基于神经网络的病毒宿主预测方法、系统及存储介质

    公开(公告)号:CN117995267A

    公开(公告)日:2024-05-07

    申请号:CN202410247344.6

    申请日:2024-03-05

    发明人: 王勇 何鸿铭

    摘要: 本发明涉及机器学习领域,更具体地,基于神经网络的病毒宿主预测方法、系统及存储介质。其中方法包括:获取病毒基因序列;进行预处理;构建基于分词器和自适应特征学习嵌入层的编码模块进行编码;构建神经网络模对病毒基因序列特征相关关系进行训练,得到病毒宿主预测模型;得出病毒宿主预测结果并计算最终预测分数。本发明使用分词器和嵌入层矩阵来存储编码基因序列数据的特征信息,找出样本数据之间的特征相关关系训练为嵌入层矩阵,通过样本向量空间之间的特征相关关系来进行分类,用低维向量实现了编码,能表达出单词间的相关性。从而可以记录病毒基因组序列数据多元高阶相关关系,进而增加病毒宿主预测效果。

    一种恒流驱动智能灯具
    5.
    发明授权

    公开(公告)号:CN109788597B

    公开(公告)日:2021-11-12

    申请号:CN201711116251.6

    申请日:2017-11-13

    发明人: 王勇 王瑛 丁超

    IPC分类号: H05B45/345 H05B45/50

    摘要: 本发明提供一种恒流驱动智能灯具,包括输入模块、恒流驱动控制模块、过电保护电路模块、第一检测模块、温度补偿模块、第二检测模块和输出模块;所述输入模块与所述恒流驱动控制模块一端连接,所述恒流驱动控制模块另一端与所述过电保护电路模块一端连接,所述过电保护电路模块另一端与输出端连接;所述恒流驱动控制模块还与所述第一检测模块一端连接,所述第一检测模块另一端与温度补偿模块一端连接,所述温度补偿模块另一端与所述第二检测模块的一端连接,所述第二检测模块的另一端与输出模块连接。本发明结构简单,成本低廉,能够有效控制电压因受温度影响产生很大的飘移,进而引起反馈信号的变化,保证灯具电气性能的均匀稳定。

    一种基于拉普拉斯正则化的低秩稀疏表征图像特征学习方法

    公开(公告)号:CN108985161B

    公开(公告)日:2021-08-03

    申请号:CN201810588297.6

    申请日:2018-06-08

    IPC分类号: G06K9/00 G06K9/62

    摘要: 本发明公开一种基于拉普拉斯正则化的低秩稀疏表征图像特征学习方法,包括以下步骤:(1)将数据集随机分成训练集和测试集;(2)构建训练集的无向权重图,并计算其拉普拉斯矩阵;(3)初始化特征提取矩阵,对训练集进行初次特征提取;(4)设计一个非负低秩稀疏表征的学习模型;(5)利用LADMAP优化方法优化学习模型,得出最优的特征提取矩阵以及最优分类器模型参数;(6)对测试集样本进行预测识别,验证特征提取效果以及分类精度。本发明具有鲁棒性强,识别率高,适应性广等优点,对图像样本进行特征提取,保留的样本的信息更多,其判别性更强,可广泛用于目标识别,图像分类等。

    一种基于联盟博弈的雾节点任务卸载方法

    公开(公告)号:CN112379999A

    公开(公告)日:2021-02-19

    申请号:CN202011122102.2

    申请日:2020-10-20

    IPC分类号: G06F9/50 G06F9/445

    摘要: 本发明提供了一种基于联盟博弈的雾节点任务卸载方法,所述方法包括以下步骤:S1:收集所有雾节点的基本信息和任务信息;S2:将每个雾节点和该雾节点上的任务合并组成初始化联盟结构;S3:计算雾节点的负载和负载方差;S4:计算卸载单位任务所需要的虚拟货币;S5:遍历雾节点上的所有任务,计算得到初始化联盟结构获得的效益;S6:重复S5,遍历一遍所有雾节点,根据整体效益最大化确定任务归属,构建出稳定联盟结构;S7:确定总卸载策略。根据总卸载策略进行任务卸载,能够使所有雾节点参与计算卸载,并使雾节点间的负载尽可能均衡。

    一种基于移动设备云的计算资源长期分配方法

    公开(公告)号:CN109040206B

    公开(公告)日:2020-12-08

    申请号:CN201810795309.2

    申请日:2018-07-09

    IPC分类号: H04L29/08 H04L12/24

    摘要: 本发明公开了一种基于移动设备云的计算资源长期分配方法,包括以下步骤:(1)每个用户提交计算资源需求数量和对每个资源提供者的出价信息,每个资源提供者提交空闲资源数;(2)基站根据收集到的信息和用户的出价系数计算用户的最终出价;(3)基站公布资源分配方案并计算获胜用户的支付金额;(4)对获胜用户的出价系数进行调整;(5)重复以上步骤直到整个系统周期结束。本发明考虑了计算资源的时间相关性和预算的约束,在每轮的计算资源分配中根据用户的剩余预算调整出价系数,使移动设备云计算资源分配更加公平合理,减少用户的能耗,延长移动设备的使用寿命。

    一种基于无线传感器网络的约束最小生成树拓扑控制方法

    公开(公告)号:CN107483248B

    公开(公告)日:2020-07-21

    申请号:CN201710707380.6

    申请日:2017-08-17

    IPC分类号: H04L12/24

    摘要: 在无线传感器网络树形拓扑中,节点度数越高,意味着其邻居节点数量越多,也就意味着其信息交换量越大,不利于节约能量;相反,低节点度数意味着更小的路由表规模,更简单的转发规则,更简化的路由协议。为了减轻节点失效对网络连通性造成的影响,在链路选择过程中,尽量选择距离基站节点跳数少的节点;消息在传递过程中所经过的跳数越少,时延越小且成功率越高。为了实现降低节点通信能耗和时延,提高服务质量和均衡节点间负载等目标,提出了一种基于无线传感器网络的约束最小生成树拓扑控制算法。