无线传感器网络的服务质量保障系统

    公开(公告)号:CN101364951A

    公开(公告)日:2009-02-11

    申请号:CN200810223376.3

    申请日:2008-09-26

    Abstract: 一种无线传感器网络的服务质量保障系统,包括:无线传感器网络,与无线传感器网络进行通信交互的用户控制服务器和实施网络服务质量控制和管理的服务质量保障平台。该服务质量保障平台设有服务质量评估、服务质量控制、服务质量管理三个功能模块和连接无线传感器网络的网络接口与人机交互接口。服务质量保障平台结构简单、易于实现,便于控制,它通过目前的服务质量评估体系分析影响无线传感器网络服务质量的各种性能参数,找出其中的关键因素,进而对传感器网络和节点的行为进行控制和调整。该服务质量保障系统不仅可用于对无线传感器网络的服务质量进行在线评估,也可用作未来的无线传感器网络协议算法的验证和改进,具有很好的推广应用前景。

    一种采用ICE中继候选地址进行媒体传输的方法

    公开(公告)号:CN101179581A

    公开(公告)日:2008-05-14

    申请号:CN200710179445.0

    申请日:2007-12-13

    Abstract: 一种采用ICE中继候选地址进行媒体传输的方法,是客户端代理在向STUN服务器发送了Allocate请求并收到携带中继候选地址的Allocate应答后,再向该服务器分配的中继候选地址发送一个携带自定义的、符合国际通信标准的CHANGED-TUPLE属性的Binding请求,以便STUN服务器接收到带有CHANGED-TUPLE属性的Binding请求后,用该请求的包含IP地址和端口号的源地址,包含IP地址和端口号的目的地址(即包含IP地址和端口号的STUN服务器为其分配的中继候选地址),以及传输协议的新5元组替代原先由Allocate请求产生的、包含STUN服务器的监听地址的内部5元组。该方法不占用STUN服务器的监听地址来转发媒体流,大大提高了STUN服务器的转发效率,改善了媒体流的传送效率,降低了媒体的传输时延。

    在无线局域网中提高节能机制重负载性能的方法

    公开(公告)号:CN100362821C

    公开(公告)日:2008-01-16

    申请号:CN200310115370.1

    申请日:2003-11-21

    Abstract: 一种在无线局域网中提高IEEE802.11节能机制重负载性能的方法,其特征在于:通过监听网络忙闲状况,每个站点自适应地调节各自的接入概率,保证在重负载下同时参加竞争的站点数不致过多和产生的碰撞不致过多,防止节能机制在重负载下性能劣化;而且,决定不参加竞争的站点进入睡眠状态,以节省能量消耗。该方法包括下列三个步骤:1、测量网络忙闲状况,调整本站点的接入概率,2、根据接入概率决定是否参加当前传输周期的竞争,3、监听所有其它站点的接入概率,并计算其平均值,再与自己的接入概率相比较,并对其作进一步调整,以提高接入公平性。该方法较好地解决了节能机制在重负载情况下的性能劣化问题,既提高了网络吞吐量,又节省了能量。

    在无线局域网中提高节能机制重负载性能的方法

    公开(公告)号:CN1545269A

    公开(公告)日:2004-11-10

    申请号:CN200310115370.1

    申请日:2003-11-21

    Abstract: 一种在无线局域网中提高IEEE802.11节能机制重负载性能的方法,其特征在于:通过监听网络忙闲状况,每个站点自适应地调节各自的接入概率,保证在重负载下同时参加竞争的站点数不致过多和产生的碰撞不致过多,防止节能机制在重负载下性能劣化;而且,决定不参加竞争的站点进入睡眠状态,以节省能量消耗。该方法包括下列三个步骤:1.测量网络忙闲状况,调整本站点的接入概率,2.根据接入概率决定是否参加当前传输周期的竞争,3.监听所有其它站点的接入概率,并计算其平均值,再与自己的接入概率相比较,并对其作进一步调整,以提高接入公平性。该方法较好地解决了节能机制在重负载情况下的性能劣化问题,既提高了网络吞吐量,又节省了能量。

    一种服务质量感知的虚拟网络映射方法和装置

    公开(公告)号:CN110995619A

    公开(公告)日:2020-04-10

    申请号:CN201910988957.4

    申请日:2019-10-17

    Inventor: 卢美莲 李蒙

    Abstract: 本发明公开了一种服务质量感知的虚拟网络映射方法和装置,所述方法包括:对于当前待映射的虚拟网络请求的每个虚拟节点,由预先训练得到的节点映射策略网络根据当前底层物理网络的资源状态,输出该虚拟节点的节点映射结果;基于所述虚拟网络请求中所有虚拟节点的节点映射结果,完成所述虚拟网络请求的链路映射;其中,所述节点映射策略网络是以训练时的底层物理网络的资源利用率U与所述虚拟网络请求的服务质量损失L之差作为奖励训练得到的。应用本发明可以实现满足多种服务质量度量指标和提高资源利用率之间的平衡。

    基于强化学习的SDN多级虚拟网络映射方法和装置

    公开(公告)号:CN110365514A

    公开(公告)日:2019-10-22

    申请号:CN201910439782.1

    申请日:2019-05-24

    Inventor: 卢美莲 顾云

    Abstract: 本发明公开了一种基于强化学习的SDN多级虚拟网络映射方法和装置。该方法包括:建立强化学习映射模型并训练;对于底层虚拟网络请求,获取物理网络当前的资源状态信息并输入强化学习映射模型,进行底层虚拟节点映射;然后,进行底层虚拟链路映射求解;对于上层虚拟网络请求,获取底层虚拟网络当前的资源状态信息并输入强化学习映射模型,进行上层虚拟节点映射;然后,进行上层虚拟链路映射求解;如果任一阶段出现映射失败的情形则需要对底层虚拟网络进行动态调整,直到所有节点和链路都被映射成功。该装置包括强化学习模块、底层映射模块、上层映射模块和动态调整模块。该方法和装置适用于多级虚拟网络映射,提高了整体的请求接受率。

    基于边的随机游走的网络表示学习方法和装置

    公开(公告)号:CN109902203A

    公开(公告)日:2019-06-18

    申请号:CN201910074183.4

    申请日:2019-01-25

    Inventor: 卢美莲 叶丹娜

    Abstract: 本发明公开了一种基于边的随机游走的网络表示学习方法和装置,所述方法包括:根据网络的每个节点的主题向量和边的关联时间戳,计算所述网络中边与边的相似度;根据计算的边与边的相似度计算边到边的转移概率;基于所述元路径的指导,根据计算的转移概率进行随机游走生成节点序列;根据得到的节点序列进行节点的表示学习,得到节点的低维表示。本发明能够诠释出语义信息和时间信息以获得更为丰富的网络内容,从而有助于能够更真实且有效地挖掘现实世界的潜在信息;且能针对随着时间推移而发生变化的网络进行更为适当、贴合实际的表示。

    基于车辆分簇的信息处理方法和装置

    公开(公告)号:CN107464436A

    公开(公告)日:2017-12-12

    申请号:CN201710650212.8

    申请日:2017-08-02

    Abstract: 本发明提供了一种基于车辆分簇的信息处理方法和装置,其中方法包括:请求方车辆向簇头车辆发送第一协作感知请求,所述第一协作感知请求中包含请求方车辆所处的第一位置信息和所述请求方车辆的标识,所述第一协作感知请求用于请求所述第一位置信息处的道路环境信息;请求方车辆接收响应方车辆发送的第一协作感知响应,所述第一协作感知响应包含所述第一位置信息处的道路环境信息,所述道路环境信息为所述响应方车辆根据所述簇头车辆发送的第二协作感知请求获得的,所述第二协作感知请求中包含所述第一位置信息和所述请求方车辆的标识;根据所述第一协作感知响应生成自动驾驶车辆的控制信息。

    支持P2P流量优化的资源节点选择方法

    公开(公告)号:CN103179045B

    公开(公告)日:2016-04-13

    申请号:CN201310049493.3

    申请日:2013-02-07

    Abstract: 本发明提供一种支持P2P流量优化的资源节点选择方法,包括:接收P2P覆盖网中资源信息存储实体发送的资源节点信息,资源节点信息包括用户节点的IP地址以及与用户节点请求的资源对应的各资源节点的IP地址的资源节点列表;根据动态网络信息计算链路代价表和网络区域划分表;根据链路代价表、网络区域划分表、用户节点的IP地址以及资源节点列表中各资源节点的IP地址分别确定各资源节点相对用户节点的资源优先值,并结合节点可用连接数向用户节点返回优化后的资源节点列表,进而动态调整资源优先值。本发明的方法可以降低穿越骨干网的P2P流量,实现流量本地化,减小对其他业务的影响。

    基于多维相似度的个性化新闻推荐方法

    公开(公告)号:CN102929928B

    公开(公告)日:2015-04-22

    申请号:CN201210355209.0

    申请日:2012-09-21

    Abstract: 一种基于多维相似度的个性化新闻推荐方法:先从新闻日志抽取设定时间记录,根据新闻源地址抓取新闻并抽取标题和正文,对其进行分词和提取名词,并用主题模型分析该名词序列而得到该新闻的主题特征向量;再根据新闻的主题特征向量和用户行为数据,分别构建用户模型和新闻模型;然后根据用户模型、新闻模型和时间特征分别计算用户和新闻的内容相似度与行为相似度,并据此计算最终的用户相似度和最终的新闻相似度,并分别提取最相似的多个用户和多个新闻;最后,依据最近的新闻日志记录和与设定用户最相似的多个相似用户,生成基于用户的个性化推荐结果;或依据设定用户产生行为的新闻和与该新闻最相似的多个新闻,生成基于新闻的个性化推荐结果。

Patent Agency Ranking