-
公开(公告)号：CN118200990B
公开(公告)日：2024-07-19
申请号：CN202410612108.X
申请日：2024-05-17
Applicant: 江西师范大学
IPC: H04W28/14 , H04W28/084 , H04W28/08 , G06F18/2323 , G06N3/126
Abstract: 本发明公开了一种基于谱聚类的多目标协同服务缓存方法，包括：获取用户历史的服务使用相关信息和边缘服务器信息；建立用户相似矩阵及用户度矩阵，计算得到谱矩阵；对谱矩阵进行聚类，得到各个类簇中心以及各个类簇中心位置；获取各个类簇中请求服务集合和可用边缘服务器，得到各个类簇的预缓存服务队列和边缘服务器集合；计算各个类簇中边缘服务器的综合信任值、总时延和负载均衡指标，建立多目标函数；使用遗传算法寻找各个类簇的最佳边缘服务器；计算最佳边缘服务器最大缓存数量，从预缓存服务队列中选取服务，缓存至各个类簇的最佳边缘服务器；本发明能够提高用户满意度、降低服务响应时延、提高服务缓存效率及边缘服务器资源利用率。
-
公开(公告)号：CN116483585B
公开(公告)日：2023-09-15
申请号：CN202310712455.5
申请日：2023-06-16
Applicant: 江西师范大学
Abstract: 本发明公开了一种基于边缘计算的多服务预部署方法，包括：从边缘服务器中核心管理单元获取服务相关数据，并进行数据预处理；构建移动用户距离相似度矩阵和移动用户时间相似度矩阵，计算移动用户相似度矩阵；进行同簇聚类分析，获得移动用户簇以及同簇移动用户相似度矩阵；计算同簇移动用户请求服务概率评分矩阵，通过所述评分矩阵对服务进行降序排列，得到移动用户预测服务队列；通过Comm‑Comp算法选择合适的边缘服务器，从所述预测服务队列中选择服务部署到合适的边缘服务器。通过上述方式，本发明能够有效降低移动用户等待服务的时延，极大的满足了时效性要求高的移动用户，提高了移动用户体验度，保障了边缘计算服务器的准确率。
-
公开(公告)号：CN118102393B
公开(公告)日：2024-07-02
申请号：CN202410501269.1
申请日：2024-04-25
Applicant: 江西师范大学
IPC: H04W28/08 , H04W28/084 , H04W4/029 , G06N3/0442 , G06N3/092 , H04L67/1021 , H04L67/101
Abstract: 本发明公开了一种基于移动边缘计算的多用户服务迁移方法，首先边缘服务器获取移动用户的历史轨迹数据、边缘节点集合以及服务集合；构建服务节点预测模型，对移动用户的历史轨迹数据预测得到移动用户的候选服务节点集合；通过边缘服务器的存储负载计算用户间干扰指标；构建深度强化学习模型，将五元组输入到深度强化学习模型得到移动用户将要迁移的最优目标服务器；综合计算移动用户从源服务器到最优目标服务器之间不同迁移路径的迁移时延，选择迁移时延最小的最优迁移路径将服务从源服务器迁移到最优目标服务器。通过上述方式，本发明能够有效降低移动用户之间在迁移过程中产生的干扰，提高服务迁移效率和用户体验度。
-
公开(公告)号：CN117410989B
公开(公告)日：2024-02-23
申请号：CN202311714232.9
申请日：2023-12-14
Applicant: 江西师范大学
IPC: H02J3/00 , G06Q10/04 , G06Q50/06 , G06F18/2131 , G06F18/25 , G06N3/0464 , G06N3/045 , G06F123/02
Abstract: 本发明公开了一种基于多周期角度的居民用电量预测方法，通过从数据集中提取影响用电量因素得到特征信息组并进行数据预处理得到居民用电量特征信息组；将居民用电量特征信息组输入到Cycle模型中进行周期间特征提取，得到一维特征数据；将一维特征数据输入到Multi‑attention模型中,得到注意力特征信息组再进行序列分解，得到特征序列和信息序列；通过注意力特征信息组和信息序列计算得到注意力预测序列；对特征序列进行指数平滑处理，得到平滑预测序列；将注意力预测序列与所述平滑预测序列进行序列融合，得到最终预测值序列，通过上述方式，本发明能够有效提高电量预测的精确(56)对比文件周思思，等.考虑时序特征提取与双重注意力融合的TCN超短期负荷预测.电力系统自动化.2023,第47卷(第18期),全文.
-
公开(公告)号：CN115878227B
公开(公告)日：2023-05-12
申请号：CN202310186618.0
申请日：2023-03-02
Applicant: 江西师范大学
Abstract: 本发明公开了一种基于人群分类的边缘计算任务卸载方法，包括：中心服务器获取用户的历史轨迹信息和当前地理位置信息确定用户的历史预测轨迹和当前预测轨迹；对历史预测轨迹和当前预测轨迹进行轨迹拟合得到拟合目标轨迹；计算用户综合距离，中心服务器根据用户综合距离使用聚类算法对用户进行聚类，得到热点用户区域与离散用户；计算边缘服务器匹配度，根据边缘服务器匹配度得到热点用户区域的区域计算簇；分别对热点用户区域的用户和离散用户进行任务卸载；本发明能够对用户进行聚类形成热点用户区域与离散用户，并利用轨迹预测方法选取对应边缘服务器进行任务卸载，有效降低高峰期间计算资源紧缺产生的影响，提高任务卸载效率。
-
Patent Agency Ranking
公开(公告)号：CN117149443A
公开(公告)日：2023-12-01
申请号：CN202311412775.5
申请日：2023-10-30
Applicant: 江西师范大学
IPC: G06F9/50 , G06F18/23213 , G06N3/042 , G06N3/045 , G06F17/16
Abstract: 本发明公开了一种基于神经网络的边缘计算服务部署方法，首先边缘服务器获取车辆用户的特征信息；通过图神经网络预测模型进行预测，将所有车辆用户下一时刻的位置在地图上根据经纬度进行标记得到位置坐标图；使用改进的k‑means聚类算法进行聚类得到k个类簇；计算每个类簇中边缘服务器的适应度值，将适应度值最大的边缘服务器作为预部署边缘服务器；计算将服务直接迁移到预部署边缘服务器和从云服务器直接将服务部署到预部署边缘服务器的总成本，比较两种方案的总成本，选择总成本小的方案进行服务部署。通过上述方式，本发明能够有效降低用户等待服务的时延，极大的满足了对时效性要求高的移动用户，提高了用户体验度。
-
公开(公告)号：CN118102393A
公开(公告)日：2024-05-28
申请号：CN202410501269.1
申请日：2024-04-25
Applicant: 江西师范大学
IPC: H04W28/08 , H04W28/084 , H04W4/029 , G06N3/0442 , G06N3/092 , H04L67/1021 , H04L67/101
Abstract: 本发明公开了一种基于移动边缘计算的多用户服务迁移方法，首先边缘服务器获取移动用户的历史轨迹数据、边缘节点集合以及服务集合；构建服务节点预测模型，对移动用户的历史轨迹数据预测得到移动用户的候选服务节点集合；通过边缘服务器的存储负载计算用户间干扰指标；构建深度强化学习模型，将五元组输入到深度强化学习模型得到移动用户将要迁移的最优目标服务器；综合计算移动用户从源服务器到最优目标服务器之间不同迁移路径的迁移时延，选择迁移时延最小的最优迁移路径将服务从源服务器迁移到最优目标服务器。通过上述方式，本发明能够有效降低移动用户之间在迁移过程中产生的干扰，提高服务迁移效率和用户体验度。
-
公开(公告)号：CN118102234A
公开(公告)日：2024-05-28
申请号：CN202410523995.3
申请日：2024-04-29
Applicant: 江西师范大学
Abstract: 本发明属于边缘计算技术领域，公开了一种基于轨迹信息的移动边缘计算服务迁移方法及系统，该方法包括：获取城市路网数据、边缘服务器信息、车辆起终点位置信息、车辆请求服务数据和车辆属性信息数据；对城市路网地图进行栅格化得到路网栅格图像；将路网栅格图像划分为多个区域，对各区域拥挤程度进行量化；计算车辆行驶能源消耗率，得到行驶能源消耗指标；采用蚁群算法规划行驶轨迹；根据车辆轨迹信息，查找行驶轨迹中所有可用边缘服务器；采用Q‑learning算法对车辆请求服务迁移过程进行策略决策，得到迁移目标队列；根据迁移目标队列对车辆请求服务进行迁移。通过上述方式，本发明能增强服务迁移过程的鲁棒性和灵活性，提高系统性能。
-
公开(公告)号：CN117410989A
公开(公告)日：2024-01-16
申请号：CN202311714232.9
申请日：2023-12-14
Applicant: 江西师范大学
IPC: H02J3/00 , G06Q10/04 , G06Q50/06 , G06F18/2131 , G06F18/25 , G06N3/0464 , G06N3/045 , G06F123/02
Abstract: 本发明公开了一种基于多周期角度的居民用电量预测方法，通过从数据集中提取影响用电量因素得到特征信息组并进行数据预处理得到居民用电量特征信息组；将居民用电量特征信息组输入到Cycle模型中进行周期间特征提取，得到一维特征数据；将一维特征数据输入到Multi‑attention模型中,得到注意力特征信息组再进行序列分解，得到特征序列和信息序列；通过注意力特征信息组和信息序列计算得到注意力预测序列；对特征序列进行指数平滑处理，得到平滑预测序列；将注意力预测序列与所述平滑预测序列进行序列融合，得到最终预测值序列，通过上述方式，本发明能够有效提高电量预测的精确度。
-
公开(公告)号：CN118102234B
公开(公告)日：2024-07-02
申请号：CN202410523995.3
申请日：2024-04-29
Applicant: 江西师范大学
Abstract: 本发明属于边缘计算技术领域，公开了一种基于轨迹信息的移动边缘计算服务迁移方法及系统，该方法包括：获取城市路网数据、边缘服务器信息、车辆起终点位置信息、车辆请求服务数据和车辆属性信息数据；对城市路网地图进行栅格化得到路网栅格图像；将路网栅格图像划分为多个区域，对各区域拥挤程度进行量化；计算车辆行驶能源消耗率，得到行驶能源消耗指标；采用蚁群算法规划行驶轨迹；根据车辆轨迹信息，查找行驶轨迹中所有可用边缘服务器；采用Q‑learning算法对车辆请求服务迁移过程进行策略决策，得到迁移目标队列；根据迁移目标队列对车辆请求服务进行迁移。通过上述方式，本发明能增强服务迁移过程的鲁棒性和灵活性，提高系统性能。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.03 seconds)
