-
公开(公告)号：CN104579974B
公开(公告)日：2017-10-31
申请号：CN201410804782.4
申请日：2014-12-22
Applicant: 湖南大学
IPC: H04L12/743
Abstract: 本发明公开了一种面向NDN中名字查找的哈希布鲁姆过滤器及数据转发方法，哈希布鲁姆过滤器由位于片内存储器中的g个计数器布鲁姆过滤器、g个计数器和位于片外存储器中的g个哈希表组成；每个所述哈希表与1个计数器布鲁姆过滤器、1个计数器关联；哈希布鲁姆过滤器通过二次哈希选择方法将NDN路由器中FIB/CS/PIT表项完整信息均匀分散保存于g个计数器布鲁姆过滤器和g个哈希表中。本发明HBF利用片内存储器中CBF的定位与过滤作用，大幅度减少片外存储器的访问开销，从而降低HBF的总体访问成本，提高了数据包转发速率，同时有效避免了泛洪攻击。
-
公开(公告)号：CN115409059A
公开(公告)日：2022-11-29
申请号：CN202210988436.0
申请日：2022-08-17
Applicant: 平高集团有限公司 , 国网江西省电力有限公司吉安供电分公司 , 湖南大学 , 清华大学
Abstract: 本发明公开了一种高压电子开关设备在线故障预警方法、终端设备，利用记忆矩阵构建MSET模型；所述记忆矩阵的每一列观测向量代表高压电子开关设备的一个正常工作状态；将观测向量输入至所述MSET模型，得到估计向量；获取所述观测向量和所述估计向量之间的累计残差，利用所述累计残差判断设备是否故障；当设备故障时，结束；否则，利用实时产生的观测向量更新记忆矩阵。本发明极大地提高了故障预警精度。
-
公开(公告)号：CN109921934B
公开(公告)日：2021-06-11
申请号：CN201910180943.X
申请日：2019-03-11
Applicant: 湖南大学
IPC: H04L12/24 , H04L12/721 , H04L12/729
Abstract: 本发明提供了一种基于路径拆分和能耗感知的虚拟网络映射方法，包括：根据底层物理网络的节点和链路数量用一个无向图来表示物理网络；根据虚拟服务链请求的节点和链路数量，用一个对应的无向图来表示虚拟网络；将到来的虚拟网络服务链拆分成多条服务链分块，根据虚拟节点和物理节点构建集合，建立增广图；将增广图转化为有向且具有节点代价的网络流图，根据节点的开启状态设定代价；进行虚拟网络到物理网络的映射，找到一条满足带宽要求且具有最小代价的流路径。本发明减少了能量损耗，同时提高了碎片资源的使用率，增加了虚拟网络请求接受率。
-
公开(公告)号：CN109921934A
公开(公告)日：2019-06-21
申请号：CN201910180943.X
申请日：2019-03-11
Applicant: 湖南大学
IPC: H04L12/24 , H04L12/721 , H04L12/729
Abstract: 本发明提供了一种基于路径拆分和能耗感知的虚拟网络映射方法，包括：根据底层物理网络的节点和链路数量用一个无向图来表示物理网络；根据虚拟服务链请求的节点和链路数量，用一个对应的无向图来表示虚拟网络；将到来的虚拟网络服务链拆分成多条服务链分块，根据虚拟节点和物理节点构建集合，建立增广图；将增广图转化为有向且具有节点代价的网络流图，根据节点的开启状态设定代价；进行虚拟网络到物理网络的映射，找到一条满足带宽要求且具有最小代价的流路径。本发明减少了能量损耗，同时提高了碎片资源的使用率，增加了虚拟网络请求接受率。
-
公开(公告)号：CN115725546B
公开(公告)日：2024-11-26
申请号：CN202211255439.X
申请日：2022-10-13
Applicant: 湖南大学
IPC: C12N9/24 , C12N15/56 , C12N15/70 , C12N1/21 , A01N37/46 , A01N63/50 , A01P21/00 , A01G13/00 , A01G7/06 , C12R1/19
Abstract: 本发明公开了一种具有激活植物免疫的α‑甘露糖苷酶及应用，该α‑甘露糖苷酶为氨基酸序列是如SEQ ID NO.2所示的蛋白质，或为如SEQ ID NO.2所示的融合蛋白、具有85％或85％以上的同源性且相同功能的蛋白质。本发明α‑甘露糖苷酶，可有效激发并诱导宿主活性氧迸发、胼胝质积累和免疫通路相关基因上调等免疫响应，也可使宿主保持在一种“预备”状态，能够增强宿主的抗病能力，有效且节能地抵御随后的病菌侵染，阻止或减轻病害的发生，能够作为植物与微生物互作过程中诱导植物免疫的激发子，因而可作为植物免疫诱抗剂的有效成分，广泛用于激活并提升植物的免疫激活能力，在农业生产中具有广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN118750007A
公开(公告)日：2024-10-11
申请号：CN202410760958.4
申请日：2024-06-13
Applicant: 湖南大学
Abstract: 本发明公开了一种癫痫定位方法、终端设备及存储介质，输入患者脑电图EEG数据，对；将EEG数据划分成固定时间窗口片段依次进行节点特征提取、邻接矩阵计算、图的构建、图神经网络节点嵌入提取和子图对比学习；将待诊断EEG样本输入到参数设置的网络模型中进行数据训练和测试，实现癫痫分类和定位。该癫痫分类和定位的脑电子图对比学习能够有效的捕获局部结构和上下文信息，提高模型对癫痫诊断和定位任务的准确率，特别地，在患者EEG脑电通道记录不全情况下，该癫痫分类和定位的脑电子图对比学习方法依旧能够提供精准分类结果。
-
公开(公告)号：CN116994058A
公开(公告)日：2023-11-03
申请号：CN202311019493.9
申请日：2023-08-14
Applicant: 湖南大学 , 国网江西省电力有限公司吉安供电分公司 , 清华大学 , 平高集团有限公司
IPC: G06V10/764 , G06V10/774 , G06N3/082
Abstract: 本发明公开了一种高压电子开关设备在线故障分类方法、设备及存储介质，随机选取并切分高压电子开关设备的监测参数，重构一维数据集；利用滑动窗口处理所述一维数据集，得到多个一维子序列；若两个所述相邻一维子序列之间的距离小于设定的距离阈值，且该两个相邻一维子序列对应的类别相同，则删除该两个相邻一维子序列中的其中一个一维子序列，选取权值最大的K个一维子序列；利用一维子序列构建训练集，训练卷积神经网络，得到分类模型。本发明使用了滑动窗口对子序列进行识别，并进行了剪枝处理，提高了数据质量，解决了现有技术因数据量过少而导致的模型训练时间持久，分类精度无法提高的问题。
-
公开(公告)号：CN116060642A
公开(公告)日：2023-05-05
申请号：CN202310076598.1
申请日：2023-01-28
Applicant: 湖南大学
Abstract: 本申请属于激光选区熔化成型技术领域，具体而言，涉及一种激光选区熔化成型质量监测分析方法，包括步骤1：启动设备，加载自学习补正文件，对默认工艺参数进行补正；步骤2：将3D模型文件输入设备中，选择打印模式获取打印参数，合理性检验补偿修正参数，生成打印任务；步骤3：智能打印模块控制打印机按照单层进行打印，智能分析模块同步对单层打印进行实时数据采集、数据分析和打印效果评判，单层打印质量评判合格后进行下一层的打印；步骤4：智能分析模块实施自学习，打印完成，输出整体打印质量报告；本申请的方法能够实时数据采集、数据分析和打印效果评判，对应不同特征位置的不同参数能够使打印层质量均匀统一，提升打印效果质量。
-
公开(公告)号：CN111581529A
公开(公告)日：2020-08-25
申请号：CN202010376592.2
申请日：2020-05-07
IPC: G06F16/9536 , G06Q50/20
Abstract: 本发明提出了一种结合学生适合度和课程搭配度的课程推荐方法及装置，涉及计算机数据处理技术领域，该在线课程搭配推荐方法包括：获取在线课程学习平台的用户数据和课程数据；计算目标用户对于不同课程的选择的可能性值；根据课程的可能性值大小进行排序，并选取可能性最大的前d个课程，以生成课程推荐的第一子推荐列表C1；对用户u所选课程类别进行统计分析，对专业课程和其它课程分别选取搭配度高的课程，综合构建第二子推荐列表C2；将第一子推荐列表C1和第二子推荐列表C2融合，以生成最终推荐结果。该在线课程搭配推荐方法兼顾了用户与课程之间的选择合适度以及课程之间的可搭配性，提高了推荐课程的准确性，更好地满足了用户的学习需求。
-
公开(公告)号：CN103020296B
公开(公告)日：2016-02-17
申请号：CN201210590482.1
申请日：2012-12-31
Applicant: 湖南大学
IPC: G06F17/30
Abstract: 本发明公开了一种高精度多维计数布鲁姆过滤器及其大数据处理方法，在高精度多维计数布鲁姆过滤器中存储一定规模或具有相应特性的多维属性数据集；读取需要处理的多维属性大数据集；进行高精度多维计数布鲁姆过滤器处理，包括多维元素查询和更新等；输出经过处理后的多维属性数据集。本发明大大减少误判发生的机率，处理精度大幅度提高。通过本发明提供的大数据处理方法，更迅速地完成数据的价值“提纯”，快速有效地对大数据进行加工处理，让数据产生经济和社会价值。本发明广泛应用于分布式系统、网络等领域内大数据处理。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.026 seconds)
