-
公开(公告)号：CN115695492A
公开(公告)日：2023-02-03
申请号：CN202211341430.0
申请日：2022-10-27
Applicant: 北京师范大学珠海校区 , 北京师范大学-香港浸会大学联合国际学院
Abstract: 本发明涉及物联网系统中云边端协同的分层动态定价系统与方法，通过研究不完全信息下的物联网系统中服务定价问题，提出了基于云边端协同的分层动态定价系统与方法，采用双层Stacke l berg博弈模型来描述混合博弈过程。在技术上，设计了一种双标签‑半径KNN算法来进行定价方案预测，减少了无效博弈次数，提高了博弈收敛速度和系统定价效率。
-
公开(公告)号：CN119888784A
公开(公告)日：2025-04-25
申请号：CN202411892784.3
申请日：2024-12-20
Applicant: 北京师范大学珠海校区
IPC: G06V40/10 , G06V20/40 , G06V20/52 , G06V10/25 , G06V10/82 , G06T7/246 , G06T7/73 , G06V10/772 , G06V10/75 , G06N3/0464 , G06N3/082
Abstract: 本发明提供一种基于多特征循环确认的在线行人重识别方法及其系统，其包括目标跟踪步骤：获取监控视频中行人运动的历史坐标信息；对检测结果进行关联与跟踪，并输出包含行人在下一时刻可能位置的预测结果；行人重识别步骤：对行人图像进行特征提取，获得人体多维度特征的特征向量，将新提取的特征向量与数据库中存储的特征向量进行特征匹配，并返回最优匹配结果；循环确认步骤：为每个行人维护一个匹配结果队列Q和一个计数器字典C，并更新各匹配ID的出现频次；设置连续匹配阈值T1和最大匹配次数阈值T2，根据C中的计数和Q中的连续匹配情况，确认行人的身份。应用本发明可以在实时视频监控系统中提高行人重识别的可靠性以及准确性。
-
公开(公告)号：CN119863751A
公开(公告)日：2025-04-22
申请号：CN202411927631.8
申请日：2024-12-25
Applicant: 北京师范大学珠海校区
Abstract: 本发明提供一种基于分布式边缘协作的视频监控方法，该方法包括将行人跟踪服务和行人重识别服务分别部署在不同的边缘设备上，并采用Apache Kafka通讯协议实现双向通讯；对进入监控区域内的行人进行首次特征提取，生成行人特征；行人跟踪服务对监控区域内的行人进行检测并实现行人跟踪，生成行人特征向量；行人重识别服务对接收的行人特征向量与共享服务器中存储的行人特征进行相似度计算，判断行人身份；根据异构边缘设备的当前计算资源使用情况，动态调度视频分析服务和行人重识别服务运行的边缘设备。本发明在于通过监控区域内的边缘设备的协作推理实现对行人的跟踪和重识别，从而避免了单点故障、隐私泄露，提高了视频监控的实时性和稳定性。
-
公开(公告)号：CN119673173A
公开(公告)日：2025-03-21
申请号：CN202411839546.6
申请日：2024-12-13
Applicant: 北京师范大学珠海校区
Abstract: 本发明涉及一种流式说话人日志方法及系统，该方法包括：获取语音流，使用VAD算法检测语音流中的说话人语音；对所述说话人语音进行切片，基于切片语音进行说话人跳变检测，得到说话人跳变点；对说话人跳变点之前的切片语音流进行拼接，提取拼接后语音段的声纹特征，将提取的声纹特征在预先建立的临时声纹库中进行声纹特征比对，比对成功后确定声纹特征对应的说话人类别。本发明采用流式处理方式，能够实时处理和分析连续的语音流，无需等待整个语音文件处理完毕，从提高了处理效率和实时性。本发明不需要提前预设说话人数量，而是在执行过程中逐步注册声纹，通过临时声纹库发现新的说话人，实现了对说话人数量的无限制处理。
-
公开(公告)号：CN115576932B
公开(公告)日：2024-11-29
申请号：CN202211330179.8
申请日：2022-10-27
Applicant: 北京师范大学珠海校区 , 北京师范大学-香港浸会大学联合国际学院
IPC: G06F16/215 , G06F9/48 , G06F9/50
Abstract: 本发明公开了一种边缘协同的数据清洗系统，所述系统包含一种边缘计算动态卸载平台和一种边缘协同的数据清洗方法，此系统对于大量物联网设备产生的脏数据，有效解决了边缘服务器带宽、存储、计算、负载的限制，从结构上减少了底层设备的传输时延，采用边缘联合训练更新模型的参数的方式，整体上提高了数据清洗的准确率和高效性。
-
Patent Agency Ranking
公开(公告)号：CN113986121B
公开(公告)日：2024-08-30
申请号：CN202111199720.1
申请日：2021-10-14
Applicant: 北京师范大学珠海校区 , 北京师范大学-香港浸会大学联合国际学院
IPC: G06F3/06
Abstract: 本发明公开一种数据安全存储与同步更新的自适应阈值调整方法，本方法建立云边端协同的数据同步机制，通过引入多个边缘节点协同计算，对数据和冗余块分别进行更新。基于边缘节点的缓存能力，对数据进行实时更新以保证数据的一致性，而对冗余数据块则进行延时更新以避免频繁更新带来的资源浪费。边缘端将缓存数据上传到云端实现数据更新，与此同时，多个边缘节点间分时配合完成整体的冗余更新，提高边缘端的整体计算能力，降低通信成本。
-
公开(公告)号：CN118297120A
公开(公告)日：2024-07-05
申请号：CN202410317123.1
申请日：2024-03-20
Applicant: 北京师范大学-香港浸会大学联合国际学院 , 北京师范大学珠海校区
Abstract: 本发明涉及边缘计算领域，具体为一种在边缘设备上基于集成学习的深度神经网络推理策略。本技术方案所要解决的技术问题为：针对现有多边缘设备DNN模型协作推理技术中没有提升最终模型性能的问题。包括步骤1)：基于稠密重生的知识蒸馏策略训练出符合不同边缘设备性能需求的DNN模型；步骤2)：将DNN模型部署到边缘设备，步骤3)：主边缘设备获取输入信息，并将得到的信息发送给周围的边缘设备；步骤4)：获取信息的边缘设备对信息进行处理，并将计算得到的结果返回给主边缘设备；步骤5)：通过边缘设备返回的结果经过加权聚合处理，得到一个更加精确的推理输出。本技术方案的有益效果为：能聚合多个边缘设备的能力生成更加健壮的推理结果，最终使得用户能在模型不变的情况下得到更准确的输出。
-
公开(公告)号：CN117411886A
公开(公告)日：2024-01-16
申请号：CN202311494876.1
申请日：2023-11-10
Applicant: 北京师范大学珠海校区
IPC: H04L67/101 , H04L45/121
Abstract: 本发明提供一种基于数字孪生的协作边缘请求调度方法，所述方法包括一种基于边缘协同的数据孪生网络和数字孪生的协作边缘请求调度框架，所述一种基于边缘协同的数据孪生网络建立方法，通过全局数字孪生模型引入数字孪生技术，在用户边缘搭建边缘资源之间的桥梁，采用边缘联合建立数字孪生的方式，提高数据孪生模型建立效率，同时提出了一种扩展Dijkstra最短路径算法，可以寻找到用户到待资源最短的最短时延，进一步减小整个的服务时延，本发明综合考虑了边缘服务器存储、计算、带宽的限制，首先在边缘节点上训练本地数字孪生模型，再通过联邦学习的方式把参数传送给中心边缘节点，只传递参数不传递数据的方式大大降低传输到中心边缘节点的时延。
-
公开(公告)号：CN119807780A
公开(公告)日：2025-04-11
申请号：CN202411842308.0
申请日：2024-12-13
Applicant: 北京师范大学珠海校区
IPC: G06F18/23 , G06F18/25 , G06N3/0464 , G06N3/08 , G06F17/16
Abstract: 本发明提供一种基于主动采样的物联网数据高效收集方法，该方法包括确定所需的最小采样成本为r+1；通过时空融合模块挖掘网格间的深层关系和结构，以获得增广网格图；对所选的采样网格进行采样，得到采样向量h(T+1)，并将其与传感矩阵X(T)结合，形成初始的T+1时隙传感矩阵[X(T),h(T+1)]；将增广网格图和T+1时隙的初始传感矩阵输入时空融合模块，得到时空表征，并通过神经网络训练导出两个初始因子矩阵；得到最终的因子矩阵U(T+1)和V(T+1)；利用最终的因子矩阵U(T+1)和V(T+1)，计算得出未采样位置的数据，结合采样数据，得到全部网格数据。本发明不仅能够显著降低数据收集的成本，还能保证推理结果的准确度和可靠性，从而为物联网中的环境监测、智慧城市等应用提供更优质的服务。
-
公开(公告)号：CN119766881A
公开(公告)日：2025-04-04
申请号：CN202411788751.4
申请日：2024-12-06
Applicant: 北京师范大学珠海校区
IPC: H04L67/5682 , H04L67/1097 , H04W24/02 , H04W28/084 , H04W28/08 , G06N3/006 , G06N3/0455 , G06N3/092
Abstract: 本发明涉及一种基于多智能体强化学习的资源缓存方法及系统，该方法包括：在多智能体环境中，初始化每个智能体对应的强化学习模型；智能体根据初始缓存队列和当前的状态，通过强化学习模型进行决策，并输出对应的动作；根据智能体的动作和当前状态计算奖励，并将当前状态、动作、奖励和下一个状态存储在智能体的记忆中；基于智能体的记忆训练强化学习模型；强化学习模型训练完成后，智能体实时感知当前环境的变化，并动态调整缓存策略。与现有资源缓存算法相比，本发明综合考虑了多个边缘节点的博弈与协作，提高资源分配效率，增强边缘层计算和存储能力。通过多智能体强化技术，在各边缘之间合作训练资源缓存模型，任务处理时延明显降低。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.027 seconds)
