-
公开(公告)号：CN103248672B
公开(公告)日：2015-12-09
申请号：CN201310111534.7
申请日：2013-04-01
申请人： 北京邮电大学
摘要： 本发明提供一种基于拓扑发现的车辆自组织网络的数据分发方法，包括以下步骤：计算源车辆的广播周期，将源车辆监测到的事件消息以所述广播周期进行广播；并将所述事件消息作为拓扑发现的探针，利用着色原理对所述源车辆进行着色；计算接收车辆的等待时间，判断所述接收车辆接收到事件消息后，在所述等待时间内是否要转发，若是，则将该接收车辆着深灰色并广播所述事件消息，若不是，将该接收车辆着灰色并结束；本发明定义了源车辆的广播周期和接收车辆的等待时间，有效地降低了消息传输的延时，提高了事件消息传输的可靠性，控制了网络中事件消息的副本数，降低了网络通信负载。
-
公开(公告)号：CN103037422B
公开(公告)日：2015-01-21
申请号：CN201210592963.6
申请日：2012-12-31
申请人： 北京邮电大学
摘要： 本发明提供一种移动自组网的动态自适应业务恢复方法及装置，所述方法包括：S1、设置计时器计时时长，并对所述计时器进行实时监测，若所述计时器未超时，则监测泛在业务是否成功执行，若所述计时器超时，则继续步骤S2；S2、对网络中的终端信息进行搜索；S3、根据搜索结果，选择候选终端集合更新备用终端集合，并判断是否存在实例终端的失效，若存在，则启用备用终端集合执行泛在业务，若不存在，则将所述计时器清零，并返回步骤S1。通过上述方法，防止了片面依赖终端自身资源选择终端集带来的中断率过高现象，并为降低中断率提前做好准备，减少重新构建选择替代终端集的恢复时间，降低了信息迟滞导致的响应时间过长。
-
公开(公告)号：CN102348239B
公开(公告)日：2015-01-07
申请号：CN201110359934.0
申请日：2011-11-14
申请人： 北京邮电大学
CPC分类号： Y02D70/20
摘要： 本发明公开了一种移动自组织网络中基于服务的协商方法，包括以下步骤：协商开始，买方向卖方发送要约信号；买方和卖方进行协商报价，包括相互发送的要约信号以及卖方发送的等待信号，此时：若卖方发送退出信号，则协商失败并结束；若卖方发送接受信号，则协商成功并结束；若只剩一个买方，并且：a)卖方还不能接受该买方的要约，则卖方发送最后一次询问要约信号：若买方能够接受，则返回该要约信号：若卖方发送接受信号，则协商成功并结束；若卖方发送退出信号，则协商失败并结束；若买方不能接受并发送拒绝信号，则协商失败并结束；b)该买方发送拒绝或退出信号，则协商失败并结束。本发明减小了网络流量和节点能耗，提高了协商效率。
-
公开(公告)号：CN103840967A
公开(公告)日：2014-06-04
申请号：CN201310717886.7
申请日：2013-12-23
申请人： 北京邮电大学
摘要： 本发明公开了一种电力通信网中故障定位的方法，包括：根据故障和症状多对多的不确定性构建二分图模型；在二分图模型的基础上引入故障影响权重因子，计算故障影响度；用可信参数对故障影响度进行修正，得到疑似故障集合。该方法将故障和症状的多对多的不确性用加权二分图来建模，既表达了故障和症状之间的因果关系，又具有良好的建模能力，且有较强的抗噪性，能够适应故障突发性和网络复杂性的真实环境。引入故障影响权重，在二分图模型下利用全概率和贝叶斯思想，将先验故障概率转化为条件概率，计算故障影响度。最后加入可信参数来控制疑似故障的影响，结合覆盖度和贡献度，选出影响程度在可控参数范围下的疑似故障集合。
-
公开(公告)号：CN103427884A
公开(公告)日：2013-12-04
申请号：CN201310300817.6
申请日：2013-07-17
申请人： 北京邮电大学
摘要： 本发明提供一种基于移动自组网中泛在业务生成的多终端协同获取方法，所述方法包括：S1：请求泛在业务并对业务起始终端进行初始化，根据泛在业务构建业务模型，并构建网络拓扑模型；S2：利用业务模型和网络拓扑模型，根据终端自身信息进行判定，得到局部候选终端集，并根据目标函数获得终端协同集。本发明提供一种基于移动自组网的多终端协同获取方法，通过对业务层和网络层分别建模来构建分层理论框架，为面向业务的多终端协同问题提供基础，通过为泛在业务动态选择最优终端集，为用户提供持续高质量可靠的泛在业务。
-
公开(公告)号：CN118784547A
公开(公告)日：2024-10-15
申请号：CN202410769362.0
申请日：2024-06-14
申请人： 北京邮电大学
摘要： 本发明公开了一种基于图神经网络和深度强化学习的路由优化方法，从现代通信网络的实际需求出发，结合GNN和DRL技术，从网络拓扑感知和智能决策两方面对路由优化进行改进。在保证网络稳定性和用户体验的条件下，算法在网络资源分配、路由路径计算和网络拥塞控制方面都得到了显著提升，推动通信网络向更智能、更绿色的方向发展。
-
公开(公告)号：CN113762737B
公开(公告)日：2024-09-06
申请号：CN202110956949.9
申请日：2021-08-19
申请人： 北京邮电大学
IPC分类号： G06Q10/0639 , G06Q50/10 , G06F18/24 , G06N3/048
摘要： 本发明公开了网络服务质量预测的方法及系统，包括：获取用户数据、服务数据，将用户数据、服务数据输入至训练好的网络服务质量预测模型得到网络服务质量预测结果；其中，训练好的网络服务质量预测模型为利用不同样本数据以及对应的软标签进行训练后得到；样本数据包含用户训练数据以及服务训练数据；软标签为训练好的DeepFM模型在输入样本数据后输出的预测数据。本发明采用DeepFM模型无需人工进行特征组合，可以处理稀疏数据集，通过将训练好的DeepFM模型在输入样本数据后输出的预测数据作为软标签对网络服务质量预测模型进行训练，降低了网络服务质量预测模型规模，减轻运维负载。
-
公开(公告)号：CN116644542A
公开(公告)日：2023-08-25
申请号：CN202310561000.8
申请日：2023-05-17
申请人： 北京邮电大学
IPC分类号： G06F30/18 , G06F30/20 , G06F119/02
摘要： 本发明提供一种异构融合网络应用服务状态感知和故障预测方法，该方法包括：获取网络中各节点的应用服务运行数据；将所述各节点的应用服务运行数据输入网络故障预测模型，得到所述网络故障预测模型输出的所述网络的故障预测结果；其中，所述网络故障预测模型用于提取所述应用服务运行数据的节点级特征，将所述节点级特征转化为图级特征后进行分类，并基于所述图级特征的分类结果确定所述网络的故障预测结果。本发明解决了网络故障预测不全面且预测精度不高的问题，实现高精度的网络应用服务故障预测。
-
公开(公告)号：CN116306808A
公开(公告)日：2023-06-23
申请号：CN202310147699.3
申请日：2023-02-20
申请人： 北京邮电大学
IPC分类号： G06N3/0464 , G06N3/082 , G06V40/10 , G06V10/774 , G06V10/82
摘要： 本发明提供一种联合动态剪枝和条件卷积的卷积神经网络压缩方法及装置，所述方法包括：将训练样本集输入卷积神经网络得到卷积神经网络中各卷积层的输入特征和输出特征，计算每个卷积层各输入特征间的通道显著性相似度和各输出特征间的样本相似度并构建第一总损失函数，采用第一总损失函数对卷积神经网络迭代得到第一轻量化模型和多个第二轻量化模型，当第一轻量化模型的预测值未达到设定阈值，则将各第二轻量化模型的卷积层与第一轻量化模型卷积层的组合系数组合形成集成模型，并输出预测值。本发明能够根据不同的样本数据对模型进行自适应调整和剪枝，实现模型压缩，同时提高了模型效率。
-
公开(公告)号：CN116229170A
公开(公告)日：2023-06-06
申请号：CN202310199005.0
申请日：2023-03-03
申请人： 北京邮电大学
IPC分类号： G06V10/764 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/0895 , G06N5/02
摘要： 本发明提供一种基于任务迁移的联邦无监督图像分类模型训练方法、分类方法及设备：获取包含完整标签和部分标签的本地数据集；获取初始神经网络模型，其包括自适应增量层和深度迁移模块；自适应增量层为在初始神经网络模型的每个卷积层后添加一个全连接层；在深度迁移模块中构建域分类和域混淆的竞争机制，并采用知识蒸馏方法保存相关类别之间的信息；采用本地数据集为模型进行训练，构建域分类损失、域混淆损失和软标签损失的联合损失，并根据分类任务平均精度确定任务优先级，训练得到初始图像分类模型；基于各客户端模型参数构建共享模型，并根据共享模型参数更新初始图像分类模型。本发明提供的图像分类模型精度高且能保留个性化局部模型。
-
-
-
-
-
-
-
-
-
搜索结果
181 条记录 (耗时 0.112 秒)
