-
公开(公告)号：CN111836273A
公开(公告)日：2020-10-27
申请号：CN202010441693.3
申请日：2020-05-22
申请人： 南京邮电大学
IPC分类号： H04W16/20
摘要： 本发明提出了一种提高室内无线通信系统接收功率覆盖均匀性的方法，预定义通信接入点布局位置序列PosAP，布局参数Symis等相关参数；计算总接收功率矩阵Pr；计算Pr的归一化方差，并设置状态参数；执行外层迭代循环；更新状态参数；根据布局参数Symis更新PosAP；执行内层循环，比较最佳归一化方差Varbetterin与更优归一化方差Varbetter的大小，若Varbetterin＜Varbetter，则更新更优归一化方差，记录更优功率因子序列、更优通信接入点布局位置序列；否则，依据Metropolis准则计算逃脱概率P，并根据逃脱概率P决定是否随机生成全新的PosAP；判断外层循环是否结束，若结束输出最佳Posbetter和其匹配的最佳Kbetter。本发明可以提高室内无线通信系统接收功率覆盖均匀性，提升系统有效性和可靠性。
-
公开(公告)号：CN111556461A
公开(公告)日：2020-08-18
申请号：CN202010357549.1
申请日：2020-04-29
申请人： 南京邮电大学
摘要： 本发明公开了一种基于深度Q网络的车载边缘网络任务分发卸载方法，首先根据层次分析法对不同车辆终端的计算任务进行优先级划分，从而为计算任务处理速率赋予不同的权重建立关系模型；其次，引入基于深度Q网络的边缘计算方法，以计算任务处理速率加权和为优化目标建立任务卸载模型，建立基于深度Q网络的终端自主最优任务卸载策略，保证卸载决策制定模型的长期稳定性与有效性。本发明通过对车载计算任务的合理分发卸载，有效提高了计算任务的处理速率，从而降低任务执行时延。
-
公开(公告)号：CN111556461B
公开(公告)日：2023-04-21
申请号：CN202010357549.1
申请日：2020-04-29
申请人： 南京邮电大学
摘要： 本发明公开了一种基于深度Q网络的车载边缘网络任务分发卸载方法，首先根据层次分析法对不同车辆终端的计算任务进行优先级划分，从而为计算任务处理速率赋予不同的权重建立关系模型；其次，引入基于深度Q网络的边缘计算方法，以计算任务处理速率加权和为优化目标建立任务卸载模型，建立基于深度Q网络的终端自主最优任务卸载策略，保证卸载决策制定模型的长期稳定性与有效性。本发明通过对车载计算任务的合理分发卸载，有效提高了计算任务的处理速率，从而降低任务执行时延。
-
公开(公告)号：CN111836273B
公开(公告)日：2022-08-26
申请号：CN202010441693.3
申请日：2020-05-22
申请人： 南京邮电大学
IPC分类号： H04W16/20
摘要： 本发明提出了一种提高室内无线通信系统接收功率覆盖均匀性的方法，预定义通信接入点布局位置序列PosAP，布局参数Symis等相关参数；计算总接收功率矩阵Pr；计算Pr的归一化方差，并设置状态参数；执行外层迭代循环；更新状态参数；根据布局参数Symis更新PosAP；执行内层循环，比较最佳归一化方差Varbetterin与更优归一化方差Varbetter的大小，若Varbetterin＜Varbetter，则更新更优归一化方差，记录更优功率因子序列、更优通信接入点布局位置序列；否则，依据Metropolis准则计算逃脱概率P，并根据逃脱概率P决定是否随机生成全新的PosAP；判断外层循环是否结束，若结束输出最佳Posbetter和其匹配的最佳Kbetter。本发明可以提高室内无线通信系统接收功率覆盖均匀性，提升系统有效性和可靠性。
-
公开(公告)号：CN110009061B
公开(公告)日：2022-08-05
申请号：CN201910314113.1
申请日：2019-04-18
申请人： 南京邮电大学
摘要： 本发明公开了一种基于机器学习的AP自适应优化选择方法，方法应用于移动设备与AP建立WIFI连接及车联网自适应网络切换的过程中，方法包括：收集当前环境中的连接设备数据，建立训练数据集，特征集，确定阈值；根据数据集及ID3算法确认是否为单结树；若非单结树，则分割子集构建子结点生成树；递归调用，直至生成完整的决策树，以将AP分类为FAST集和SLOW集，选择FAST集中最快的AP建立连接；本发明根据机器学习模型对AP接入点进行选择以缩短连接时间，减少WIFI连接设置时间成本。
-
公开(公告)号：CN109769280B
公开(公告)日：2021-10-08
申请号：CN201910246264.8
申请日：2019-03-29
申请人： 南京邮电大学
摘要： 本发明公开了一种基于机器学习的WIFI智能预测切换方法，方法中，将WIFI热点RSSI值演变模式与移动终端设备的WIFI切换决策关联起来。首先收集大量区域内WIFI热点信号强度数据集以及设备连接WIFI热点变化情况，并对该数据集进行归一化处理。其次，初始化神经网络参数，给定目标输出。最后，将预处理后的数据集喂入神经网络计算出隐层和输出层各单元输出以及输出误差，进行反复迭代训练、调整神经网络各层权值直至输出误差满足要求。本发明训练完成构建的人工神经网络会根据移动终端设备的WIFI信号强度变化情况预测Δ秒后（自由设置值，Δ越长，预测正确率越低）设备的位置变化情况来决定是否执行切换，提高网络稳定性。
-
公开(公告)号：CN109769280A
公开(公告)日：2019-05-17
申请号：CN201910246264.8
申请日：2019-03-29
申请人： 南京邮电大学
摘要： 本发明公开了一种基于机器学习的WIFI智能预测切换方法，方法中，将WIFI热点RSSI值演变模式与移动终端设备的WIFI切换决策关联起来。首先收集大量区域内WIFI热点信号强度数据集以及设备连接WIFI热点变化情况，并对该数据集进行归一化处理。其次，初始化神经网络参数，给定目标输出。最后，将预处理后的数据集喂入神经网络计算出隐层和输出层各单元输出以及输出误差，进行反复迭代训练、调整神经网络各层权值直至输出误差满足要求。本发明训练完成构建的人工神经网络会根据移动终端设备的WIFI信号强度变化情况预测Δ秒后（自由设置值，Δ越长，预测正确率越低）设备的位置变化情况来决定是否执行切换，提高网络稳定性。
-
公开(公告)号：CN110009061A
公开(公告)日：2019-07-12
申请号：CN201910314113.1
申请日：2019-04-18
申请人： 南京邮电大学
摘要： 本发明公开了一种基于机器学习的AP自适应优化选择方法，方法应用于移动设备与AP建立WIFI连接及车联网自适应网络切换的过程中，方法包括：收集当前环境中的连接设备数据，建立训练数据集，特征集，确定阈值；根据数据集及ID3算法确认是否为单结树；若非单结树，则分割子集构建子结点生成树；递归调用，直至生成完整的决策树，以将AP分类为FAST集和SLOW集，选择FAST集中最快的AP建立连接；本发明根据机器学习模型对AP接入点进行选择以缩短连接时间，减少WIFI连接设置时间成本。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.025 秒)
