-
公开(公告)号：CN106376080A
公开(公告)日：2017-02-01
申请号：CN201610984450.8
申请日：2016-11-09
Applicant: 北京邮电大学
Abstract: 本发明实施例公开了一种AP过滤方法及装置，方法包括：获取目标位置点各AP的属性信息，其中所述属性信息至少包括：出现次数、以及信号强度值；统计所述目标位置点各AP的时间序列的有效值，并根据所述有效值对所述各AP进行初步过滤；根据各AP的出现次数，计算各AP的出现概率，并根据各AP的出现概率、以及信号强度值，对所述初步过滤后的各AP进行过滤，得到第一预设数量的AP；根据所述第一预设数量的各AP的信号强度值以及预设的相关性公式，对所述第一预设数量的AP进行过滤，得到第二预设数量的AP。应用本发明实施例，能够准确的对冗余的AP进行过滤，进而能够降低在线定位复杂度，提高在线定位精度。
-
公开(公告)号：CN106301924A
公开(公告)日：2017-01-04
申请号：CN201610686606.4
申请日：2016-08-18
Applicant: 北京邮电大学
CPC classification number: H04L41/12 , H04L12/4641
Abstract: 本发明实施例提供了一种虚拟网络映射方法及装置，所述方法包括：获取当前时间窗内待映射的虚拟网络请求中每个虚拟网络请求的第一请求收入及停留时间；根据所述第一请求收入和所述停留时间，通过预设公式得到所述当前时间窗内待映射的虚拟网络请求中每个虚拟网络请求的第二请求收入；获取所述当前时间窗内虚拟网络的网络状态；根据所述第二请求收入和所述网络状态，对所述当前时间窗内待映射的虚拟网络请求进行排序，得到所述待映射的虚拟网络请求的排序结果；根据所述排序结果，对所述当前时间窗内待映射的虚拟网络请求进行虚拟映射。可见，通过本方案提升了虚拟网络映射算法在网络虚拟化的性能，提高了虚拟网络接受率。
-
公开(公告)号：CN106100964A
公开(公告)日：2016-11-09
申请号：CN201610716084.8
申请日：2016-08-24
Applicant: 北京邮电大学
IPC: H04L12/46
CPC classification number: H04L12/4641 , H04L12/4679
Abstract: 本发明公开了一种虚拟网络映射的方法和装置，方法包括：获取当前时间窗内多个第一虚拟网络待映射至物理网络对应的虚拟网络请求；根据虚拟网络请求中的至少一个第一虚拟网络请求，映射至少一个第一虚拟网络的所有虚拟节点到物理网络中对应的物理节点上；根据至少一个第一虚拟网络请求中虚拟节点映射完成的虚拟网络请求，映射虚拟节点已映射完成的第一虚拟网络对应的所有虚拟链路到物理网络中对应的物理链路上；在映射完成至少一个第一虚拟网络的每个虚拟链路之后，获取对应的物理链路、未占用的虚拟网络标识符VLAN ID，将VLAN ID分配给每个虚拟链路。本发明实现了基于SDN环境下的VLAN ID复用映射的方法。
-
公开(公告)号：CN114584476B
公开(公告)日：2025-01-07
申请号：CN202011284570.X
申请日：2020-11-17
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司 , 北京邮电大学
IPC: H04L41/147 , H04L43/0876
Abstract: 本发明实施例公开了一种流量预测方法、网络训练方法、装置及电子设备。所述网络训练方法包括：获得包含有多个第一数据的数据集合，基于所述数据集合和第一网络得到预测时间点的第一预测数据；所述多个第一数据为所述预测时间点之前的历史流量数据；获得多个第二数据，基于所述多个第二数据和第二网络得到调整数据；根据所述调整数据和动态调整参数对所述第一预测数据进行调整，得到第二预测数据，基于获得的多个第二预测数据生成预测序列数据；将所述预测序列数据经全连接网络处理后、与目标序列数据确定损失，根据所述损失对所述第一网络、所述第二网络和所述全连接网络进行训练。
-
公开(公告)号：CN117014918A
公开(公告)日：2023-11-07
申请号：CN202310954507.X
申请日：2023-07-31
Applicant: 中国移动通信有限公司研究院 , 北京邮电大学 , 中国移动通信集团有限公司
IPC: H04W24/06 , H04L43/0876 , H04L41/16 , H04L41/147 , H04L41/14 , G06N3/0464 , G06N3/0442 , G06N3/042 , G06N3/098
Abstract: 本申请公开了一种基于联邦学习的流量预测方法、装置、设备及存储介质。该方法包括：服务器获取目标蜂窝网络基于聚类划分的各区域的数据缺失率；基于数据缺失率和设定阈值将各区域划分为高质量区域和低质量区域；获取各区域的流量预测模型生成的本地模型参数；对高质量区域的本地模型参数进行聚合，更新全局的流量预测模型的模型参数；将全局的流量预测模型的模型参数发送给高质量区域的客户端；并将高质量区域的本地模型参数发送给低质量区域的客户端。服务器将高质量区域的本地模型参数发送给低质量区域的客户端，进而使得低质量区域的客户端可以基于获取的高质量区域的本地模型参数进行联邦迁移学习，提高流量预测的准确度。
-
Patent Agency Ranking
公开(公告)号：CN116743582A
公开(公告)日：2023-09-12
申请号：CN202210210221.6
申请日：2022-03-03
Applicant: 北京邮电大学
IPC: H04L41/0894 , H04L41/5006
Abstract: 本发明实施例提供一种网络切片控制系统及控制方法。所述系统包括切片编排器和多个域控制器；切片编排器配置为根据网络切片SLA及指标约束，将网络切片SLA保证的端到端时延在各网络域之间进行划分，并将时延划分结果下发给多个域控制器；每一域控制器，配置为根据切片编排器下发的该网络域的时延划分结果，利用资源映射机制进行本网络域的资源分配，并将资源分配保证的QoS反馈给所述切片编排器；所述切片编排器，还配置为根据域控制器反馈的QoS，确定SLA保证情况，并根据SLA保证情况，调整所述网络切片SLA保证的端到端时延在各网络域的划分。本发明可以实现在保证商定SLA得到保证的前提下，提高网络系统容量并保证用户服务质量。
-
公开(公告)号：CN115717758A
公开(公告)日：2023-02-28
申请号：CN202211378174.2
申请日：2022-11-04
Applicant: 北京邮电大学 , 北京鹏通高科科技有限公司
IPC: F24F11/58 , F24F11/64 , F24F11/74 , F24F11/54 , F24F11/89 , F24F110/10 , F24F110/20
Abstract: 本发明提供一种室内空间温度和湿度调控方法及系统，以温湿度状态参数作为状态空间，以恒温恒湿机出风口风速档位作为动作空间，通过在源空间训练预训练得到源域深度强化学习模型；在目标空间中，每个执行器与其周边设定范围内的温湿度传感器构成局部控制组件，每个局部控制组件由独立的目标域智能体控制，每个目标智能体分别迁移学习源域深度强化学习模型进行参数微调和控制，以目标空间所有温湿度传感器采集的温度值和湿度值共同计算目标空间观测奖励值，以最大化未来多步目标空间观测奖励值为目标分别对各目标域智能体的源域深度强化学习模型进行训练，以快速适应对目标空间环境对温湿度的实现精准控制。
-
公开(公告)号：CN114020079B
公开(公告)日：2022-09-16
申请号：CN202111293890.6
申请日：2021-11-03
Applicant: 北京邮电大学 , 北京鹏通高科科技有限公司 , 上海博物馆
IPC: G05D27/02
Abstract: 本发明提供一种室内空间温度和湿度调控方法及装置，所述方法以分布式结构布置的传感器检测设定空间内的湿度值和温度值作为状态空间，并采用深度强化学习的方式选取每个时间步状态对应的动作。在强化学习过程中，引用所述湿度精度偏差、所述湿度均匀度偏差、所述温度精度偏差和所述温度均匀度偏差计算观测奖励值，以从综合考量温度和湿度的控制精度以及设定空间内各位置的均匀度，使得强化控制方法最终能够达到能够精确和均匀控制设定空间内温度和湿度的效果。
-
公开(公告)号：CN114511101A
公开(公告)日：2022-05-17
申请号：CN202011283606.2
申请日：2020-11-17
Applicant: 中国移动通信有限公司研究院 , 中国移动通信集团有限公司 , 北京邮电大学
IPC: G06N20/20
Abstract: 本发明实施例公开了一种基于联邦学习的模型更新方法、装置、系统和电子设备。所述方法包括：获得本地模型本轮训练过程中的多个损失函数值；基于所述多个损失函数值判断是否复用所述本地模型的模型参数，输出与判断结果对应的信号，以及根据所述判断结果确定所述本地模型下一轮训练的模型参数。
-
公开(公告)号：CN111209563B
公开(公告)日：2022-04-08
申请号：CN201911382869.6
申请日：2019-12-27
Applicant: 北京邮电大学
Abstract: 本发明实施例提供一种网络入侵检测方法及系统，该方法包括：基于训练好的网络入侵检测模型对待检测网络数据进行检测，并对得到的检测结果进行分析判断，若判断获知待检测网络数据为网络已知数据，则根据检测结果，对网络已知数据进行细粒度分类；若判断获知待检测网络数据为网络未知类别入侵数据，则对网络未知类别入侵数据进行聚类，获取网络未知类别入侵数据中各类别的聚类质心；根据网络未知类别入侵数据中各类别的聚类质心，对训练好的网络入侵检测模型的分类器进行更新，以根据更新后的网络入侵检测模型对后续待检测网络数据中网络未知类别入侵数据进行入侵检测。本发明实施例实现对网络未知入侵的识别和学习。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.082 seconds)
