-
公开(公告)号：CN112491619B
公开(公告)日：2022-04-05
申请号：CN202011366760.6
申请日：2020-11-25
申请人： 东北大学
摘要： 本发明公开了一种基于SDN的服务定制网络资源自适应分配技术，设计了基于SDN的服务定制网络资源分配机制的系统框架，主要包括拓扑管理、资源监测、服务定制和路由管理模块，并详细说明了各个模块的功能。针对网络状态动态变化的特点，设计了自适应机制，根据检测到的网络资源状况进行自适应调整，以提高网络资源利用率并适应用户更细粒度的需求情形，提高网络资源利用率，改善体验质量，实现整个网络的优化。本发明方法能够降低丢包率，提高带宽利用率，减少时间开销，提高网络资源利用率。
-
公开(公告)号：CN113050422B
公开(公告)日：2022-02-22
申请号：CN202110254680.X
申请日：2021-03-09
申请人： 东北大学
IPC分类号： G06Q10/06
摘要： 本发明提供一种基于maximin函数多目标优化算法的多机器人调度方法，涉及多机器人调度技术领域。该方法首先将多机器人任务调度问题转化为四个目标函数，并获取仓库内任务清单和机器人所处位置情况，建造数据集；根据数据集创建新型的组合染色体模型；利用maximin函数对种群中的个体进行评估，确定下一代种群的选择范围；通过maximin函数和逐一选择策略对种群进行优化；针对组合染色体模型的顺序交叉操作和单点变异操作也为种群迭代提供了更快的收敛速度；在优化过程中通过逐一选择策略改善种群中解的收敛性和多样性；通过小生境技术提供了更进一步的选择方案，实现更深入地寻找了更适合多机器人调度问题的方案。
-
公开(公告)号：CN113760753A
公开(公告)日：2021-12-07
申请号：CN202110956672.X
申请日：2021-08-19
申请人： 东北大学
IPC分类号： G06F11/36
摘要： 本发明属于网络协议测试领域，涉及基于灰盒模糊技术的QUIC协议测试方法，其包括构建初始测试用例集；通过请求消息解析模块解析步骤1中构建的初始测试用例集，以得到分解后的小测试用例；通过请求消息序列变异模块变异输入的小测试用例；变异后的小测试用例输入至被测程序中，开始执行模糊测试。本发明首次将灰盒模糊测试技术应用至QUIC协议中，通过对现存的灰盒模糊测试器进行改进，以提高模糊测试的有效性。
-
公开(公告)号：CN113596868A
公开(公告)日：2021-11-02
申请号：CN202110684284.0
申请日：2021-06-21
申请人： 东北大学
摘要： 本发明公开了一种基于SDN和NFV的5G网络切片资源管理机制，主要包括如下步骤:步骤1计算综合效益；步骤2创建性能监测模块；步骤3创建网络切片，基于图论的初始解获取算法，以及基于PSO和DE算法得到启发式优化算法；步骤4在运行已创建好的网络切片过程中，根据切片运行状态适时调整网络切片；步骤5当网络切片达到生存周期，或者租户因其他原因不再需要某个切片时，采用切片回收决策。本发明能够在5G网络通信环境下兼顾运营商资源效益和用户关注的服务质量两方面综合效益，通过对网络切片资源进行高效管理，比较优选切片初始构造方案、基于实时性能反馈动态调整优化切片结构、延迟回收和复用失效切片，从而获得最大综合效益。
-
公开(公告)号：CN113596138A
公开(公告)日：2021-11-02
申请号：CN202110843043.6
申请日：2021-07-26
申请人： 东北大学
摘要： 本发明公开了一种基于深度强化学习的异构信息中心网络缓存分配方法，涉及网络缓存空间分配技术领域。具体为：将异构ICN抽象为拓扑模型；对异构ICN中动态变化的内容请求进行定义；将异构ICN的缓存空间分配问题转换为网络性能优化问题，构建网络性能优化模型，包括优化目标函数和相应的约束；对每一次内容请求应用Q学习算法，获得每个时刻的内容请求对应的网络性能最优的缓存分配方案：步将深度神经网络与Q学习算法进行接合，利用Q学习算法求解的每个时刻的内容请求对应的网络性能最优的缓存分配方案，训练出适应异构ICN动态变化的内容请求的最优缓存分配方案。可以自适应地求解出网络性能最优的缓存分配方案，更能适应动态变化的网络请求。
-
公开(公告)号：CN113505225A
公开(公告)日：2021-10-15
申请号：CN202110773764.4
申请日：2021-07-08
申请人： 东北大学
摘要： 本发明提供了一种基于多层注意力机制的小样本医疗关系分类方法，涉及关系分类技术领域。该方法包括：基于神经网络构建关系分类模型，包括词嵌入层、两个位置嵌入层、编码层和全连接层，其输入为支持集和查询集中的句子，输出为查询集中的句子所属的关系类别；获取公开关系抽取数据集，设置训练次数，利用所述关系抽取数据集的训练集训练所述关系分类模型，每次训练所述关系分类模型时所需要的支持集和查询集从所述训练集中随机抽取；对于包含任意N个关系的支持集和其包含的句子属于该N个关系的查询集，利用训练好的关系分类模型预测查询集中的句子属于支持集中的关系类别。从不同方面降低了噪声对模型准确率的影响，更准确地挖掘实体之间的关系。
-
公开(公告)号：CN113301158A
公开(公告)日：2021-08-24
申请号：CN202110571751.9
申请日：2021-05-25
申请人： 东北大学
摘要： 本发明公开了一种移动边缘计算环境下基于拍卖理论的资源分配方法，涉及移动边缘计算环境下的资源分配技术领域。包括：步骤1：初始化边缘服务器资源容量；步骤2：移动用户向边缘服务器提交计算任务需求及估价；步骤3：对边缘服务器的资源配置组合根据归一化处理结果进行重新排序；步骤4：将移动用户提交的计算任务需求转换为CPU资源和信道资源需求；步骤5：确定移动用户的投标标的并参与投标竞价；步骤6：利用原始‑对偶近似算法对参与竞价的移动用户进行赢家确定；步骤7：通过VCG竞价机制确定每个赢家需要支付的价格。本发明解决了移动设备在本地无法处理新型应用的问题，在多项式时间复杂度内得到一个近似最优解的资源分配结果。
-
公开(公告)号：CN110234129B
公开(公告)日：2021-08-17
申请号：CN201910507454.0
申请日：2019-06-12
申请人： 东北大学
摘要： 本公开实施例涉及一种NB‑IoT网络中终端重传次数优化方法，包括：将NB‑IoT网络中的信道资源划分为多个资源块并按照时间进行序列化，得到序列化资源块集；通过将用户与序列化资源块集进行匹配，并针对用户的所选信道和重传次数计算得到资源块的功效函数；基于资源块的功效函数结合贪心匹配算法实现资源块与用户的映射关系，以及结合匹配对交叉算法对资源块与用户的映射关系进行稳定优化，确定NB‑IoT网络中所述特定用户选择的信道，在信道上的起始时刻和重发次数。本公开提供的方法能同时确定各NB‑IoT用户使用的信道及起始时刻与重复发送消息的次数，从而有效提升NB‑IoT用户接入网络的概率，提高资源的利用效率。
-
公开(公告)号：CN112650949A
公开(公告)日：2021-04-13
申请号：CN202011642110.X
申请日：2020-12-31
申请人： 东北大学
IPC分类号： G06F16/9536 , G06F16/9537 , G06K9/62
摘要： 本发明公开一种基于多源特征融合协同过滤的区域POI需求识别方法，包括：步骤1：获取区域相关数据和POI相关数据；步骤2：设计基于K近邻的MR访问推断算法，得到用户访问POI的区域轨迹数据；步骤3：分析处理区域相关数据和POI相关数据，以及用户访问POI的区域轨迹数据，变成神经网络可以输入的形式；步骤4：构建带有注意力机制的神经协同过滤模型；步骤5：优化带有注意力机制的神经协同过滤模型；步骤6：建模区域和POI之间的关系，得到每个区域的POI需求。本发明采用了多特征融合的协同过滤的手段，不仅考虑了人群轨迹，还结合了区域的地理特征以及POI的评价特征，通过神经协同过滤模型去建模区域和POI之间的关系，算法复杂度低，需求分析精度高。
-
公开(公告)号：CN110519693B
公开(公告)日：2020-11-03
申请号：CN201910936885.9
申请日：2019-09-29
申请人： 东北大学
摘要： 本发明属于无线通信技术领域，尤其涉及一种面向智能移动终端的融合定位方法。该方法包括：基于PDR定位方法，获取目标在当前时刻k的PDR定位位置基于WiFi定位方法，得到目标在当前时刻k的指纹值Rk，根据所述指纹值Rk，获取目标在当前时刻k的WiFi定位位置根据所述PDR定位位置和WiFi定位位置得到定位位置差值将所述定位位置差值作为输入数据，输入预先训练的融合定位模型，得到目标在当前时刻k的实际位置Xa,k。该方法基于长短期记忆网络算法，将WIFI指纹定位与PDR定位方法相融合，构建融合定位模型，得到的融合定位模型具有很好的定位效果和定位稳定性。
-
-
-
-
-
-
-
-
-
搜索结果
239 条记录 (耗时 0.056 秒)
