-
公开(公告)号：CN115373821A
公开(公告)日：2022-11-22
申请号：CN202211042197.6
申请日：2022-08-29
Applicant: 中国地质大学(北京)
Abstract: 本申请提供一种物联网服务在线重配方法、装置、电子设备及介质。该方法在基于接收的用户请求，将用户请求对应的不同服务类型的当前任务分配给物联网网络中相应的物联网设备后，将存在不满足任一当前任务的执行资源量的当前物联网设备上未处理的任务对应的历史用户请求确定为待重配用户请求，并确定待重配任务；按照各待重配用户请求对应的各待重配任务的执行顺序，采用预设在线重配算法对相应待重配用户请求的待重配任务所在的物联网设备进行重配，得到目标重配策略，预设重配算法是基于物联网设备的资源利用率和服务执行效益确定的。该方法可以保证用户请求的访问延迟，同时，减少物联网设备的能量消耗，平衡物联网网络的工作负载。
-
公开(公告)号：CN113452788B
公开(公告)日：2022-04-26
申请号：CN202110725710.0
申请日：2021-06-29
Applicant: 中国地质大学(北京)
IPC: H04L67/1023 , H04L67/12 , G06F9/50
Abstract: 本申请提供了一种动态网络中基于服务迁移的适配优化方法，该方法涉及物联网通信技术领域，基于动态网络中节点的工作状态构建动态网络模型，用以根据服务需求进行节点间的服务迁移和调度；构建多目标多约束模型，以计算所述服务需求中各个服务进行节点间的服务迁移和调度过程中的系统开销；其中所述系统开销包括延迟消耗和能量消耗；以服务需求中各个服务的最小延迟消耗和最小能量消耗为目标，通过求解所述多目标多约束模型确定服务需求中各个服务的最优分配方式；其中采用基于潜在博弈的分布式服务调度算法进行求解，从而可以动态调整网络节点上服务分配情况，实现服务需求的延迟优化且延长网络中节点的生命周期。
-
公开(公告)号：CN113159279A
公开(公告)日：2021-07-23
申请号：CN202110289106.8
申请日：2021-03-18
Applicant: 中国地质大学(北京)
IPC: G06N3/04 , G06N3/08 , G06F16/215 , G06F16/27
Abstract: 本发明公开了一种基于神经网络与深度学习的跨域知识协助系统，包括分布在不同知识领域的多个设备(1)、深度学习协调模块(2)和全局数据存储模块(9)；每个设备(1)包括数据清理模块(3)、数据获取模块(4)和数据读取模块(5)；所述设备(1)还包括单机存储模块(7)，所述单机存储模块(7)分别和所述数据清理模块(3)、所述数据获取模块(4)和数据读取模块(5)数据通信连接。本发明的面向联邦机器学习的全流程服务迁移方法与系统，本申请在进行数据记录训练前，对数据记录进行数据清理，以便剔除数据记录异常的部分，以便保证数据记录的准确性，从而保证数据模型的准确。
-
公开(公告)号：CN110083463B
公开(公告)日：2021-07-20
申请号：CN201910325529.3
申请日：2019-04-22
Applicant: 中国地质大学(北京)
IPC: G06F9/54
Abstract: 本发明实施例公开了一种3D图像引擎与数值处理软件间实时数据通信方法，该方法包括如下步骤：响应于接收到通信主体A(客户端的3D图像引擎)根据预设路径发送的数据一，通信主体B(服务器端的数值处理软件)获取暂存在通用存储体一中的所述数据一进行相应的数据处理，并将数据二发送至所述通信主体A；其中，所述通信主体A响应于检测到通用存储体二中有数据二存入，所述通信主体A获取所述数据二并进行相应的数据处理；所述数据二由处理后的数据一得到。实现了通信主体之间的数据的有效和可靠的通信。
-
公开(公告)号：CN112799843A
公开(公告)日：2021-05-14
申请号：CN202110139391.5
申请日：2021-02-01
Applicant: 中国地质大学(北京)
IPC: G06F9/50
Abstract: 本申请提供了一种基于边缘计算的在线自适应服务配置优化方法及装置，其中，该方法包括：基于动态网络中每一时刻的实时用户需求生成服务请求；根据通信计算模型计算服务请求响应过程中的延迟和能耗情况，并构建包括多目标函数和多约束条件的多目标多约束模型；构建连续时间马尔可夫决策过程模型，并采用基于时间差分算法的强化学习方法对其进行求解，得到满足每一时刻的实时用户需求的最优服务配置决策；在求解所述连续时间马尔可夫决策过程模型的过程中，针对每个服务请求，以服务请求的最小响应延迟和边缘网络的最小总能耗为目标，通过求解所述多目标多约束模型来确定该服务请求的最优服务配置决策，可以高效地实现在线用户需求的自适应配置。
-
Patent Agency Ranking
公开(公告)号：CN110045413B
公开(公告)日：2020-09-01
申请号：CN201910325568.3
申请日：2019-04-22
Applicant: 中国地质大学(北京)
IPC: G01V1/00
Abstract: 本发明实施例公开了一种地震短期预测方法和装置，以解决现有技术中由于大多短期预测都是根据经验预测而缺乏完备的科学依据，主要侧重地震的发震趋势，缺乏地震三要素的数值量化预报，进而很难实现准确的预测短期内地震的发生而导致的不能及时为地震减灾工作提供准确的参考建议的问题。该方法利用大量的历史地震记录数据，结合分析地质结构特点，从时间和空间两个维度，综合运用数据挖掘和机器学习方法，对该区域及与其具有发震时空关联关系的区域在未来一个月内的地震进行预测，从而实现为各区域的地震减灾工作提供参考。
-
公开(公告)号：CN112766395B
公开(公告)日：2023-11-28
申请号：CN202110107848.4
申请日：2021-01-27
Applicant: 中国地质大学(北京)
Abstract: 本申请提供了一种图像匹配方法、装置、电子设备及可读存储介质，分别从获取到每张待匹配图像的待匹配对象中提取出多个待匹配特征点以及多条待匹配特征边，基于每张待匹配图像中的多条待匹配特征边，构建在离散域下的初始匹配函数，然后，将在离散域下的初始匹配函数转换为连续域下的初始匹配函数，并基于离散约束对连续域下的初始匹配函数进行转换，得到目标匹配函数，最后，通过归一化算法求解所述目标匹配函数中的待求解关系矩阵，确定两张待匹配图像的目标关系矩阵，进而，可以基于目标关系矩阵确定出两张待匹配图像中的待匹配对象所属类别是否相同，有助于提高匹配结果的准确，以及可以图像处理过程中的计算效率，降低(56)对比文件贾迪;朱宁丹;杨宁华;吴思;李玉秀;赵明远.图像匹配方法研究综述.中国图象图形学报.2019,第24卷(第05期),677-699.
-
公开(公告)号：CN112884165B
公开(公告)日：2023-07-04
申请号：CN202110290587.4
申请日：2021-03-18
Applicant: 中国地质大学(北京)
IPC: G06N20/00 , G06F18/25 , G06N3/098 , G06F16/215
Abstract: 本发明公开了一种面向联邦机器学习的全流程服务迁移系统，包括分布在不同地址的多个设备(1)；每个设备(1)包括相应的模型创建模块(2)、数据清理模块(3)、数据传感模块(6)和数据读取模块(11)；所述数据创建模块(2)和所述数据传感模块(6)数据通信连接；所述联邦机器学习调度模块(10)从所有设备上的所述单机存储模块(7)任意抽取一定数量的数据记录，用于对所述总的所述数据联邦模型进行校验。本发明的面向联邦机器学习的全流程服务迁移方法与系统，本申请在进行数据记录训练前，对数据记录进行数据清理，以便剔除数据记录异常的部分，以便保证数据记录的准确性，从而保证数据模型的准确。
-
公开(公告)号：CN113159279B
公开(公告)日：2023-06-23
申请号：CN202110289106.8
申请日：2021-03-18
Applicant: 中国地质大学(北京)
IPC: G06F16/27 , G06N3/04 , G06N3/08 , G06F16/215
Abstract: 本发明公开了一种基于神经网络与深度学习的跨域知识协助系统，包括分布在不同知识领域的多个设备(1)、深度学习协调模块(2)和全局数据存储模块(9)；每个设备(1)包括数据清理模块(3)、数据获取模块(4)和数据读取模块(5)；所述设备(1)还包括单机存储模块(7)，所述单机存储模块(7)分别和所述数据清理模块(3)、所述数据获取模块(4)和数据读取模块(5)数据通信连接。本发明的面向联邦机器学习的全流程服务迁移方法与系统，本申请在进行数据记录训练前，对数据记录进行数据清理，以便剔除数据记录异常的部分，以便保证数据记录的准确性，从而保证数据模型的准确。
-
公开(公告)号：CN114760214A
公开(公告)日：2022-07-15
申请号：CN202210426132.5
申请日：2022-04-21
Applicant: 中国地质大学(北京)
IPC: H04L43/028 , H04L43/045 , H04L43/0823 , H04L67/10 , H04L67/12 , H04W4/38 , H04W84/18
Abstract: 基于边缘‑云协作网络的服务异常检测方法，包括：收集边缘网络中物联网节点提供的传感数据，根据传感数据从边缘网络中确定存在异常的目标边缘网络；根据传感数据生成目标边缘网络对应的局部异常边界；根据局部异常边界和传感数据通过预设的传感数据过滤算法获取上传云端的传感数据；根据上传云端的传感数据生成初始全局边界，根据初始全局边界和上传云端的传感数据确定候选边界节点；对候选边界节点进行验证得到用于边界细化的第一边界节点集合，确定目标边缘网络的第二边界节点集合；根据第一边界节点集合和第二边界节点集合生成最终的全局异常边界，能够减少需要传输到云中的传感数据，保证异常检测的准确性，有利于提升异常检测效率。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.023 seconds)
