-
公开(公告)号：CN109308306A
公开(公告)日：2019-02-05
申请号：CN201811151326.9
申请日：2018-09-29
Applicant: 重庆大学
IPC: G06F16/2458 , G06F16/215 , G06Q50/06
Abstract: 本发明提供了一种基于孤立森林的用户用电异常行为检测方法，包括如下步骤：S1、通过数据采集方式获得用电时序数据；S2、对数据进行清洗，以将残缺数据、错误数据、重复数据清除；S3、基于统计的特征提取；S4、数据预处理；S5、对矩阵YM×K进行归一化处理得到新矩阵YM×K'；S6、采用孤立森林模型判断出是用电异常还是用电正常：S61、从新矩阵YM×K中提取，每个用户提取ψ个统计特征，设iTree树的数量t，yij是新矩阵YM×K中第i行第j列元素；S62、计算出yij的异常分值s(yij,ψ)；S63、判断s(yij,ψ)是否小于1-Δe，Δe为0.22～0.07范围内的常数；若是，则为用电异常；若否，则用电正常。基于孤立森林的用户用电异常行为检测方法解决现有技术中因没有对数据进行处理导致后续运算较大而导致分析计算运行时间长的问题。
-
公开(公告)号：CN115858142A
公开(公告)日：2023-03-28
申请号：CN202211286709.3
申请日：2022-10-20
Applicant: 重庆大学
IPC: G06F9/50 , H04L67/568
Abstract: 本发明提出了一种基于边缘计算的分布式流行数据缓存分配方法，该方法为：基于局部边缘网络信息为每个边缘服务器构建相关的本地约束，包括基于用户数据访问方式设置数据缓存效益约束、基于边缘服务器的缓存成本设置缓存代价效益约束、基于用户数据访问方式与边缘缓存的设置方式导致的数据冗余设置缓存冗余惩罚约束，以本地约束为基础为各边缘服务器建立缓存分配方案目标函数模型；设置硬约束条件；每个边缘服务器通过消息传递对缓存分配方案目标函数进行分布式求解，得到本地流行数据缓存分配方案。该方法避免了集中式求解的全局消息收集过程，能够更有效的降低网络负载以及保证用户的隐私安全。
-
公开(公告)号：CN114969520A
公开(公告)日：2022-08-30
申请号：CN202210527650.6
申请日：2022-05-16
Applicant: 重庆大学
IPC: G06F16/9535 , G06F16/9536 , G06F40/247 , G06F40/284 , G06F40/289 , G06F40/30 , G06K9/62 , G06Q30/06
Abstract: 本发明提供了基于标签信息和商品属性的商品推荐方法、系统及设备，方法包括：获取用户对商品的评分和标注信息，基于用户标注行为和语义信息计算商品标签相似度，进行标签扩展，并计算商品间相似度，利用基于商品的协同过滤法计算得到初始评分矩阵；计算用户对商品属性的偏好信息，将偏好信息融入矩阵分解，结合初始评分矩阵，构建矩阵分解模型；基于优化后矩阵分解模型的参数、冷启动用户的商品属性偏好信息以及冷启动用户评分信息，得到冷启动用户的预测评分矩阵；基于预测评分矩阵，为冷启动用户进行商品推荐。本发明采用结合标签信息和用户偏好的矩阵分解推荐方法，从而从根源上解决了现有的对冷启动用户推荐难、推荐准确率低的问题。
-
公开(公告)号：CN104376382A
公开(公告)日：2015-02-25
申请号：CN201410668722.4
申请日：2014-11-18
Applicant: 重庆大学
IPC: G06Q10/04
Abstract: 本发明公开了一种面向大规模多Agent系统的非对称分布式约束优化算法及系统，包括以下步骤：S1，构造约束图；S2，每个Agent随机选择状态信息si,t并发送到其邻居Agent；S3，每个Agent计算初始最佳响应状态s′i,t+1后再计算增益信息GIi,t并将所述增益信息GIi,t发送到其邻居Agent；S4，每个Agent计算最佳响应s′i,t+1，计算最佳响应s′i,t+1的预测概率P并产生一个随机概率Pm，如果Pm＜P，则s′i,t+1＝s′i,t+1；否则si,t+1＝si,t；S5，每个Agent计算状态信息si,t+1的状态出现频率如果则采用随机调度方法；否则采用确定性调度，执行Agent的状态改变；发送si,t+1，令t＝t+1；S6，当t＞tmax，结束算法，否则返回步骤S3。本发明适用于大规模多Agent的协调优化问题，解决有用户偏好以及不确定环境下多Agent系统的优化控制。
-
公开(公告)号：CN119520191A
公开(公告)日：2025-02-25
申请号：CN202411624247.0
申请日：2024-11-14
Applicant: 重庆大学
Abstract: 本发明提出了一种多智能体系统DFS伪树通信方法、结构及其应用。该多智能体系统DFS伪树通信方法为：构建多智能体系统DFS伪树；确定DFS伪树的最佳割点以及根节点，确定最佳邻居节点；多智能体初始化本地数据，由根节点触发消息驱动的搜索过程，当待搜索节点数小于2时，选择该节点；当待搜索节点数大于或等于2时，优先选择最佳割点作为下一个搜索节点，若不存在割点，则优先选择最佳邻居节点作为下一个搜索节点，直至搜索完毕，终止根节点运行。本发明可以有效解决复杂环境下的多智能体协同问题，具备高效性以及良好的扩展性，尤其是在大规模导弹系统协同航路规划中的应用中具有显著优势。
-
Patent Agency Ranking
公开(公告)号：CN112732442B
公开(公告)日：2023-08-25
申请号：CN202110031640.9
申请日：2021-01-11
Applicant: 重庆大学
IPC: G06F9/50
Abstract: 本发明提出了一种边缘计算负载均衡的分布式模型及其求解方法，其中，边缘计算负载均衡的分布式模型，包括：设置智能体：设一个智能体表示一个边缘服务器Si∈S，S＝{S1，S2，...，Sm}表示m个边缘服务器的集合；设置变量：一个智能体的变量由一个或若干个三元组组成；设置值域：一个智能体的变量值域由三个部分组成，第一、任务Tx∈T；第二、表示智能体的某一个邻居智能体，那值域即为第三、对于当前所在智能体其值域为所有智能体。该边缘服务器负载均衡性计算方法解决现有技术中边缘服务器无法实现负载均衡的问题。
-
公开(公告)号：CN103995750B
公开(公告)日：2017-03-22
申请号：CN201410244687.3
申请日：2014-06-04
Applicant: 重庆大学
IPC: G06F9/50
Abstract: 本发明提出了一种多Agent系统非对称分布式约束优化方法，包括如下步骤：控制器接收Agent信息并获得非对称关系，构建Agent连接图；根据Agent连接图中的节点间的连接关系，建立基于排序的链式结构；将Agent连接图按照深度优先的方式构造深度优先树；通过分枝定界策略，计算不同深度优先树的根节点的权重值，最终获取更优的树形结构；依赖得到更优的树形结构，调整多Agent系统中的Agent行为参数。本发明针对多Agent系统的非对称特征，引入预测机制，弥补不完全信息决策的不足，使Agent能预估自己行为的影响，获取更有效的策略，在一定程度上改变收益非单调特性，达到个体利益和全局利益的平衡。
-
公开(公告)号：CN117312289A
公开(公告)日：2023-12-29
申请号：CN202311333363.2
申请日：2023-10-16
Applicant: 重庆大学
IPC: G06F16/215 , G06F16/27 , G06F18/10 , H04L67/568 , H04L67/1008
Abstract: 本发明属于边缘计算技术领域，具体公开了一种边缘计算重复数据删除方法及系统，该方法通过将边缘计算中的所有服务器均作为智能体，每个智能体与所有邻居智能体传输信息；利用数据删除损失、重复数据删除效益和负载均衡效益建立目标函数，数据删除损失表示网络局部内两邻近服务器的删除方案对其覆盖范围内的用户服务质量的影响，重复数据删除效益表示衡量服务器删除本地缓存数据后，局部重复数据的保留情况，负载均衡效益表示网络边缘两邻近服务器执行删除分配方案后，两服务器间缓存占用情况；在硬约束条件下，求解目标函数，得到重复数据删除方案。采用本技术方案，通过与邻居信息交互，根据本地及局部信息做出决策并对问题求解，并保护隐私。
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.02 seconds)
