-
公开(公告)号：CN103530190A
公开(公告)日：2014-01-22
申请号：CN201310479084.7
申请日：2013-10-14
Applicant: 北京邮电大学
IPC: G06F9/50
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。
-
公开(公告)号：CN103269511A
公开(公告)日：2013-08-28
申请号：CN201310144036.2
申请日：2013-04-23
Applicant: 北京邮电大学
IPC: H04W52/02
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。
-
公开(公告)号：CN102075945B
公开(公告)日：2013-07-03
申请号：CN201010618342.1
申请日：2010-12-22
Applicant: 北京邮电大学
Abstract: 本发明公开了一种LTE无线接入网中分布式物理小区标识的分配方法，该方法包括：步骤A、OAM为新加入网络的ENB配置PCI列表；步骤B、所述新加入网络的ENB获取其所有邻居小区使用的PCI信息；步骤C、所述新加入网络的ENB从PCI列表中去除其所有邻居小区使用的PCI，并判断所述PCI列表中是否还有PCI值，如果有，则随机选取一个PCI值作为其所属目标小区的PCI；否则，向OAM报告异常。应用本发明所述的LTE无线接入网中分布式物理小区标识的分配方法，通过与已存在ENB相协商的方式及时为网络中新增ENB的目的小区分配PCI，满足了PCI分配的原则并充分考虑到小区间PCI信息的同步，从而能够减少小区重选的次数，提高网络的服务质量。
-
公开(公告)号：CN102868733A
公开(公告)日：2013-01-09
申请号：CN201210314294.6
申请日：2012-08-29
Applicant: 北京邮电大学
Abstract: 本发明公开了一种虚拟网络资源再映射方法，涉及虚拟网络技术领域，包括：周期性地获取关键虚拟节点，关键虚拟节点为资源利用率高于阈值的物理节点承载的虚拟节点集合中的虚拟节点；将关键虚拟节点的资源再映射到资源利用率低于阈值物理节点，以使物理网络的资源负载均衡；对与关键虚拟节点相连接的虚拟链路资源进行再映射。本发明周期性地对物理资源整体负载进行分析，判断是否需要进行虚拟资源再映射，再映射过程中只选择部分影响物理资源负载不均衡的关键虚拟节点进行再映射，这样既可以整合现有物理资源，到达物理资源负载均衡，提高虚拟网请求接收率，又可以节约时间开销和计算成本，最大化减少对虚拟网的正常服务中断的影响。
-
公开(公告)号：CN102395217A
公开(公告)日：2012-03-28
申请号：CN201110359942.5
申请日：2011-11-14
Applicant: 北京邮电大学
Abstract: 本发明是一种移动自组网基于信誉的区分服务激励机制构造方法，包括步骤：S101：初始化；S102：服务请求者向各簇头发起服务查询请求；S103：各簇头协同工作，根据服务请求者的全局信誉按照预先设定的服务与信誉关联规则返回其可使用的服务列表；S104：服务请求者根据自己的意愿选择服务列表中的某项服务；S105：服务请求者对所选择的服务提供者进行信誉评估；S106：服务请求者根据信誉评估中获得的服务提供者的综合信誉值与信誉阈值Rh进行比较，满足条件则发出服务请求转入S107，不满足条件则回到S104重新进行服务选择；S107：服务提供阶段，服务提供者所在簇的簇头通过监控获得服务提供者的剩余电量和服务提供的完成情况；S108：服务结束后，信誉更新。
-
Patent Agency Ranking
公开(公告)号：CN101815273B
公开(公告)日：2011-07-27
申请号：CN201010033865.X
申请日：2010-01-11
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于号码携带的通信保障方法和系统。所述方法包括步骤：在本地移动通信网络系统中增设一个重要用户数据库，在其中存储了为重要用户预留的号段信息；为重要用户设置指向其号段的号码携带业务，建立重要用户的旧电话号码与其新电话号码之间的映射关系；将HLR关闭或限制HLR中的用户对本地移动通信网络的使用，此时若重要用户发起呼叫，拜访位置寄存器与重要用户数据库进行交互完成鉴权，完成呼叫；若普通用户发起呼叫，由于普通用户所在的HLR已经被关闭，当拜访位置寄存器VLR鉴权时发现此用户的业务已经受限，所以在鉴权阶段通信即中断。本发明的技术方案实现成本低，同时可以实现对重要用户实施统一管理。
-
公开(公告)号：CN119313426A
公开(公告)日：2025-01-14
申请号：CN202411344686.6
申请日：2024-09-25
Applicant: 江西省通讯终端产业技术研究院有限公司 , 北京邮电大学
IPC: G06Q30/0601 , G06F18/23213 , G06F18/2415 , G06N3/0455 , G06N3/042 , G06N3/088
Abstract: 本发明提供一种商品推荐方法、装置、存储介质及程序产品，涉及计算机技术领域，方法包括：获取目标用户对应的异构图矩阵，异构图矩阵中包括若干个节点和连接各个节点的连接边；若干个节点包括用户节点和商品节点；获取预先训练的商品推荐模型，商品推荐模型包括图注意力自编码器模块、无监督聚类模块和商品推荐模块；图注意力自编码器模块用于得到用户节点对应的嵌入矩阵；无监督聚类模块用于基于嵌入矩阵得到用户节点聚类结果；商品推荐模块用于基于用户节点聚类结果确定用户权重，与交互权重生成商品评分基于商品评分推荐商品；将异构图矩阵输入商品推荐模型，得到目标用户对应的商品推荐结果；能够解决对新用户推荐时难以提供准确推荐的问题。
-
公开(公告)号：CN118112612A
公开(公告)日：2024-05-31
申请号：CN202410151607.3
申请日：2024-02-02
Applicant: 北京邮电大学
Abstract: 本申请提供一种基于星间定权网络的多卫星导航系统定位方法，所述方法包括：基于标准单点定位模型计算接收机与多卫星导航系统中各个目标卫星各自对应的伪距观测值；根据所述伪距观测值得到对应的目标卫星的高度角、欧式距离、信噪比和伪距残差；基于所述高度角、欧式距离、信噪比和伪距残差得到卫星观测值特征矩阵；将所述卫星观测值特征矩阵输入星间定权网络，输出得到所述目标卫星的观测值权重以使得所述多卫星导航系统基于各个目标卫星的观测值权重进行定位。本申请能够有效提升多卫星导航系统的定位精度以及有效提升系统的可靠性。
-
公开(公告)号：CN116867025A
公开(公告)日：2023-10-10
申请号：CN202310743119.7
申请日：2023-06-21
Applicant: 北京邮电大学 , 星耀能(北京)科技有限公司
Abstract: 本申请提供一种无线传感器网络中传感器节点分簇方法及装置，所述方法包括：采用流量预测的手段，在无线传感器网络中基于各个传感器节点的通信流量数据集得到传感器节点集在预设未来时间段内的整体通信预测能耗；其中，所述传感器节点集包括各个所述传感器节点；根据所述整体通信预测能耗构建用于选择最优簇首的适应度函数；根据所述适应度函数及蝴蝶优化算法得到所述传感器节点集对应的最优簇首分布数据。本申请能够基于预测能耗选择最优簇首，从而能够有效提升选择簇首节点的合理性，进而有效地降低无线传感器网络中的通信能耗。
-
公开(公告)号：CN116360939A
公开(公告)日：2023-06-30
申请号：CN202310216223.0
申请日：2023-03-02
Applicant: 国网浙江省电力有限公司电力科学研究院 , 北京邮电大学
Abstract: 本发明公开了基于可信计算的多任务调度方法、系统、设备及存储介质，属于多任务调度技术领域。本发明的一种基于可信计算沙盒的联邦学习多任务调度方法，通过构建参与方节点、区块链调度模型以及训练节点，建立计算沙盒状态通道；在计算沙盒状态通道中，训练节点对相关参数进行全局模型聚合与参数的计算，得到联邦学习任务的训练结果和状态信息；将训练结果和状态信息传输至区块链调度模型，并关闭计算沙盒状态通道，以释放所占有的算力资源；区块链调度模型将训练结果发送给参与方节点，更新算力资源的状态信息，完成联邦学习多任务的调度，实现对联邦学习模型训练和聚合过程中的可信监管，并且能够避免隐私泄露，方案科学、合理，切实可行。
-
-
-
-
-
-
-
-
-
Search Results
138
records
(took 0.075 seconds)
