-
公开(公告)号：CN118870433A
公开(公告)日：2024-10-29
申请号：CN202411140656.3
申请日：2024-08-20
Applicant: 吉林大学
Abstract: 本发明公开了一种基于离散软演员‑评论家算法的MEC任务卸载决策方法，建立MEC卸载模型；对车联网移动边缘计算中所有车辆用户的任务加权时延进行数学建模，车辆用户的任务加权时延最小化为目标进行任务卸载决策优化，并利用深度强化学习方法解决此优化问题；然后采用离散软演员‑评论家算法作为深度强化学习模型的基本结构；然后将任务卸载决策优化问题转化为马尔科夫决策过程，对状态空间、动作空间、奖励函数、算法的网络结构进行设计；然后形成基于离散软演员‑评论家算法的任务调度算法；最后对算法的任务卸载决策优化；通过本方法可以在不同总计算资源大小及不同任务数据大小的情况下均能够实现对任务处理时延进行显著优化。
-
公开(公告)号：CN117876250A
公开(公告)日：2024-04-12
申请号：CN202410151966.9
申请日：2024-02-02
Applicant: 吉林大学
Abstract: 本发明公开了一种基于低秩张量双因素联合优化的高光谱图像降噪方法，根据对高光谱图像的广义去噪模型定义式，建立基于图像先验和因子分解方法结合的去噪优化模型，引入了L2,p范数作为约束的正则项并使用分区近似算法将此优化模型转化为多个子问题交替迭代更新的形式；然后分别对每个子问题进行优化求解，分别使用管纤维分解、西尔维斯特矩阵方程、奇异值分解法、快速傅里叶变换法等求解各子问题，最后通过检查是否满足收敛条件进行输出去噪结果；通过本方法可以在高光谱图像被高斯噪声、稀疏噪声单独污染和共同污染的情况下还原原纯净图像，与一些经典算法的对比，能保留更多的图像信息，同时拥有较快的运算速度。
-
Search Results
2
records
(took 0.018 seconds)
