-
Patent Agency Ranking
公开(公告)号：CN112769619B
公开(公告)日：2022-08-16
申请号：CN202110021897.6
申请日：2021-01-08
Applicant: 南京信息工程大学
IPC: H04L41/0631 , H04L41/14 , H04L41/147 , G06N20/00 , G06K9/62
Abstract: 本发明提供一种基于决策树的多分类网络故障预测方法，通过对预设数据集内各个样本所对应的网络状态类型，构建与各个网络状态类型一一对应的各个大类，分别将各个大类构建为将所对应网络状态类型作为一大类中的一小类和预设数据集中除该网络状态类型以外、其余各个网络状态类型的非一小类，根据一小类和非一小类的类中心确定各个大类的类间距，并按照类间距从大到小的顺序，调取预设数据集内的各个大类所对应的网络状态的样本进行机器学习，获得各个网络状态类型所对应的网络分类模型，根据网络状态类型之间的排序、以及各个网络状态类型分别所对应的网络分类模型，构建多分类网络故障决策树模型。
-
公开(公告)号：CN112769619A
公开(公告)日：2021-05-07
申请号：CN202110021897.6
申请日：2021-01-08
Applicant: 南京信息工程大学
Abstract: 本发明提供一种基于决策树的多分类网络故障预测方法，通过对预设数据集内各个样本所对应的网络状态类型，构建与各个网络状态类型一一对应的各个大类，分别将各个大类构建为将所对应网络状态类型作为一大类中的一小类和预设数据集中除该网络状态类型以外、其余各个网络状态类型的非一小类，根据一小类和非一小类的类中心确定各个大类的类间距，并按照类间距从大到小的顺序，调取预设数据集内的各个大类所对应的网络状态的样本进行机器学习，获得各个网络状态类型所对应的网络分类模型，根据网络状态类型之间的排序、以及各个网络状态类型分别所对应的网络分类模型，构建多分类网络故障决策树模型。
-
公开(公告)号：CN112232604A
公开(公告)日：2021-01-15
申请号：CN202011426660.8
申请日：2020-12-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于Prophet模型提取网络流量的预测方法，针对网络流量的多分形特性，通过Prophet模型的可分解方法，对附加分量 建立Prophet模型预测，对非线性分量 建立卷积神经网络和基于注意力机制的长短期记忆网络模型预测，实现粗细粒度特征提取的融合，并给重要的特征分配更多的权重以提高其对结果的影响，在预测精度和预测速度上效果显著提升。本发明的网络流量的预测方法相较传统的流量预测方法具有明显的有效性和先进性。
-
公开(公告)号：CN118250766A
公开(公告)日：2024-06-25
申请号：CN202410659132.9
申请日：2024-05-27
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于分簇优化的无线传感器网络节点休眠调度方法，根据无线传感器网络节点及其邻居节点的部署位置和统一感知半径，计算无线传感器网络节点被其邻居节点覆盖的冗余程度；若冗余程度不小于预设阈值，则判定无线传感器网络节点为冗余节点，并设置为休眠状态；基于无线传感器网络节点到簇头的距离、簇头到汇聚节点的距离和剩余能量三个目标，使用改进的多目标浣熊优化算法在剔除休眠节点后的无线传感器网络节点中选举簇头节点；无线传感器网络中剔除簇头节点和休眠节点后的剩余无线传感器网络节点选择距离最近的簇头，获得簇结构。本发明在每轮存活节点数、网络剩余能量和每轮消耗能量方面表现优于传统算法。
-
公开(公告)号：CN112350899B
公开(公告)日：2021-04-06
申请号：CN202110018129.5
申请日：2021-01-07
Abstract: 本发明公开了一种基于图卷积网络融合多特征输入的网络流量预测方法，步骤为：获取网络流量数据；利用皮尔森相关系数对流量进行相关性分析；采用时空特征提取单元来提取流量间的时空特征；提取历史上每周同一时刻的网络流量数据；特征融合得到预测结果。本发明解决了传统网络流量预测模型存在无法有效提取流量间的时空特性缺陷而导致的预测误差高、精度低的问题。
-
-
-
-
Search Results
15
records
(took 0.047 seconds)
