-
公开(公告)号：CN117874143A
公开(公告)日：2024-04-12
申请号：CN202410111676.1
申请日：2024-01-26
Applicant: 中南大学
IPC: G06F16/27 , G06F16/23 , G06F16/2455 , G06F16/28 , G06F16/17 , H04L9/40 , H04L67/568 , H04L67/1095 , H04L67/1097
Abstract: 本公开实施例中提供了一种分布式环境下云边数据库同步中间件方法，属于数据处理技术领域，具体包括：根据多个分布式的边缘服务器对应的边缘数据库与云端数据库搭建应用场景；设计数据检测模型对边缘数据库的数据进行更新；利用加密算法对数据更新内容进行加密处理；利用非关系型数据库建立各个边缘服务器的缓存模型作为加密数据的暂存；结合优先级处理算法和监控系统状态确定建立数据传输请求的时间节点，并在加密数据传输时使用消息队列中间件模型对传输的消息进行异步存储，以队列形式传递相应的消息；使用解密模型对传输的加密数据进行解密处理，并将解密后的明文数据存储至云端数据库中。通过本公开的方案，提高了安全性和适应性。
-
公开(公告)号：CN117808561A
公开(公告)日：2024-04-02
申请号：CN202410138428.6
申请日：2024-01-31
IPC: G06Q30/0601 , G06F18/241 , G06N3/092 , G06F18/22
Abstract: 本申请适用于商品推荐技术领域，提供了一种基于深度强化学习的商品推荐系统，包括：分类智能体、多个组内智能体以及多个商品智能体；分类智能体用于根据待推荐用户的属性信息、待推荐用户在历史时间段内购买的商品信息、在当前时间段内浏览的商品信息，从多个组内智能体中筛选出待推荐用户所属的目标组内智能体；目标组内智能体用于根据待推荐用户在当前时间段内浏览的商品信息，从多个商品智能体中筛选出待推荐用户所属的目标商品智能体；目标商品智能体用于根据待推荐用户的属性信息、待推荐用户在历史时间段内购买的商品信息，输出待推荐用户的商品推荐列表。本申请能提升推荐系统的商品推荐精度。
-
公开(公告)号：CN112749010B
公开(公告)日：2024-03-12
申请号：CN202011617690.7
申请日：2020-12-31
Applicant: 中南大学
Abstract: 本发明提供了一种融合推荐系统的边缘计算任务分配方法，包括：步骤1，将云端模块、边缘服务器模块和移动端相互建立连接构建云‑边‑端融合推荐系统；步骤2，任务发送者向云‑边‑端融合推荐系统发送任务请求；步骤3，云‑边‑端融合推荐系统接受到任务发送者发送的任务请求，边缘服务器模块根据部署在路侧设施上的多个根据需求进行启动执行任务的边缘服务器的位置信息、计算能力构建边缘服务器数据库。本发明将缓存的边缘服务器与推荐的边缘服务器相结合设计，推荐命中率高，并证明了推荐命中率问题是一个单调子模函数和NP‑hard问题，提高了计算机资源利用率，降低了时间消耗。
-
公开(公告)号：CN116663644A
公开(公告)日：2023-08-29
申请号：CN202310675653.9
申请日：2023-06-08
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种多压缩版本的云边端DNN协同推理加速方法，属于计算技术领域，具体包括：步骤1，利用已有数据集对深度神经网络进行多个尺度的压缩，得到多个不同大小版本的DNN模型，对多个版本的DNN模型分类准确率、各层的输出特征图大小以及计算开销进行量化表示，从而计算出在选择分割点后本地和边缘端分别需要的计算总开销，构建量化模型；步骤2，根据量化模型建立计算卸载和资源分配模型；步骤3，利用深度强化学习算法对计算卸载和资源分配模型进行优化，根据任务的服务需求对延迟和准确率进行均衡。通过本公开的方案，提高了推理效率、精准度、适应性和安全性。
-
公开(公告)号：CN116385426A
公开(公告)日：2023-07-04
申请号：CN202310476352.3
申请日：2023-04-28
Applicant: 中南大学
IPC: G06T7/00 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种纺织物表面缺陷检测方法及相关设备，包括：采集纺织物的表面缺陷图像测试集；将表面缺陷图像测试集输入至改进的Yolov7网络进行训练，得到目标检测最优模型；将待检测的纺织物表面图像输入至目标检测最优模型进行表面缺陷检测，得到检测结果；改进的Yolov7网络包括：输入模块、用于特征提取的骨干模块、用于特征融合的头部模块、用于检测小缺陷的检测模块和用于缺陷类别预测的预测Transformer预测头；相较与现有技术来说，使用Transformer预测头代替原始预测头，进一步探索模型的预测潜力，再增加一个检测模块，使得模型对纺织物小缺陷更加敏感，提升了目标检测的精度和性能。
-
Patent Agency Ranking
-
公开(公告)号：CN114331280A
公开(公告)日：2022-04-12
申请号：CN202111644749.6
申请日：2021-12-29
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种基于客户满意度和能量优化的无人机辅助快递交付方法，属于数据处理技术领域，具体包括：得到多个初始子区域；计算无人机在每个初始子区域内的访问顺序，并根据访问顺序得到每个初始子区域对应的最小能耗；根据每个初始子区域对应的载重和最小能耗进行区域调整，得到多个目标子区域；计算全部目标子区域对应的交付时间的上下界；根据交付时间的上下界计算完成全部目标子区域内任务点所需无人机的期望数量；形成快递交付方案。通过本公开的方案，根据客户满意度和能量优化规划飞行路线，然后基于无人机载重和最大能量限制进行重分区，采用分组策略为多架无人机同时分配子区域，提高了客户满意度和交付效率。
-
公开(公告)号：CN110753382B
公开(公告)日：2021-08-17
申请号：CN201911011247.2
申请日：2019-10-23
Applicant: 中南大学
Abstract: 本发明公开了一种新的车载网络路由算法。该方法主要研究车辆与位置之间的转移概率和车辆之间位置关系，概率矩阵分解是求解车辆与位置之间转移概率的一种好方法。关联网络用来表示车辆之间的位置关系，可以保证概率的准确性和不必要的计算。利用预测位置信息计算车辆数据转发能力，从而选择最优的车辆节点进行数据转发，本发明通过分析车辆与位置点之间的关系，构建车辆移动位置概率矩阵。车辆移动由于受限于车辆自身位置关系和诸多外界因素，在考虑车辆移动关系中加入车辆自身位置关系和隐含因素的考虑，较为精确地估计车辆下一时刻出现在某些位置点的概率。
-
公开(公告)号：CN109977094B
公开(公告)日：2021-02-19
申请号：CN201910091581.7
申请日：2019-01-30
Applicant: 中南大学
Abstract: 本发明公开一种用于结构化数据的半监督学习的方法，构建用于结构化数据的半监督对抗神经网络模型，对原始结构化数据X预处理，将原始数据X的特征划分成类别型特征子集xCT和数值型特征子集xNL；模型判别器的原始输入为{x1，xu，xg}，其中x1，xu分别是有标记和无标记样本，xg为生成器生成的样本，x1，xu包含的特征集相同，将样本的类别特征子集xCT输入Embedding layer，得到对应的稠密嵌入向量E(xCT)，再与数值型特征子集xNL组合得到具有新特征集的样本E(xCT)+xNL，应用BN技术得到归一化的包含新特征集的样本，将新样本输入判别器进行训练，生成样本xg则直接作为判别器的输入；生成器，由三层全连接网络组成并且每一层的输出都应用BN防止梯度弥散，噪声作为输出，得到拥有特征E(xCT)+xNL的生产样本xg。
-
公开(公告)号：CN110553629B
公开(公告)日：2020-12-15
申请号：CN201910890001.0
申请日：2019-09-20
Applicant: 中南大学
Abstract: 本发明公开了一种基于边缘计算的无人机目标追踪功耗优化方法及系统，包括步骤：S1、设置无人机追踪过程中视频处理模式；S2、计算任务分配，通过同时考虑无人机发射功率的调整和边缘节点的选择机制为无人机选择合适的发射功率和服务节点，最小化总开销。相比于一般的使用固定的最大的无人机发射功率进行数据传输，本发明提出的算法同时考虑无人机发射功率的调整和边缘节点的选择方案，以最小化能耗成本和时间成本之间的权衡值，在保证正常追踪的前提下，降低无人机的通信能耗。
-
-
-
-
-
-
-
-
-
Search Results
145
records
(took 0.028 seconds)
