一种知识图谱驱动下区域敏感的兴趣点推荐方法

    公开(公告)号:CN112131490B

    公开(公告)日:2022-11-15

    申请号:CN202010989380.1

    申请日:2020-09-18

    Applicant: 东南大学

    Abstract: 本发明公开了一种知识图谱驱动下区域敏感的兴趣点推荐方法。给定用户和用户所处的地理位置以及用户的历史访问记录,兴趣点推荐希望寻找到用户将来最有可能访问的k个兴趣点。本发明以知识图谱作为辅助手段,其节点包含实体节点和属性节点,边表示实体与实体、实体与属性的关系。知识图谱可以串联各类兴趣点实体的关系,同时有效表征地理空间关系。基于知识图谱学习兴趣点类型特征和属性特征,并用L维向量表示。然后根据兴趣点地理位置关系定义区域范围以表征区域环境特征,结合兴趣点特征描述地理影响,共同进行兴趣点推荐。最后,使用基于知识图谱的位置兴趣点推荐算法进一步筛选候选结果,将得分最高的k个兴趣点作为结果返回给用户。

    一种面向无线传感网数据采集的无人机能耗最优飞行控制方法

    公开(公告)号:CN112068596B

    公开(公告)日:2022-11-15

    申请号:CN202011016447.X

    申请日:2020-09-24

    Applicant: 东南大学

    Abstract: 本发明公开了一种面向无线传感网数据采集的无人机能耗最优飞行控制方法,本发明的方法包括三个部分,分别是预处理场景信息、确定传感器采集顺序、确定无人机飞行轨迹和飞行速度。本发明首先针对传感器和场景信息进行初始化;然后通过在初始点与目的地之间添加一条虚拟路径,以总路径长度最短为目标迭代搜索哈密顿回路,从而确定传感器采集顺序;最后将场景地图栅格化,利用无人机采集过程中所在格点的能耗转移关系进行递推,辅以剪枝策略,最终确定无人机能耗最优的飞行轨迹和飞行速度。

    基于WiFi-BLE信号被动嗅探的跨智能可携带设备关联方法

    公开(公告)号:CN114449444A

    公开(公告)日:2022-05-06

    申请号:CN202210103377.4

    申请日:2022-01-27

    Applicant: 东南大学

    Abstract: 本发明提供一种基于WiFi‑BLE信号被动嗅探的跨智能可携带设备关联方法,实现对用户同时携带的WiFi和BLE两类设备进行关联,步骤如下:(1)WiFi‑BLE双信号嗅探:(2)基于多级滤波的信号处理:(3)基于动态时间规整的设备关联:对BLE设备信号强度值序列进行随机重采样,使得不同BLE设备信号采样率相近,再分别对WiFi和BLE两类信号强度值序列进行中心化处理,利用动态时间规整法计算两类设备信号强度值序列的距离,并比较两类序列的距离得出关联结果。本发明基于用户随身携带两类设备的习惯,通过对移动智能终端产生的WiFi信号和智能穿戴设备产生的BLE信号进行分析,抽取出两类信号动态变化相似性的特征,从而可以准确地关联移动智能终端和智能穿戴设备。

    一种城市环境下面向多类型服务需求的路径规划方法

    公开(公告)号:CN113361788A

    公开(公告)日:2021-09-07

    申请号:CN202110668528.6

    申请日:2021-06-16

    Applicant: 东南大学

    Abstract: 本发明公开了一种城市环境下面向多类型服务需求的路径规划方法。本发明预先按照网格划分城市区域,按照路径相通关系,将各个区域连接,建模成一张图。将路径规划问题建模成:在用户指定起点终点与所需的多种服务类型之后,在多类型节点图上的路径查找问题。路径规划求解分为两阶段:一是POI需求优先的反向标记,二是基于动态边界的正向搜索。通过正反两次搜索,快速找到一条能够满足用户按序访问指定类型地点的需求的路径。

    一种面向无线传感网数据采集的无人机能耗最优飞行控制方法

    公开(公告)号:CN112068596A

    公开(公告)日:2020-12-11

    申请号:CN202011016447.X

    申请日:2020-09-24

    Applicant: 东南大学

    Abstract: 本发明公开了一种面向无线传感网数据采集的无人机能耗最优飞行控制方法,本发明的方法包括三个部分,分别是预处理场景信息、确定传感器采集顺序、确定无人机飞行轨迹和飞行速度。本发明首先针对传感器和场景信息进行初始化;然后通过在初始点与目的地之间添加一条虚拟路径,以总路径长度最短为目标迭代搜索哈密顿回路,从而确定传感器采集顺序;最后将场景地图栅格化,利用无人机采集过程中所在格点的能耗转移关系进行递推,辅以剪枝策略,最终确定无人机能耗最优的飞行轨迹和飞行速度。

    网络功能虚拟化环境中实现网元级并行化服务功能的方法

    公开(公告)号:CN108092803B

    公开(公告)日:2020-07-17

    申请号:CN201711292739.4

    申请日:2017-12-08

    Abstract: 本发明公开了网络功能虚拟化环境中实现网元级并行化服务功能的方法,包括:遍历服务功能链,运行服务功能分解分析算法,将各服务功能分解为基本的报文处理单元称之为网元,分析、综合服务功能中的网元特性,确定各服务功能对报文的操作及操作域信息并保存。利用得到的各服务功能的操作及操作域信息,先运行可并行判定算法,确定服务功能链中可进行并行优化的服务功能组合,再执行并行优化算法,并行化服务功能组合。结合不可并行的服务功能和并行优化后的服务功能,按照原服务功能顺序编排组合,创建生成新服务功能链,新服务功能链有效地缩短原服务功能链长度,提高各服务功能之间的并行度,显著地减少报文通过服务功能链时的延时开销。

    一种面向GPU集群环境的避免GPU资源争用的方法

    公开(公告)号:CN107943592B

    公开(公告)日:2020-06-12

    申请号:CN201711326972.X

    申请日:2017-12-13

    Abstract: 本发明公开了一种面向GPU集群环境的避免GPU资源争用的方法,包括支持多应用程序细粒度并发执行的插件,应用程序行为特征抽取和应用程序任务调度。针对同一个NVIDIA GPU节点上运行的多个应用程序可能会引起的GPU资源争用问题,构建一个支持多应用程序细粒度并发执行的平台,使得多个应用程序在同一个GPU节点上可以尽可能的并发执行。其次,抽取每个应用程序的GPU行为特征,包括GPU使用模式和GPU资源需求信息。根据应用程序的GPU行为特征,以及当前GPU集群中各个GPU节点的资源使用状态,调度应用程序到适合的GPU节点上,从而最小化多个独立应用程序在同一个GPU节点上的资源争用。

    一种多云环境下异构I/O细粒度感知的数据放置方法

    公开(公告)号:CN111061430A

    公开(公告)日:2020-04-24

    申请号:CN201911181431.1

    申请日:2019-11-27

    Applicant: 东南大学

    Abstract: 本发明公开了一种多云环境下异构I/O细粒度感知的数据放置方法,解决多云环境下存储系统数据可用性差和访问性能低的问题。本发明分为数据I/O模式分类与数据放置两部分:数据I/O模式分类部分使用决策树算法对用户数据根据I/O访问模式进行分类,将数据I/O模式分为读多写多,读少写多,读多写少,读少写少四种类型,实现海量异构I/O模式数据集分类方法。数据放置部分首先针对四种I/O模式集合的数据分别制定不同的数据放置策略以优化数据访问性能,其次通过数据编码为数据添加冗余保证数据可用性,最后通过网络通信模块将各集合的数据放置在多个存储服务商中。本发明在处理大量异构I/O模式的数据时访问性能具有明显优势。

    无线网络中时变需求驱动的可移动接入点调度方法

    公开(公告)号:CN110913412A

    公开(公告)日:2020-03-24

    申请号:CN201911183399.0

    申请日:2019-11-27

    Applicant: 东南大学

    Abstract: 本发明提供了一种无线网络中时变需求驱动的可接入点调度方法,包括:(1)建立时序需求点模型;(2)建立可移动AP调度方案;(3)采用静态调度和动态调度相结合的分配策略进行AP的派遣调度。本发明采用可移动AP实现按需提供服务,能够灵活部署,更好地适配用户需求,提高接入点的利用效率,减少资源浪费,降低部署成本;结合静态调度和动态调度相结合的AP分配策略,在真实需求和估计需求的差距可接受的情况下,执行静态调度,能够从全局的角度在保证服务需求点的同时,提高AP的利用率;在真实需求和估计需求的差距不可接受的情况下根据需求实时动态调整,有策略地增加或减少所需AP,调整派遣方案,更好地适应当前的用户需求。

    一种异构边缘环境下面向实时数据处理应用的边缘协同存储方法

    公开(公告)号:CN110471621A

    公开(公告)日:2019-11-19

    申请号:CN201910687788.0

    申请日:2019-07-29

    Applicant: 东南大学

    Abstract: 本发明公开了一种异构边缘计算环境下面向实时数据处理应用的边缘协同存储方法,该方法首先确定邻居服务器集合;然后为所有边缘服务器计算每个应用对应的模型数据相对于存储在云端的存储效益,生成初始存储效益矩阵,该存储效益主要体现在时延的降低上;从存储效益矩阵中寻找具有最大存储效益的存储候选方案;如果对应的边缘服务器还有足够的空间容纳模型数据,则进行存储并更新其剩余存储空间与受本次存储操作影响的其他模型数据的存储效益,否则将该效益值设置为无穷小,不再考虑该存储候选方案;重复上述两个步骤,直到所有边缘服务器的存储空间都不足以容纳新的模型数据为止。

Patent Agency Ranking