后，基于效用最优模型设计一个协同缓存管理方法，基于发送节点上传带宽以及接收节点下载带宽和磁盘容量，通过超级节点群内节点间协同缓存、超级节点群与CDNs节点间协同缓存，将流行度高的视频资源放置在靠近用户侧，从而减少ISPs间回程链路流量，提高用户的播放流畅度和缓存命中率。
-
Patent Agency Ranking
公开(公告)号：CN119293730A
公开(公告)日：2025-01-10
申请号：CN202411434542.X
申请日：2024-10-15
Applicant: 桂林电子科技大学
IPC: G06F18/25 , G06F18/213 , G06N3/0442 , G06N3/0985
Abstract: 本发明公开了一种基于文本驱动跨模态融合和互信息估计的多模态情感分析模型构建方法，包括：提取待分析视频的文本特征、音频特征和视频特征，构建具有上下文时序信息的特征提取模块；基于跨模态注意力机制使其他模态特征能够感知文本情感信息，构建堆叠文本驱动跨模态融合模块；为尽可能保留任务相关信息并滤除与任务无关的噪声信息，构建对融合特征向量进行互信息上下界估计的互信息估计模块；结合互信息估计模块与主任务损失函数构建损失函数模块；构建将融合特征向量输入到激活函数进行情感极性判断的预测模块。本发明构建的多模态情感分析模型在两个公开可用的数据集进行了全面实验，实验结果表明该模型的情感分析性能有显著提升。
-
公开(公告)号：CN117763287A
公开(公告)日：2024-03-26
申请号：CN202311786976.1
申请日：2023-12-25
Applicant: 桂林电子科技大学
IPC: G06F18/15 , G06F18/214 , G06N20/20
Abstract: 本发明公开了一种联邦推荐中基于自训练双网络的交互数据去噪方法，该方法先预热训练5~15个轮次；各个客户端的本地模型和本轮次的全局模型构成当前客户端的双网络，由双网络对本地数据集预测；预测结果满足阈值条件的样本构成初始自训练数据集，不满足阈值条件的样本构成无标签数据集；自训练数据集代替原本客户端上噪声率较高的本地数据集以支持后续训练；后续轮次中，当本地模型训练结束时，双网络对本地无标签数据集预测，满足阈值条件的样本被移入自训练数据集；去噪达一定轮次后无标签数据重新被贴上标签1。本发明适用于任何基于矩阵分解的联邦推荐模型以去除客户端上交互数据中的噪声样本，从而提高联邦推荐模型的准确性和可靠性。
-
公开(公告)号：CN109450815B
公开(公告)日：2020-10-30
申请号：CN201811137678.9
申请日：2018-09-28
Applicant: 桂林电子科技大学
IPC: H04L12/863 , H04L29/08 , H04N21/435 , H04N21/44 , H04N21/442 , H04N21/845
Abstract: 本发明公开了一种基于效用值的对等网络流媒体系统数据调度方法，首先设计一个综合考虑视频播放质量和网络吞吐量的效用值计算方法，然后以最大化一个节点所有请求的视频片段效用值为目标，得到最大化的视频片段效用值，最后利用最大化的视频片段效用值，采用数据调度贪心算法，以一个节点缓存窗口内所有请求的视频片段效用值最大化为目标，基于发送节点可用带宽，对视频片段进行调度规划，即完成对等网络流媒体播放系统中的数据调度；该算法以近似达到最大化视频播放质量和最大化网络吞吐量两个优化目标，有效的提高对等网络流媒体播放系统中的视频播放质量和网络吞吐量，提高系统服务质量和降低服务器带宽开销。
-
公开(公告)号：CN102833163B
公开(公告)日：2015-03-04
申请号：CN201210302351.9
申请日：2012-08-23
Applicant: 桂林电子科技大学
IPC: H04L29/08 , H04L12/741 , H04L12/757 , H04L12/865
Abstract: 本发明公开了一种对等网络流媒体点播服务质量保证方法及系统，该系统包括顺序连接的节点加入模块、资源查找模块、服务响应模块和信息反馈模块。首先，本发明采用区分服务的方式，针对互联网上点播网络中节点请求服务质量值，采用不同的流媒体服务类型对其服务请求进行响应处理，从而激励点播网络中节点尽最大努力为其他节点的流媒体服务请求提供服务，提高了点播网络中流媒体点播过程的服务质量，克服现有互联网上流媒体点播服务中节点“搭便车”行为所造成的服务质量差的问题；其次，本发明提供了一种高效的对等网络流媒体点播服务资源查找方法，通过它使点播网络中请求节点快速查找到所需流媒体资源。
-
公开(公告)号：CN118708963A
公开(公告)日：2024-09-27
申请号：CN202410748657.X
申请日：2024-06-11
Applicant: 桂林电子科技大学
IPC: G06F18/214 , G06F18/2132 , G06N20/00
Abstract: 本发明涉及大数据处理技术领域，提供了一种联邦推荐中集成改进伪标签技术和梯度对齐自适应正则化的数据再平衡方法，该方法利用该框架来应对数据不平衡，首先根据z分数来识别数据过多或过少的客户端。对于数据过少的客户端，采用改进伪标签技术，通过双模型评估机制来增强样本的可靠性，其中双模型是由单个客户端上的本地模型和全局模型组成的。对于每个无标签样本，只有双模型产生的2个预测同时满足一定阈值时，才为该样本赋予伪标签；对于数据过多的客户端，BalFed执行下采样。此外，本发明在本地模型更新时采用了一种梯度对齐自适应正则化，旨在提高联邦推荐系统的鲁棒性。本发明适用于任何联邦推荐模型以应对联邦推荐系统中的数据不平衡。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.017 seconds)
