-
公开(公告)号：CN118509920A
公开(公告)日：2024-08-16
申请号：CN202410820621.8
申请日：2024-06-24
申请人： 西安邮电大学
摘要： 本申请公开了一种面向不确定性MEC环境的任务卸载方法，包括以下步骤：获取任务数据；联合多路径并行传输、任务缓存和隐私保护构建联合不确定性任务卸载优化模型；利用混合双层卸载算法求解联合不确定性任务卸载优化模型，得到最终任务卸载策略、最终任务缓存策略和最终任务数据分配策略；分别根据最终任务卸载策略、最终任务缓存策略和最终任务数据分配策略进行卸载位置分配、边缘缓存、将任务数据分配给不同的传输网络。本申请通过将联合不确定性任务卸载优化模型转换为确定性双层机会约束模型，具有高内聚低耦合的优点；通过结合改进遗传算法、蒙特卡洛模拟和人工神经网络构建混合双层卸载算法，降低了算法实现成本，提高了复用率。
-
公开(公告)号：CN118332332A
公开(公告)日：2024-07-12
申请号：CN202410415017.7
申请日：2024-04-08
申请人： 西安邮电大学
IPC分类号： G06F18/214 , G06F18/241 , G06N3/0475 , G06N3/045 , G06N3/08 , G06N3/0442
摘要： 本申请涉及一种基于生成对抗扩散模型的快速脉搏数据增强方法，用于更高效的进行脉搏数据增强。首先从手腕“寸”位置收集脉搏信号，对收集到的信号进行去噪和分割处理，以将原始数据转化为真实数据。然后使用真实数据训练生成对抗扩散模型(GADM)，以捕获脉搏数据的潜在分布特征，通过生成对抗扩散模型合成大量脉搏数据，可以弥补现有数据集规模不足和类别不平衡的问题。最后，将合成数据与原始数据混合，用于深度学习分类器的训练。实验结果证明本申请的方法能够有效改善脉搏疾病识别的性能。
-
公开(公告)号：CN114489926B
公开(公告)日：2024-06-07
申请号：CN202111503398.7
申请日：2021-12-09
申请人： 西安邮电大学
IPC分类号： G06F9/455
摘要： 本发明提供的一种基于截止期限制的云中微服务负载均衡方法，通过在云环境下已租赁的虚拟机中分别创建虚拟机剩余资源列表t和容器镜像列表；接收用户提交的工作流，并对该工作流进行解耦，得到多个子任务；根据每个任务对应的最长路径以及携带的子截止期，计算每个子任务的紧急度；按照紧急度对至少一个工作流的多个子任务进行快速排序；将子任务按照排序结果分配至虚拟机运行在容器中的微服务实例，以使容器镜像列表更新；当接收到新的子任务，则查询更新后的容器镜像列表，当列表中存在该子任务对应的镜像标号时，则在存在剩余资源的情况下拉取该子任务对应的容器镜像以创建容器，以缩短提取容器映像的时间并且降低成本。
-
公开(公告)号：CN117896690A
公开(公告)日：2024-04-16
申请号：CN202410063059.9
申请日：2024-01-16
申请人： 西安邮电大学
摘要： 本发明公开了一种基于动态子空间的工业无线传感器网络数据异常检测方法，包括：利用基于熵的自适应滑动窗口获取当前时刻的IWSN数据，并经过子空间技术对其进行数据降维处理得到多个候选子空间；通过进化算法和子空间的评价函数对候选子空间进行迭代优化得到最优子空间集合；在最优子空间中进行异常检测。根据本发明提供的方法，能够缓解“维度诅咒”问题，实现对高维数据的处理；能够尽可能地避免丢失低相关性维度的异常值；在对子空间进行优化时对子空间执行交叉重组和突变，能够提升最优子空间的多样性，预防在降维过程中出现维度信息的丢失，提高检测精度；同时，通过自适应滑动窗口能够实现对高维IWSN数据的获取和实时处理。
-
公开(公告)号：CN116849635A
公开(公告)日：2023-10-10
申请号：CN202310876390.8
申请日：2023-07-17
申请人： 西安邮电大学
摘要： 本申请涉及一种基于多通道相关图特征的脉搏疾病识别装置，充分利用了多通道脉搏数据间的相关性，能解决脉搏个体差异性带来的分类效果差的问题；将周期信号转换到频域，包含了丰富的频域信息，通过预实验发现，频域周期信号比时域周期信号的分类效果更稳定，并且通过全局注意力机制的编码和解码操作，挖掘了脉搏特征的全局相关性；采用自适应阈值算法，自动地判别了每一个周期节点之间的相似程度，为每一周期都生成了一个空间关系变化的图特征，从时空上体现了脉搏的变化，不仅提高了脉搏疾病识别的效果，还统计了相关度高的通道组合，更加全面的反映了不同人群的脉搏变化规律。
-
公开(公告)号：CN111368254B
公开(公告)日：2023-04-07
申请号：CN202010137047.8
申请日：2020-03-02
申请人： 西安邮电大学
IPC分类号： G06F18/15 , G06F17/16 , G06F17/18 , G06F18/2321 , G06N20/00
摘要： 本发明公开了一种多流形正则化非负矩阵分解的多视角数据缺失补全方法，通过多视角间的一致性假设，利用多流形正则化非负矩阵分解算法，获得无标记多视角数据趋于一致的流形及全局聚类；采用视角协同改进高斯混合方法，构建多视角协同判别模型。通过对存在缺失数据的样本，在非缺失视角下簇相关度水平的计算，实现样本所属簇的预标定；利用多视角在低维空间中的一致性，采用多元线性回归分析方法，建立特定视角下的缺失数据预测模型，实现在多属性缺失条件下的数据精确补全。本发明不需要大规模的标注样本进行训练，避免了预先定义类别关系和相关特征，提高了现有多视角挖掘技术对于无标记多源数据的理解发现能力。
-
公开(公告)号：CN110083534B
公开(公告)日：2023-03-31
申请号：CN201910318246.6
申请日：2019-04-19
申请人： 西安邮电大学
IPC分类号： G06F11/36
摘要： 本发明公开了一种基于约减最短路径胎记的软件抄袭检测方法，包括：1)静态反汇编待分析程序，生成待分析函数表；2)对于每个函数，搜索其控制流图入口节点到其余各节点的最短路径集，进行路径约减和抽象，构建约减最短路径胎记；3)利用模糊哈希计算约减路径胎记间的相似性，作为函数间相似性的度量；4)对函数进行分组，并通过最大带权二分图匹配，生成函数映射表；5)计算原告和被告程序的相似性并进行抄袭判定，输出检测结果。本发明通过路径搜索和抽象，提升方法对抗代码混淆的能力；通过模糊哈希和分组匹配，保证方法应用于现实大型二进制程序的可伸缩性。
-
公开(公告)号：CN110427871B
公开(公告)日：2022-10-14
申请号：CN201910701129.8
申请日：2019-07-31
摘要： 本发明属于疲劳驾驶检测技术领域，具体涉及一种基于计算机视觉的疲劳驾驶检测方法。现有的检测方法在检测准确性和反应速度上不能很好地满足实际产品的需求，存在着不能有效避免疲劳事故的发生的问题。本发明提供的一种基于计算机视觉的疲劳驾驶检测方法，启动设备，对摄像头进行初始化操作；然后进行视频采集、人脸检测、目标跟踪、神经网络判断、缓存图像和报警步骤，利用深度特征提取、目标检测、目标跟踪和行为识别等方法，实现对疲劳驾驶行为的准确判断。该方法准确度高，检测速度快，利用定期检测更新跟踪模板有效解决了跟踪失败问题，同时采用了单幅图像特征和连续多幅图像序列特征对疲劳行为进行描述，从而提高整个系统判断的准确性。
-
公开(公告)号：CN114931385A
公开(公告)日：2022-08-23
申请号：CN202210517910.1
申请日：2022-05-12
申请人： 西安邮电大学
摘要： 本发明涉及智能交通领域和脑电信号通道选择技术，具体涉及一种基于PLI‑Relief的疲劳驾驶脑电通道选择方法。该方法包括以下步骤：采集疲劳驾驶脑电数据并进行预处理，去除伪迹成分；基于通道各信号间相位滞后指数构建关联矩阵；二值化关联矩阵并构建脑功能网络，根据网络属性实现通道初选；提取初选通道脑电信号的功率谱密度特征并利用Relief算法对通道按权重排序；采用准确率选择法确定最优通道并据此进行疲劳状态识别。本发明的优点是：所设计的通道选择方法综合考虑了脑电信号的时频特征和各通道信号之间的功能连接关系，在保持较高识别准确率的同时大幅减少了通道数量，为可穿戴脑电疲劳驾驶监测设备的设计提供了可实施的方案。
-
公开(公告)号：CN114818823A
公开(公告)日：2022-07-29
申请号：CN202210517908.4
申请日：2022-05-12
申请人： 西安邮电大学
摘要： 本发明涉及情感计算领域，提出一种基于挤压与激活图卷积神经网络的脑电通道选择方法。该方法包括步骤为：采集被试脑电数据；对脑电信号进行预处理，使用部分定向相干算法计算各通道之间的因效连接关系，构建关联矩阵；提取各通道下的功率谱密度和微分熵特征，组成特征矩阵；将关联矩阵和特征矩阵组建为图数据；使用挤压与激活图卷积神经网络挖掘图数据中的深层特征，并对通道进行权重排序，确定最优通道；利用Softmax分类器对优选通道后的数据分类，得到情感识别率。本发明的优点：在选择最少数量的通道时，仍保持较高的情感识别准确率，克服使用全通道EEG信号带来的数据冗余和计算复杂性，实现对EEG通道进行最优选择，为脑机接口可穿戴设备奠定了基础。
-
-
-
-
-
-
-
-
-
搜索结果
135 条记录 (耗时 0.04 秒)
