-
公开(公告)号：CN101170384A
公开(公告)日：2008-04-30
申请号：CN200710190644.1
申请日：2007-11-27
Applicant: 南京大学
Abstract: 本发明公开了在一种无线自组网中维护移动设备数据一致性的方法，其基于“存储－转发”的方法来维护移动设备数据的一致性，在该方法中，数据服务器周期性地产生数据失效报告，并保存在本地存储系统中，移动设备协同地请求和转发数据失效报告，并使用一段时间内最近收到的失效报告来验证数据一致性。该方法的网络通信开销比较低，具有节能、高效的特点。
-
公开(公告)号：CN111950810B
公开(公告)日：2023-12-15
申请号：CN202010876972.2
申请日：2020-08-27
Applicant: 南京大学
IPC: G06F18/27 , G06N3/0464 , G06N3/0442 , G06F18/214 , G06F17/18 , G06N3/045
Abstract: 本发明公开了一种基于自演化预训练的多变量时间序列预测方法和设备，所述方法基于预训练策略与卷积网络、长短记忆网络深度序列模型，结合单变量自演化信息与多变量依赖关系信息进行建模，实现了多变量时间序列预测的优化算法，同时兼顾了整体预测精度和局部单变量的预测精度。本发明具有较好的整体预测精度，对于局部单变量的预测精度保障性方面优于现有的多变量时间序列预测方法。
-
公开(公告)号：CN110674211B
公开(公告)日：2022-04-01
申请号：CN201910937210.6
申请日：2019-09-29
Applicant: 南京大学 , 国网陕西省电力公司信息通信公司
Abstract: 本发明公开了一种Oracle数据库AWR报告的自动解析方法和设备。方法包括以下步骤：1、对AWR报告中的结构化数据进行解析，所述结构化数据包括表格形式的数据；2、对AWR报告中的非结构化数据进行解析，所述非结构化数据包括表格的描述文本和SQL事件的描述文本；3、将结构化数据解析结果和非结构化数据解析结果合并为统一的键值对形式，利用机器学习算法进行特征选择，作为AWR报告的最终解析结果；4、在特征选择的基础上缩小数据的解析范围，然后采用步骤1和2的解析方法，对线上的新产生的AWR报告进行解析。本发明以键值对为基础实现对AWR报告的解析转换，处理性能高效，采用特征选择的方法实现在有效获取信息的同时减少数据分析的存储和计算开销。
-
公开(公告)号：CN113486395A
公开(公告)日：2021-10-08
申请号：CN202110748781.2
申请日：2021-07-02
Applicant: 南京大学
IPC: G06F21/62
Abstract: 本发明公开了一种采用多元信息融合的科研数据匿名化方法及系统。所述方法包括：通过学者基本学术行为、同行评议和项目评审多元数据获取学者交互列表，并学习学者交互列表向量表示；利用学得的学者交互向量序列，使用自注意力机制获取学者交互序列之间关系，提取学者交互所包含敏感特征的特征敏感度向量；根据学者个人信息、学术影响力特征信息的不同，自适应的调整特征敏感度向量；将调整后的特征敏感度向量，连同项目信息和论文信息一起作为全连接预测层输入向量，给出基于K‑匿名的多维敏感度最佳K值。本发明增加了模型在预测敏感度过程和模型训练过程中的可利用信息，提升科研数据的匿名效果，实现科研数据多维敏感度和细粒度的匿名化方法。
-
公开(公告)号：CN113114581A
公开(公告)日：2021-07-13
申请号：CN202110526957.X
申请日：2021-05-14
Applicant: 南京大学
IPC: H04L12/801 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本发明公开了一种基于多智能体深度强化学习的TCP拥塞控制方法及装置。所述方法包括：在传输控制协议TCP中，通过设置连续的统计区间，将多流竞争瓶颈链路的拥塞控制问题建模为马尔可夫博弈过程，并利用深度强化学习，用神经网络表示表示TCP的拥塞控制策略，在一个模拟环境中训练出最优的拥塞控制策略，从根本上解决传统启发式拥塞控制算法在动态多变的网络环境中的适应性问题及公平性问题。本发明方法使用在线变点检测技术划分统计区间，采用Actor‑Critic深度强化学习框架，对多个智能体并行联合训练，直接对TCP拥塞控制进行建模和学习，从而生成一个最优的拥塞控制策略。
-
Patent Agency Ranking
公开(公告)号：CN110690995A
公开(公告)日：2020-01-14
申请号：CN201910937198.9
申请日：2019-09-29
Applicant: 南京大学 , 国网陕西省电力公司信息通信公司
Abstract: 本发明公开了一种基于多变量时间序列预测的鲁棒性异常检测方法和设备，方法包括：获取互联网服务性能历史数据，构建多变量时间序列；通过小波变换将多变量时间序列分解为多个子分量，并去噪滤除噪音；将滤除噪音后的子分量输入到LSTM网络中，并训练网络，得到LSTM分量预测模型；根据LSTM分量预测值构建线性回归模型，并利用历史数据估计线性参数；将新产生的互联网服务性能数据输入LSTM分量预测模型，将得到的子分量预测值输入线性回归模型中，计算得到互联网服务性能时间序列的预测值；当计算得到的预测值与真实值的误差值大于预设的异常阈值时，判断为互联网服务出现异常。本发明可提高互联网服务性能检测准确度和鲁棒性。
-
公开(公告)号：CN110674211A
公开(公告)日：2020-01-10
申请号：CN201910937210.6
申请日：2019-09-29
Applicant: 南京大学 , 国网陕西省电力公司信息通信公司
Abstract: 本发明公开了一种Oracle数据库AWR报告的自动解析方法和设备。方法包括以下步骤：1、对AWR报告中的结构化数据进行解析，所述结构化数据包括表格形式的数据；2、对AWR报告中的非结构化数据进行解析，所述非结构化数据包括表格的描述文本和SQL事件的描述文本；3、将结构化数据解析结果和非结构化数据解析结果合并为统一的键值对形式，利用机器学习算法进行特征选择，作为AWR报告的最终解析结果；4、在特征选择的基础上缩小数据的解析范围，然后采用步骤1和2的解析方法，对线上的新产生的AWR报告进行解析。本发明以键值对为基础实现对AWR报告的解析转换，处理性能高效，采用特征选择的方法实现在有效获取信息的同时减少数据分析的存储和计算开销。
-
公开(公告)号：CN101430713A
公开(公告)日：2009-05-13
申请号：CN200810236120.6
申请日：2008-11-24
Applicant: 南京大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于扩展Tag云的高效数据查找方法。本发明基于稀疏矩阵实现算法采用了十字链表，由于十字链表只能容纳数据，无法提供搜索和定位的功能，通过hash表和AVL树相结合的方式，对十字链表进行了改造，从而支持了数据的快速定位，并提供了搜索支持。本发明将Tag从普通标签，转变成可以赋值的容器。从而标签不仅仅提供了分类的作用，还可以容纳一定的信息。并且通过这个信息提供更为具体的定位作用。
-
公开(公告)号：CN114626479B
公开(公告)日：2025-05-09
申请号：CN202210290945.6
申请日：2022-03-23
Applicant: 南京大学
IPC: G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于变分自编码时序分解的时间序列异常检测方法和设备，所述方法基于时间序列分解方法、循环神经网络、长短记忆网络、变分自编码器，利用循环变分自编码器模型对分解后的时间序列进行重构，实现了多变量时间序列异常检测。本发明具有较好的时间序列异常检测效果，有效减弱了时间序列中的非异常因素导致的数据波动，更好地获取了时间序列中的时序依赖性信息，从而提升整体异常检测性能。
-
公开(公告)号：CN119094844A
公开(公告)日：2024-12-06
申请号：CN202411119760.4
申请日：2024-08-15
Applicant: 南京大学 , 江苏移动信息系统集成有限公司
IPC: H04N21/4402 , H04N21/44 , H04N21/234 , H04N21/2343 , H04N21/6547 , H04L65/80 , H04L65/70 , H04L65/75 , G06T3/4046 , G06T3/4053 , G06N3/006 , G06N3/0464 , G06N3/092
Abstract: 本发明公开了一种面向移动端视频的自适应超分辨率方法和装置，所述方法包括：对基于超分辨率和动态比特率的移动端视频传输场景建立数学模型；建立适用于移动端的超分辨率模型；建立执行超分倍数和比特率决策的强化学习智能体模型；搭建使用大型数据集对超分模型和智能体进行预训练的系统；设计自适应重训练的机制与方法，超分辨率模型和智能体的决策下发给移动端设备用于视频拉取和观看。本发明综合考虑了移动端的能源消耗和视频传输效果，在移动端带宽波动较大的情况下利用设备的计算能力，增强视频的质量和加载的流畅度，提升用户整体的视频观看体验。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.022 seconds)
