一种多服务器场景中的虚拟网络资源分配方法

    公开(公告)号:CN119629058A

    公开(公告)日:2025-03-14

    申请号:CN202411567238.2

    申请日:2024-11-05

    Applicant: 南京大学

    Abstract: 一种多服务器场景中的虚拟网络资源分配方法,基于虚拟网络和物理网络的网络通信系统,虚拟节点需要的资源包括计算能力、内存和存储,而虚拟链路的需求是带宽;物理网络则由物理节点和物理链路构成,虚拟网络资源映射的核心在于将虚拟节点和链路合理地分配到物理节点和链路上;在多服务器环境中,虚拟节点之间的通信能跨越多个物理服务器,因此跨主机链路的数量和效率成为影响系统性能的关键;采用基于适配度的映射算法;通过计算虚拟节点与物理节点之间的适配度,判断物理节点是否能够满足虚拟节点的需求;适配度根据虚拟节点的资源需求与物理节点的可用资源进行计算,只有适配度达到设定阈值的物理节点才被认为是有效的映射目标。

    一种基于深度学习的大规模网络动态自适应路径规划方法

    公开(公告)号:CN114051273B

    公开(公告)日:2023-10-13

    申请号:CN202111313384.9

    申请日:2021-11-08

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于深度学习的大规模网络动态自适应路径规划方法,首先建立态势信息管理系统;对节点态势信息进行采集和预处理,并使用特定组播机制更新并获取全局态势信息,然后构建适用于大规模网络的态势信息模型;最后基于深度学习提取环境特征,引入决策开关机制对问题规模进行稀疏化处理;基于所述决策开关机制设计路由机制可扩展的网络层子系统,并提出动态自适应路径规划方法;本发明提出了一种新兴的适合大规模网络的态势信息建模方法和态势更新维护机制,并引入一种基于深度学习的大规模网络动态自适应路径规划方法,降低了大规模网络的问题复杂度和整体系统开销,解决了高动态环境适应能力不足的问题。

    基于图着色理论的adhoc自适应时隙划分方法

    公开(公告)号:CN116321505A

    公开(公告)日:2023-06-23

    申请号:CN202310128109.2

    申请日:2023-02-15

    Applicant: 南京大学

    Abstract: 一种基于图着色算法的adhoc分布式时隙分配方法,1)adhoc自组网各节点完成碰撞域之内的态势感知,获取本节点通信范围内的拓扑情况,获得拓扑内的节点信息、链路参数;2)adhoc自组网各个节点获取到碰撞域内的拓扑信息之后,以节点为顶点,构建碰撞域内节点分布状态图,按照系统配置中预先设定的时隙设置、感知获取的节点和邻居的度数等参数,为每个节点分配颜色,避免干扰节点之间形成干扰,每个节点按照所得颜色占据时隙;3)根据节点的消息队列长度等参数,使用颜色分配算法调整数据子帧中剩余时隙的分配情况;颜色选取完成之后,读取消息队列长度,动态调整节点的时隙数量,在节点加入、节点退出时动态调整时隙分配情况。

    一种基于样本增强和深度学习的射频指纹识别方法

    公开(公告)号:CN116257750A

    公开(公告)日:2023-06-13

    申请号:CN202310119656.4

    申请日:2023-02-15

    Applicant: 南京大学

    Abstract: 一种基于样本增强和深度学习的射频指纹识别方法,S1、从无线通信设备接收端采集原始射频数据并存储到PC端;S2、将无线通信设备接收端采集到的Raw‑IQ数据样本进行预处理,将数据划分为训练集和测试集,再进一步将训练集划分为源域和目标域;S3、构建DSEN‑TL神经网络并输入训练集对其进行训练,训练过程中判定H散度是否达到平衡,若过大或者过小则须调整射频个体识别网络和域分类网络的层数和参数重新训练,优化损失函数;S4、将测试集输入DSEN‑TL网络并输出设备识别类型;S5、将训练好的DSEN‑TL网络嵌入实际板级系统进行测试,在收发数据的同时准确识别射频设备个体,实现通信感知一体化。

    一种基于逆向投影的管件三维模型重建方法

    公开(公告)号:CN116229017A

    公开(公告)日:2023-06-06

    申请号:CN202310121207.3

    申请日:2023-02-15

    Applicant: 南京大学

    Abstract: 一种基于逆向投影的管件三维模型重建方法,管件图像采集和预处理步骤:搭建图像采集系统,通过分布在管件周围双目相机进行图像抓取;中心线提取步骤中,将上述得到的管件轮廓连续点作离散化处理,使用Delaunay算法对轮廓离散点作三角剖分处理,得到关于离散点的Voronoi多边形,多边形顶点即为可能的中心线集;特征点提取步骤:采用霍夫变换检测中心线中的直线段部分,从而识别中心线上直线与圆弧的分界点,使用8邻域搜索提取出各部分直线的端点;多目相机标定步骤:特征点提取后的制作面积置于图像标定板采集系统中;管件的三维模型重建步骤:将同一管件在不同相机下识别出的对应的标定点得到各中心线的特征点的三维世界坐标。

    一种基于深度学习的工件表面缺陷检测方法

    公开(公告)号:CN110689539B

    公开(公告)日:2023-04-07

    申请号:CN201910993517.8

    申请日:2019-11-12

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于深度学习的工件表面缺陷检测方法,利用深度学习技术,构建了工件表面缺陷检测系统,目的在于解决传统方法中人力开销大、系统效率低、适应性差的缺点,能够在生产环境下对工件表面缺陷进行快速识别、反馈,保证了系统的准确度与效率。系统通过图像采集装置对工件表面进行图像捕获,经由捕获终端预处理后,上传至处理计算机。处理计算机将调用基于深度神经网络模型的预测器对图像进行识别,并输出预测向量。最后,处理中心将预测向量发布到显示终端,使得工件表面缺陷状态得到直观展示。

    一种面向时变网络的主动网络拓扑构建方法及系统

    公开(公告)号:CN112469102B

    公开(公告)日:2022-09-23

    申请号:CN202011250831.6

    申请日:2020-11-10

    Applicant: 南京大学

    Abstract: 本发明提出一种面向时变网络的主动网络拓扑构建方法及系统,该方法包括以下步骤:(1)采集时变网络中与网络态势相关的原始数据并进行预处理;(2)对预处理后的原始数据进行特征提取,得到时变网络态势特征,并基于提取的特征数据构建态势参数集;(3)基于步骤(2)构建的态势参数集,通过广播的方式进行态势参数信息全网共享,实现全网态势信息聚合;(4)进行全网态势信息整合和态势预测,获得当前时刻和下一时刻的时变网络态势参数值,依据实际业务约束条件做相应的拓扑构建决策。本发明解决了现有拓扑构建方法应对时变网络自适应能力不足的问题。

Patent Agency Ranking