一种可穿戴设备节能方法及设备
    101.
    发明公开

    公开(公告)号:CN114756114A

    公开(公告)日:2022-07-15

    申请号:CN202210362067.4

    申请日:2022-04-07

    Abstract: 本发明提供一种可穿戴设备节能方法及设备,获取高斯分布概率密度函数,以及用于判断生理数据正常和异常的设定概率阈值,采集用户当前时刻的第一生理数据,并根据高斯分布概率密度函数计算第一生理数据对应的概率值,比较概率值与设定概率阈值,判断用户生理数据是正常或异常状态,以指令心率传感器在正常状态下低频采样,在异常状态下高频采样;将第一生理数据输入预设分类算法,获取用户当前时刻的活动状态,以指令GPS定位模块在静止状态、位移量较低的常规状态和位移量较高的运动状态下以不同频率采样。在确保监测人体健康功能和性能的同时,降低设备功耗,延长续航时间,减少充电次数。

    一种基于TextRank的关键词提取方法和装置

    公开(公告)号:CN109918660B

    公开(公告)日:2021-03-02

    申请号:CN201910160266.5

    申请日:2019-03-04

    Abstract: 本申请实施例提供了一种基于文本排列TextRank的关键词提取方法和装置,方法包括:对待处理文本进行预处理,得到多个候选词,根据预设的扩散度计算公式,计算每两个候选词在待处理文本中的扩散度,将扩散度和该两个候选词的共现次数的乘积,作为该两个候选词对应的节点之间的边的权重,根据计算得到的各权重,构建多个候选词对应的文本网络,并根据预设的迭代公式对文本网络中各节点的得分进行迭代计算,当满足预设收敛条件时,将各节点中得分最高的预设数目个节点对应的候选词,作为待处理文本的关键词。基于上述处理,在共现次数的基础上,结合候选词的扩散度确定节点之间的边的权重,进而能够提高提取到的关键词的准确度。

    一种负载预测方法及装置
    107.
    发明授权

    公开(公告)号:CN103530190B

    公开(公告)日:2016-08-17

    申请号:CN201310479084.7

    申请日:2013-10-14

    Abstract: 本发明提供一种负载预测方法及装置,包括:收集负载信息,根据所述负载信息形成负载序列,对所述负载序列进行建模,得到建模方程;对所述负载序列进行分析,得到不同时期同一时刻的预测偏大点数量和预测偏小点数量;根据所述预测偏大点数量和预测偏小点数量确定补偿阈值,并根据所述补偿阈值和所述建模方程计算负载预测值。本发明实施例通过提供一种负载预测方法及装置,通过收集负载信息形成的负载序列,对负载序列进行建模得到建模方程,通过对负载序列进行分析,得到不同时期同一时刻的预测偏大点数量和预测偏小点数量,进而得到补偿阈值,从而根据补偿阈值和建模方程计算得到负载预测值更加准确,效率高。

    无线接入网络节能方法
    108.
    发明授权

    公开(公告)号:CN103269511B

    公开(公告)日:2016-01-20

    申请号:CN201310144036.2

    申请日:2013-04-23

    CPC classification number: Y02D70/122

    Abstract: 本发明公开了一种无线接入网络节能方法,该方法包括步骤:S1在网络业务量下降阶段,选取业务量最少的基站作为关闭基站;S2利用补偿基站组合选取方法选取所述关闭基站的补偿基站组合;S3如果需要关闭所述关闭基站,对所述关闭基站进行补偿,所述关闭基站进入休眠状态;S4在网络业务量上升阶段,预测区域补偿基站集合内补偿基站的业务量,选取预测业务量最大的补偿基站作为预选基站;S5当所述预选基站的预测业务量超过所述预选基站的最大业务量负载时,开启所述预选基站补偿的关闭基站。本发明在保证业务量的前提下,最大限度的达到节能的目的,也在减少干扰的同时尽可能优化了节能。

    一种基于模糊神经网络的故障预测方法

    公开(公告)号:CN104598984A

    公开(公告)日:2015-05-06

    申请号:CN201410743621.9

    申请日:2014-12-08

    CPC classification number: G06Q10/04 G06N3/0436

    Abstract: 本发明涉及一种基于模糊神经网络的故障预测方法,能够解决现有技术中无法进行在线故障预测的问题。所述基于模糊神经网络的故障预测方法包括:根据故障预测时序建立算法模型;读取表征网络运行状态的τ个时隙的τ个n维指标数据;向输入层神经元节点中输入τ个指标数据;预处理层神经元节点利用第一映射函数将每一个n维指标数据中的每一类别的指标数据映射成集合S中的一种;根据预先确定的预处理层神经元节点与规则层神经元节点间的关联权重确定出指标与故障间的关联规则;根据指标与故障间的关联规则确定出τ个指标数据处于故障倾向模式和无故障模式的概率;将概率中较大的概率所对应的模式确定为预测结果。本发明适用于需要进行故障预测的场合。

    一种基于链路优先的虚拟网络映射方法

    公开(公告)号:CN103856385A

    公开(公告)日:2014-06-11

    申请号:CN201310676161.8

    申请日:2013-12-11

    Abstract: 本发明提供了一种基于链路优先的虚拟网络映射方法,其步骤如下:当虚拟网络中还存在自由组件时,每次选择虚拟网络中带宽需求最大的虚拟链路及与其相连的两个虚拟节点构成的自由组件;映射该自由组件及与之相连的受限组件到物理网络上;当虚拟网络中不再存在自由组件时,映射剩下的受限组件和固定组件。通过本发明提供的方法,能够降低链路资源的消耗,高效利用物理网络资源从而提高虚拟网络的接受率。

Patent Agency Ranking