-
公开(公告)号：CN114168655A
公开(公告)日：2022-03-11
申请号：CN202111499857.9
申请日：2021-12-09
Applicant: 西安电子科技大学
IPC: G06F16/2458 , G06N3/04 , H04L41/147
Abstract: 本发明公开了一种基于周期性的网络流量预测方法，主要解决现有方法构建网络流量预测模型不准确、无法准确预测网络流量的问题。其实现方案是：获取已知序列周期；根据已知序列和周期构建周期序列；构建两个结构相同的神经网络；根据已知序列构建第一训练集P1，根据周期序列构建第二训练集P2；用第一训练集P1和第二训练集P2分别训练两个网络，得到每个网络对下一时刻的预测值F1和F2；根据每个网络训练后的误差E1和E2，确定网络偏差系数G1和G2；将F1、F2与其对应网络的偏差系数G1、G2相乘后加权求和，得到下一时刻的最终预测值。本发明提高了网络流量预测结果的准确性，能准确表征流量特征，可用于网络安全和网络管理。
-
公开(公告)号：CN106878737B
公开(公告)日：2019-10-08
申请号：CN201710121042.4
申请日：2017-03-02
Applicant: 西安电子科技大学
IPC: H04N19/436 , H04N19/573 , H04N19/80 , H04N19/567 , H04N19/56
Abstract: 本发明公开了一种高效视频编码中的运动估计加速方法，主要解决现有高效视频编码技术中编码速度慢的问题。其步骤为：1)主处理器CPU将图像数据传输至协处理器GPU进行存储；2)GPU利用图像数据执行分层高级运动向量预测和整像素运动搜索,得出各层的整像素运动向量,并对图像数据中的参考图像进行分像素插值滤波，得出不同精度的插值图像；3)以各层的整像素运动向量为起点，在不同精度的插值图像上分别执行分像素运动搜索，得出各个块的分像素运动向量；4)GPU将整像素运动向量和分像素运动向量信息传输至CPU，CPU对这两种运动向量进行误差修正，完成运动估计。本发明显著提高了编码速度和效率，可应用于视频编解码。
-
公开(公告)号：CN106970379B
公开(公告)日：2019-05-21
申请号：CN201710157721.7
申请日：2017-03-16
Applicant: 西安电子科技大学
IPC: G01S11/00
Abstract: 本发明公开了一种基于泰勒级数展开的对室内目标的测距定位方法，主要解决了现有基于无线传播信号的室内定位技术中在无线信号传播模型情况下定位精度较低的问题。本发明的具体步骤是：1.设置室内目标的测距参考点；2.构建室内目标的有效测距信号样本集；3.统计室内目标的有效测距接入点个数；4.判断有效测距接入点的总数是否大于3；5.判断有效测距接入点的总数是否小于5；6.采用最小二乘法求解室内目标的位置坐标；7.采用泰勒级数展开得到围绕室内目标为中心的定位圈，求取定位圈的质心坐标作为室内目标的位置坐标。本发明将后向传播神经网络模型和泰勒级数展开相结合，提高了对室内目标的定位精度。
-
公开(公告)号：CN114168655B
公开(公告)日：2024-02-13
申请号：CN202111499857.9
申请日：2021-12-09
Applicant: 西安电子科技大学
IPC: G06F16/2458 , G06N3/0442 , H04L41/147
Abstract: 本发明公开了一种基于周期性的网络流量预测方法，主要解决现有方法构建网络流量预测模型不准确、无法准确预测网络流量的问题。其实现方案是：获取已知序列周期；根据已知序列和周期构建周期序列；构建两个结构相同的神经网络；根据已知序列构建第一训练集P1，根据周期序列构建第二训练集P2；用第一训练集P1和第二训练集P2分别训练两个网络，得到每个网络对下一时刻的预测值F1和F2；根据每个网络训练后的误差E1和E2，确定网络偏差系数G1和G2；将F1、F2与其对应网络的偏差系数G1、G2相乘后加权求和，得到下一时刻的最终预测值。本发明提高了网络流量预测结果的准确性，能准确表征流量特征，可用于网络安全和网络管理。
-
公开(公告)号：CN115242663B
公开(公告)日：2023-07-18
申请号：CN202210905275.4
申请日：2022-07-29
Applicant: 西安电子科技大学
IPC: H04L41/147 , H04L41/142 , H04L41/14 , H04L41/16 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于时间相关图卷积的虚拟网络的流量预测方法，主要解决数据中心虚拟网络中流量预测精度欠佳，资源利用率和网络吞吐量低的问题。其实现方案为：通过虚拟网络拓扑结构构建链路流量关系图G；统计历史数据中各个时刻上所有链路的流量值；计算两两链路流量之间的最大时间互相关系数，对其归一化处理后获得时间相关矩阵ATC；构建流量特征矩阵Xt；用ATC替换原图卷积神经网络的邻接矩阵，生成时间相关图卷积神经网络，并用ATC与Xt进行卷积运算，对该网络进行训练，预测出下一个时刻虚拟网络中链路的流量值。本发明能精准表征链路流量之间的时间相关性，提升了虚拟网络的流量预测精度，可用于数据中心网络的资源分配。
-
Patent Agency Ranking
公开(公告)号：CN105759288B
公开(公告)日：2018-04-17
申请号：CN201610203706.7
申请日：2016-04-01
Applicant: 西安电子科技大学
IPC: G01S19/24
Abstract: 本发明提出了一种基于特征序列的北斗B1I弱信号捕获方法，用于解决现有北斗B1I弱信号捕获方法中存在的捕获效率低和捕获能力差的技术问题；包括如下步骤：1设置特征序列长度，获取特征序列库；2读取北斗B1I数字中频信号；3将读取数据按毫秒进行奇偶分组；4利用特征序列进行NH解调，并将每组解调数据块累加；5奇偶补零；6生成本地复现信号，进行相关运算；7比较相关结果中峰值的大小，提取检测值；8门限判定，若低于门限则执行步骤9，否则结束；9循环判定，若循环次数低于20，读取延迟1ms的数据，执行步骤4，否则结束。本发明的捕获性能高且捕获速度快，可用于北斗B1I弱信号的捕获。
-
公开(公告)号：CN107063239A
公开(公告)日：2017-08-18
申请号：CN201710258453.8
申请日：2017-04-19
Applicant: 西安电子科技大学
IPC: G01C21/14
CPC classification number: G01C21/14
Abstract: 本发明公开了一种基于手机内置加速度计的室内移动目标的定位方法，主要解决现有室内定位技术存在的定位系统部署复杂、占用存储空间大等问题。其实现步骤是：(1)采集加速度计数据；(2)构建加速度平均值矩阵；(3)计算待定位的移动目标的步长；(4)计算待定位的移动目标的方向角；(5)确定待定位的移动目标的位置。本发明通过使用手机内置加速度计，实现室内移动目标的定位的同时也提高了定位系统的便携性，构建加速度平均值矩阵，节省了加速度矩阵存储资源。
-
公开(公告)号：CN114205250A
公开(公告)日：2022-03-18
申请号：CN202111499849.4
申请日：2021-12-09
Applicant: 西安电子科技大学
IPC: H04L41/147 , H04L41/16 , G06N3/04
Abstract: 本发明公开了一种基于时空网络STN的虚拟网络链路流量预测方法，主要解决现有虚拟网络中，链路结构复杂、各条链路上业务流量预测准确率低、网络资源利用率低的问题。其实现方案为：构建虚拟网络的图G；根据图G的顶点连接关系获得邻接矩阵W；获取前M个时刻各链路上的流量值，构建特征矩阵序列X；设计由M个并列的图卷积网络GCN分别与长短期记忆网络LSTM的M个神经元对应连接组成的时空网络STN；将特征矩阵序列X和邻接矩阵W输入时空网络STN，预测出下一时刻虚拟网络中每条链路上的流量值。本发明简化了虚拟网络的链路结构，提高了虚拟网络链路流量的预测准确率，为通信网络中的资源分配工作奠定有利基础，可用于数据中心网络。
-
公开(公告)号：CN107063239B
公开(公告)日：2019-06-21
申请号：CN201710258453.8
申请日：2017-04-19
Applicant: 西安电子科技大学
IPC: G01C21/14
Abstract: 本发明公开了一种基于手机内置加速度计的室内移动目标的定位方法，主要解决现有室内定位技术存在的定位系统部署复杂、占用存储空间大等问题。其实现步骤是：(1)采集加速度计数据；(2)构建加速度平均值矩阵；(3)计算待定位的移动目标的步长；(4)计算待定位的移动目标的方向角；(5)确定待定位的移动目标的位置。本发明通过使用手机内置加速度计，实现室内移动目标的定位的同时也提高了定位系统的便携性，构建加速度平均值矩阵，节省了加速度矩阵存储资源。
-
公开(公告)号：CN115242663A
公开(公告)日：2022-10-25
申请号：CN202210905275.4
申请日：2022-07-29
Applicant: 西安电子科技大学
IPC: H04L41/147 , H04L41/142 , H04L41/14 , H04L41/16 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于时间相关图卷积的虚拟网络的流量预测方法，主要解决数据中心虚拟网络中流量预测精度欠佳，资源利用率和网络吞吐量低的问题。其实现方案为：通过虚拟网络拓扑结构构建链路流量关系图G；统计历史数据中各个时刻上所有链路的流量值；计算两两链路流量之间的最大时间互相关系数，对其归一化处理后获得时间相关矩阵ATC；构建流量特征矩阵Xt；用ATC替换原图卷积神经网络的邻接矩阵，生成时间相关图卷积神经网络，并用ATC与Xt进行卷积运算，对该网络进行训练，预测出下一个时刻虚拟网络中链路的流量值。本发明能精准表征链路流量之间的时间相关性，提升了虚拟网络的流量预测精度，可用于数据中心网络的资源分配。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.041 seconds)
