-
题名用户需求驱动的5G基站选址方法
被引量：1
- 1
-
-
作者
黄文辉
王笳辉
周丽萍
岳昆
-
机构
云南大学信息学院
云南省智能系统与计算重点实验室(云南大学)
《云南大学学报(自然科学版)》编辑部
-
出处
《计算机研究与发展》
北大核心
2025年第3期672-681,共10页
-
基金
云南省重大科技专项计划项目(202202AD080001)
云南省智能系统与计算重点实验室项目(202405AV340009)。
-
文摘
随着5G网络的不断发展和相关应用的快速普及,用户设备数量及潜在需求急剧增加.然而,5G信号的高频特性导致其传播损耗较大,为实现5G网络对用户设备更好的覆盖,需要以低成本、高效率为目标对已建5G基站站址进行优化或指导新建基站选址.现有选址方法大多采用启发式算法进行站址优化,当候选5G基站站址数量增加时,算法的收敛时间会呈指数级上升,为站址优化带来了诸多挑战.因此,从用户的通信需求出发,提出了一种用户需求驱动的5G基站选址方法.利用规划区域网格化方法来降低基站所覆盖用户需求点的计算时间复杂度,提出基站间分离度的概念并使用基站所覆盖的需求点数对其进行度量,进而给出满足子模性的目标函数,利用贪心算法得到基站最优选址方案.实验结果表明,用户需求驱动的选址方法在各项评价指标上均优于其他对比算法,在相同的基站规划区域内,能用最少的基站数量达到最大覆盖率.
-
关键词
5G基站站址
站址选择
用户需求
分离度
子模性
贪心算法
-
Keywords
5G base station site
location selection
user demand
separate degree
submodularity
greedy algorithm
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
-
题名基于结构熵的属性图异常检测
- 2
-
-
作者
吴江豪
段亮
岳昆
李昂生
杨培忠
-
机构
云南省智能系统与计算重点实验室(云南大学)
云南大学信息学院
北京航空航天大学计算机学院
-
出处
《软件学报》
北大核心
2025年第11期5031-5044,共14页
-
基金
国家自然科学基金区域创新发展联合基金重点项目(U23A20298)
云南省智能系统与计算重点实验室项目(202405AV340009)。
-
文摘
属性图越来越多地用于描述带有关联关系的数据,其异常检测日益受到关注.由于属性图具有属性信息丰富、结构信息复杂等特点,存在全局、结构和社区等多种类型的异常,且异常特性往往隐藏于图的深度结构信息中,现有方法仍存在结构信息丢失、异常节点检测困难等问题.结构信息论使用编码树表示数据中的层次关系、通过最小化结构熵生成不同层次之间的关联,可有效度量图中所蕴含的实质结构,研究基于结构熵的属性图异常检测方法.首先,综合考虑属性图的结构和属性信息,通过最小化图的结构熵,构造属性图的K维编码树,以描述其中的层次社区结构.然后,充分利用编码树中的节点属性和层次社区信息,基于节点间的欧氏距离和连接程度,设计结构异常和属性异常的评分机制,从而确定属性图中的异常节点、检测多种类型的异常.在多个属性图数据集上对所提方法进行对比测试,实验结果表明,所提方法能有效检测属性图的各类异常且显著优于现有方法.
-
关键词
属性图
异常检测
结构信息论
编码树
结构熵
层次社区结构
-
Keywords
attributed graph
anomaly detection
structural information theory
encoding tree
structural entropy
hierarchical community structure
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于自编码器的贝叶斯网嵌入及概率推理
被引量：4
- 3
-
-
作者
杜斯
祁志卫
岳昆
段亮
王笳辉
-
机构
云南大学信息学院
云南省智能系统与计算重点实验室(云南大学)
-
出处
《软件学报》
EI
CSCD
北大核心
2023年第10期4804-4820,共17页
-
基金
国家自然科学基金(62002311)
云南省基础研究计划杰出青年项目(2019FJ011)
+1 种基金
云南省重大科技专项(202002AD080002)
云南省基础研究项目(202001BB050052)。
-
文摘
贝叶斯网(BN)是不确定性知识表示和推理的基本框架,广泛用于社交网络、知识图谱和医疗诊断等领域.特定领域中基于BN的分析诊断和决策支持,其核心计算任务是基于BN进行多次概率推理.然而,使用传统的概率推理方法,基于同一BN的多次概率推理其中间过程存在很多重复的计算结果,具有较高的时间复杂度.为了提高多次概率推理的效率,提出易于重用和易于计算的贝叶斯网嵌入及相应的概率推理方法.首先,借鉴图嵌入的基本思想,使用点互信息矩阵来表示BN的有向无环图结构和条件概率参数,提出基于自编码器和注意力机制的BN嵌入方法.其中,自编码器的每一编码层利用节点与其邻居节点(父节点和子节点)的相关性生成节点嵌入,从而在嵌入向量中保存BN节点间的概率依赖关系.然后,使用嵌入向量之间的距离来度量节点之间的联合概率,提出基于嵌入向量的BN概率推理方法.实验证明,针对BN的多次概率推理,所提方法的效率高于现有方法,且能得到准确的推理结果.
-
关键词
贝叶斯网
高效概率推理
图嵌入
自编码器
注意力机制
-
Keywords
Bayesian network(BN)
efficient probabilistic inference
graph embedding
autoencoder
attention mechanism
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
