CN110650484A - 清洗干扰信号的方法与装置、存储介质及计算机设备 - Google Patents

清洗干扰信号的方法与装置、存储介质及计算机设备 Download PDF

Info

Publication number
CN110650484A
CN110650484A CN201910821994.6A CN201910821994A CN110650484A CN 110650484 A CN110650484 A CN 110650484A CN 201910821994 A CN201910821994 A CN 201910821994A CN 110650484 A CN110650484 A CN 110650484A
Authority
CN
China
Prior art keywords
cleaning
signal
signals
interference
interference signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910821994.6A
Other languages
English (en)
Other versions
CN110650484B (zh
Inventor
黄兴鲁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Digital Media Technology Co Ltd
Original Assignee
Shenzhen Digital Media Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Digital Media Technology Co Ltd filed Critical Shenzhen Digital Media Technology Co Ltd
Priority to CN201910821994.6A priority Critical patent/CN110650484B/zh
Publication of CN110650484A publication Critical patent/CN110650484A/zh
Application granted granted Critical
Publication of CN110650484B publication Critical patent/CN110650484B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22—Traffic simulation tools or models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0231—Traffic management, e.g. flow control or congestion control based on communication conditions
    • H04W28/0236—Traffic management, e.g. flow control or congestion control based on communication conditions radio quality, e.g. interference, losses or delay
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W48/00—Access restriction; Network selection; Access point selection
    • H04W48/02—Access restriction performed under specific conditions

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种清洗干扰信号的方法与装置、存储介质及计算机设备，其中该清洗干扰信号的方法包括：接收客户端发送的多个热点信号，多个所述热点信号由所述客户端从与其位置对应的周边环境获取；将多个所述热点信号输入目标信号清洗模型，所述目标信号清洗模型设有用于清洗干扰信号的目标信号清洗脚本；执行所述目标信号清洗脚本，清洗多个所述热点信号中的干扰信号。本发明解决了现有技术中，无用信号对业务的操作造成干扰，影响业务正常操作的问题。

Description

清洗干扰信号的方法与装置、存储介质及计算机设备
技术领域
本发明涉及信号处理应用技术领域，特别是涉及一种清洗干扰信号的方法与装置、存储介质及计算机设备。
背景技术
手机Wifi热点是将手机接收的GPRS、3G或4G信号转化为Wifi信号发出去的技术，让手机、平板或笔记本等随身携带设备可以通过无线网卡或Wlan模块，在户外或者没有网络的地方也能上网，实现网络资源共享。车载蓝牙终端是面向公交、客车、私家车和游轮等公共交通工具推出的特种上网设备，蓝牙终端通过无线接入互联网获取信息、娱乐或移动办公的业务模式。在现有技术中，无线信号(比如Wifi信号、基站信号、蓝牙信号、地磁信号、光强信号和GPS信号等)的覆盖范围越来越广泛，一般来说，每个地理位置的无线信号是比较固定的，因此可以根据无线信号去做定位之类的业务。但是对于手机热点信号和车载蓝牙信号这类经常移动的特征信号，在做业务的时候往往会产生比较大的干扰，所以需要将这些干扰信号进行清洗。无用信号对业务的干扰情况，根据业务的不同，干扰信号对应的信号类型也不同，比如对于定位业务来说，业务的干扰信号类型就是指经常移动的热点信号。
发明内容
本发明实施例提供一种清洗干扰信号的方法与装置、存储介质及计算机设备，以解决现有技术中，无用信号对业务的操作造成干扰，影响业务正常操作的问题。
为解决上述技术问题，本发明实施例采用的第一技术方案如下：
一种清洗干扰信号的方法，其包括：接收客户端发送的多个热点信号，多个所述热点信号由所述客户端从与其位置对应的周边环境获取；将多个所述热点信号输入目标信号清洗模型，所述目标信号清洗模型设有用于清洗干扰信号的目标信号清洗脚本；执行所述目标信号清洗脚本，清洗多个所述热点信号中的干扰信号。
可选地，在所述接收客户端发送的多个热点信号之前，所述目标信号清洗模型已经生成。
可选地，生成所述目标信号清洗模型的方法，包括：获取干扰信号黑名单数据，所述干扰信号黑名单数据包括移动终端热点信号数据和车载蓝牙信号数据；将所述干扰信号黑名单数据输入人工神经网络进行训练；当经过所述人工神经网络训练后的所述干扰信号黑名单数据被完全过滤掉时停止训练，并将此时的所述人工神经网络作为所述目标信号清洗模型。
可选地，所述目标信号清洗脚本的编写包括：加载所述干扰信号黑名单数据，根据所述干扰信号黑名单数据构建DFA算术法；基于所述DFA算术法编写所述目标信号清洗脚本。
可选地，所述获取干扰信号黑名单数据，包括：获取干扰信号的命名规则；根据所述命名规则生成所述干扰信号黑名单数据。
可选地，所述根据所述命名规则生成所述干扰信号黑名单数据，包括：获取与所述命名规则对应的全部干扰信号数据；获取全部所述干扰信号数据对应的干扰信号名称，根据全部的所述干扰信号名称生成所述干扰信号黑名单数据。
可选地，所述获取与所述命名规则对应的全部干扰信号数据，包括：通过大数据筛选的方法，获取与所述命名规则对应的全部干扰信号数据。
为解决上述技术问题，本发明实施例采用的第二技术方案如下：
一种的清洗干扰信号的装置，其包括：接收模块，用于接收客户端发送的多个热点信号，多个所述热点信号由所述客户端从与其位置对应的周边环境获取；输入模块，用于将多个所述热点信号输入目标信号清洗模型，所述目标信号清洗模型设有用于清洗干扰信号的目标信号清洗脚本；执行模块，用于执行所述目标信号清洗脚本，清洗多个所述热点信号中的干扰信号。
为解决上述技术问题，本发明实施例采用的第三技术方案如下：
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现如上述的清洗干扰信号的方法。
为解决上述技术问题，本发明实施例采用的第四技术方案如下：
一种计算机设备，其包括处理器、存储器及存储于所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的清洗干扰信号的方法。
本发明实施例的有益效果是：区别于现有技术的情况，本发明实施例通过接收客户端发送的多个热点信号，并将多个热点信号输入目标信号清洗模型，执行目标信号清洗模型对应的目标信号清洗脚本，清洗多个热点信号中的干扰信号，解决了现有技术中，无用信号对业务的操作造成干扰，影响业务正常操作的问题。
附图说明
图1是本发明实施例一的清洗干扰信号的方法一实施方式的实施流程图；
图2是本发明实施例二的清洗干扰信号的装置一实施方式的部分结构框架图；
图3是本发明实施例三的计算机可读存储介质一实施方式的部分结构框架图；
图4是本发明实施例四的计算机设备一实施方式的部分结构框架图。
具体实施方式
实施例一
请参阅图1，图1是本发明实施例的清洗干扰信号的方法的实施流程图，结合图1可以得到，本发明的一种清洗干扰信号的方法，包括以下步骤：
步骤S101：接收客户端发送的多个热点信号，多个所述热点信号由所述客户端从与其位置对应的周边环境获取。一般来说，客户端的周围环境有很多个热点信号，这些热点信号包括一些移动热点信号，如手机热点信号和车载蓝牙信号，这些移动热点信号通常不会固定在一个地方，这给类似定位这样的业务操作带来了干扰。
步骤S102：将多个所述热点信号输入目标信号清洗模型，所述目标信号清洗模型设有用于清洗干扰信号的目标信号清洗脚本。在本步骤中，在所述接收客户端发送的多个热点信号之前，所述目标信号清洗模型已经生成。
步骤S103：执行所述目标信号清洗脚本，清洗多个所述热点信号中的干扰信号，这些干扰信号主要是移动热点信号。
在本实施例中，可选地，生成所述目标信号清洗模型的方法，包括：
第一，获取干扰信号黑名单数据，所述干扰信号黑名单数据包括移动终端热点信号数据和车载蓝牙信号数据。信号黑名单数据由人工输入，信号黑名单数据主要包括移动热点信号数据。
第二，将所述干扰信号黑名单数据输入人工神经网络进行训练。训练的目的是让所述人工神经网络达到识别和过滤干扰信号黑名单，训练达到这个目的之后，人工神经网络就转换成了所述目标信号清洗模型。
第三，当经过所述人工神经网络训练后的所述干扰信号黑名单数据被完全过滤掉时停止训练，并将此时的所述人工神经网络作为所述目标信号清洗模型。
人工神经网络(Artificial Neural Networks，简写为ANNs)是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的，并具有自学习和自适应的能力。神经网络是一种运算模型，由大量的节点(或称神经元)和之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。
在本实施例中，可选地，所述目标信号清洗脚本的编写包括以下步骤：
第一，加载所述干扰信号黑名单数据，根据所述干扰信号黑名单数据构建DFA算术法。
第二，基于所述DFA算术法编写所述目标信号清洗脚本。
在本实施例中，DFA全称为：Deterministic FiniteAutomaton，即确定有穷自动机，其特征为：有一个有限状态集合和一些从一个状态通向另一个状态的边，每条边上标记有一个符号，其中一个状态是初态，某些状态是终态。但不同于不确定的有限自动机，DFA中不会有从同一状态出发的两条边标志有相同的符号。简单来说，它是是通过event(事件)和当前的state(状态)得到下一个state，即event+state＝nextstate(下一状态)。理解为系统中有多个节点，通过传递进入的event，来确定走哪个路由至另一个节点，而节点是有限的。
在本实施例中，可选地，所述获取干扰信号黑名单数据，包括：
第一，获取干扰信号的命名规则，包括移动终端热点信号和车载蓝牙信号在内的干扰信号的命名具有一定的规则，可以通过这些命名规则识别和过滤干扰信号。
第二，根据所述命名规则生成所述干扰信号黑名单数据，即根据所述命名规则获取到干扰信号的名单，并将这些干扰信号的名单整理成干扰信号黑名单数据。
在本实施例中，可选地，所述根据所述命名规则生成所述干扰信号黑名单数据，包括：
第一，获取与所述命名规则对应的全部干扰信号数据。
第二，获取全部所述干扰信号数据对应的干扰信号名称，根据全部的所述干扰信号名称生成所述干扰信号黑名单数据。
在本实施例中，可选地，所述获取与所述命名规则对应的全部干扰信号数据，包括：
通过大数据筛选的方法，获取与所述命名规则对应的全部干扰信号数据。
本发明实施例通过接收客户端发送的多个热点信号，并将多个热点信号输入目标信号清洗模型，执行目标信号清洗模型对应的目标信号清洗脚本，清洗多个热点信号中的干扰信号，解决了现有技术中，无用信号对业务的操作造成干扰，影响业务正常操作的问题。本发明可以避免无用的数据浪费服务器资源，通过剔除请求热点信号当中的干扰信号黑名单数据，减少数据的存储量以及业务逻辑运算的数据量，可以避免干扰信号黑名单数据影响业务结果的准确率，例如移动手机热点信号以及车载蓝牙信号对定位服务会产生比较大的干扰，造成定位结果不准确，剔除这部分数据可以极大的提高体位结果的准确性。
实施例二
请参阅图2，图2是本发明实施例的清洗干扰信号的装置的部分结构框架图，结合图2可以得到，本发明的一种清洗干扰信号的装置100，包括：
接收模块110，用于接收客户端发送的多个热点信号，多个所述热点信号由所述客户端从与其位置对应的周边环境获取。
输入模块120，用于将多个所述热点信号输入目标信号清洗模型，所述目标信号清洗模型设有用于清洗干扰信号的目标信号清洗脚本。
执行模块130，用于执行所述目标信号清洗脚本，清洗多个所述热点信号中的干扰信号。
本发明实施例通过接收客户端发送的多个热点信号，并将多个热点信号输入目标信号清洗模型，执行目标信号清洗模型对应的目标信号清洗脚本，清洗多个热点信号中的干扰信号，解决了现有技术中，无用信号对业务的操作造成干扰，影响业务正常操作的问题。本发明可以避免无用的数据浪费服务器资源，通过剔除请求热点信号当中的干扰信号黑名单数据，减少数据的存储量以及业务逻辑运算的数据量，可以避免干扰信号黑名单数据影响业务结果的准确率，例如移动手机热点信号以及车载蓝牙信号对定位服务会产生比较大的干扰，造成定位结果不准确，剔除这部分数据可以极大的提高体位结果的准确性。
实施例三
请参阅图3，参考图3可以看到，本发明实施例的一种计算机可读存储介质10，所述的计算机可读存储介质10，如：ROM/RAM、磁碟、光盘等，其上存储有计算机程序11，所述计算机程序11被执行时实现如实施例一所述的清洗干扰信号的方法。由于该清洗干扰信号的方法已经在实施例一进行了详细的说明，在此不再重复说明。
本发明实施例实现的清洗干扰信号的方法，通过接收客户端发送的多个热点信号，并将多个热点信号输入目标信号清洗模型，执行目标信号清洗模型对应的目标信号清洗脚本，清洗多个热点信号中的干扰信号，解决了现有技术中，无用信号对业务的操作造成干扰，影响业务正常操作的问题。本发明可以避免无用的数据浪费服务器资源，通过剔除请求热点信号当中的干扰信号黑名单数据，减少数据的存储量以及业务逻辑运算的数据量，可以避免干扰信号黑名单数据影响业务结果的准确率，例如移动手机热点信号以及车载蓝牙信号对定位服务会产生比较大的干扰，造成定位结果不准确，剔除这部分数据可以极大的提高体位结果的准确性。
实施例四
请参阅图4，参考图4可以看到，本发明实施例的一种计算机设备20，其包括处理器21、存储器22及存储于所述存储器22上并可在所述处理器21上运行的计算机程序221，所述处理器21执行所述计算机程序221时实现如实施例一所述的清洗干扰信号的方法。由于该清洗干扰信号的方法已经在实施例一进行了详细的说明，在此不再重复说明。
本发明实施例实现的清洗干扰信号的方法，通过接收客户端发送的多个热点信号，并将多个热点信号输入目标信号清洗模型，执行目标信号清洗模型对应的目标信号清洗脚本，清洗多个热点信号中的干扰信号，解决了现有技术中，无用信号对业务的操作造成干扰，影响业务正常操作的问题。本发明可以避免无用的数据浪费服务器资源，通过剔除请求热点信号当中的干扰信号黑名单数据，减少数据的存储量以及业务逻辑运算的数据量，可以避免干扰信号黑名单数据影响业务结果的准确率，例如移动手机热点信号以及车载蓝牙信号对定位服务会产生比较大的干扰，造成定位结果不准确，剔除这部分数据可以极大的提高体位结果的准确性。
以上所述仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种清洗干扰信号的方法，其特征在于，包括：
接收客户端发送的多个热点信号，多个所述热点信号由所述客户端从与其位置对应的周边环境获取；
将多个所述热点信号输入目标信号清洗模型，所述目标信号清洗模型设有用于清洗干扰信号的目标信号清洗脚本；
执行所述目标信号清洗脚本，清洗多个所述热点信号中的干扰信号。
2.根据权利要求1所述的清洗干扰信号的方法，其特征在于，在所述接收客户端发送的多个热点信号之前，所述目标信号清洗模型已经生成。
3.根据权利要求2所述的清洗干扰信号的方法，其特征在于，生成所述目标信号清洗模型的方法，包括：
获取干扰信号黑名单数据，所述干扰信号黑名单数据包括移动终端热点信号数据和车载蓝牙信号数据；
将所述干扰信号黑名单数据输入人工神经网络进行训练；
当经过所述人工神经网络训练后的所述干扰信号黑名单数据被完全过滤掉时停止训练，并将此时的所述人工神经网络作为所述目标信号清洗模型。
4.根据权利要求3所述的清洗干扰信号的方法，其特征在于，所述目标信号清洗脚本的编写包括：
加载所述干扰信号黑名单数据，根据所述干扰信号黑名单数据构建DFA算术法；
基于所述DFA算术法编写所述目标信号清洗脚本。
5.根据权利要求3所述的清洗干扰信号的方法，其特征在于，所述获取干扰信号黑名单数据，包括：
获取干扰信号的命名规则；
根据所述命名规则生成所述干扰信号黑名单数据。
6.根据权利要求5所述的清洗干扰信号的方法，其特征在于，所述根据所述命名规则生成所述干扰信号黑名单数据，包括：
获取与所述命名规则对应的全部干扰信号数据；
获取全部所述干扰信号数据对应的干扰信号名称，根据全部的所述干扰信号名称生成所述干扰信号黑名单数据。
7.根据权利要求6所述的清洗干扰信号的方法，其特征在于，所述获取与所述命名规则对应的全部干扰信号数据，包括：
通过大数据筛选的方法，获取与所述命名规则对应的全部干扰信号数据。
8.一种的清洗干扰信号的装置，其特征在于，包括：
接收模块，用于接收客户端发送的多个热点信号，多个所述热点信号由所述客户端从与其位置对应的周边环境获取；
输入模块，用于将多个所述热点信号输入目标信号清洗模型，所述目标信号清洗模型设有用于清洗干扰信号的目标信号清洗脚本；
执行模块，用于执行所述目标信号清洗脚本，清洗多个所述热点信号中的干扰信号。
9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被执行时实现权利要求1～7任一项所述的清洗干扰信号的方法。
10.一种计算机设备，其特征在于，其包括处理器、存储器及存储于所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1～7任一项所述的清洗干扰信号的方法。
CN201910821994.6A 2019-09-02 2019-09-02 清洗干扰信号的方法与装置、存储介质及计算机设备 Active CN110650484B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910821994.6A CN110650484B (zh) 2019-09-02 2019-09-02 清洗干扰信号的方法与装置、存储介质及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910821994.6A CN110650484B (zh) 2019-09-02 2019-09-02 清洗干扰信号的方法与装置、存储介质及计算机设备

Publications (2)

Publication Number Publication Date
CN110650484A true CN110650484A (zh) 2020-01-03
CN110650484B CN110650484B (zh) 2022-10-28

Family

ID=68991437

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910821994.6A Active CN110650484B (zh) 2019-09-02 2019-09-02 清洗干扰信号的方法与装置、存储介质及计算机设备

Country Status (1)

Country Link
CN (1) CN110650484B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040075606A1 (en) * 2002-10-22 2004-04-22 Jaawa Laiho Method and system for location estimation analysis within a communication network
US20130252636A1 (en) * 2012-03-21 2013-09-26 John Chang Hot Spot Detection
CN104540218A (zh) * 2014-12-23 2015-04-22 厦门雅迅网络股份有限公司 一种wifi信号有效性过滤方法
CN105334493A (zh) * 2015-10-09 2016-02-17 北京航空航天大学 一种基于wlan的室内定位方法
CN106412910A (zh) * 2016-10-27 2017-02-15 上海斐讯数据通信技术有限公司 一种智能筛选ssid接入点的方法和无线终端
CN107070687A (zh) * 2016-12-26 2017-08-18 南京理工大学 基于集成神经网络的wifi定位方法
CN107995626A (zh) * 2017-12-04 2018-05-04 锐捷网络股份有限公司 一种用于识别无线局域网中wifi信号安全类别的方法和装置
CN109362118A (zh) * 2018-12-03 2019-02-19 武汉奥浦信息技术有限公司 一种基于便携式设备的wifi压制拦截方法
CN110012469A (zh) * 2019-04-29 2019-07-12 四川英得赛克科技有限公司 一种工业控制环境下无线热点合法性快速判别方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040075606A1 (en) * 2002-10-22 2004-04-22 Jaawa Laiho Method and system for location estimation analysis within a communication network
US20130252636A1 (en) * 2012-03-21 2013-09-26 John Chang Hot Spot Detection
CN104540218A (zh) * 2014-12-23 2015-04-22 厦门雅迅网络股份有限公司 一种wifi信号有效性过滤方法
CN105334493A (zh) * 2015-10-09 2016-02-17 北京航空航天大学 一种基于wlan的室内定位方法
CN106412910A (zh) * 2016-10-27 2017-02-15 上海斐讯数据通信技术有限公司 一种智能筛选ssid接入点的方法和无线终端
CN107070687A (zh) * 2016-12-26 2017-08-18 南京理工大学 基于集成神经网络的wifi定位方法
CN107995626A (zh) * 2017-12-04 2018-05-04 锐捷网络股份有限公司 一种用于识别无线局域网中wifi信号安全类别的方法和装置
CN109362118A (zh) * 2018-12-03 2019-02-19 武汉奥浦信息技术有限公司 一种基于便携式设备的wifi压制拦截方法
CN110012469A (zh) * 2019-04-29 2019-07-12 四川英得赛克科技有限公司 一种工业控制环境下无线热点合法性快速判别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JING ZOU，XIANSHENG GUO，ETC.: "Deep Regression Model for Received Signal Strength based WiFi Localization", 《 2018 IEEE 23RD INTERNATIONAL CONFERENCE ON DIGITAL SIGNAL PROCESSING (DSP)》 *
叶玲: "基于RSSI的WiFi室内定位关键算法研究与实现", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *
方晖: "无线wifi最优热点组网通信技术的研究与仿真", 《计算机仿真》 *

Also Published As

Publication number Publication date
CN110650484B (zh) 2022-10-28

Similar Documents

Publication Publication Date Title
US10474790B2 (en) Large scale distributed simulation for realistic multiple-agent interactive environments
US9509788B2 (en) Social network graph based sensor data analytics
CN108923983B (zh) 机会网络链路的预测方法、装置及可读存储介质
US11048803B2 (en) Portable security testing device
US20210117628A1 (en) Image Object Disambiguation Resolution Using Learner Model Based Conversation Templates
CN116363452B (zh) 任务模型训练方法以及装置
US20230297844A1 (en) Federated learning using heterogeneous labels
CN1640087B (zh) 对网络运行支持系统的策略使能并基于契约的管理
Upadhyaya Investigating a general service retrial queue with damaging and licensed units: an application in local area networks
Qian et al. DROP: Deep relocating option policy for optimal ride-hailing vehicle repositioning
CN110650484B (zh) 清洗干扰信号的方法与装置、存储介质及计算机设备
Mockel et al. Artificial Intelligence and 5G Mobile Technology Can Drive Investment Opportunities in Emerging Markets
US11836471B2 (en) Methods for prioritizing updates for vehicle fleets
CN114511100A (zh) 一种支持多引擎框架的图模型任务实现方法和系统
US11333519B2 (en) Dynamic map generation with focus on construction and localization field of technology
Loke Heuristics for spatial finding using iterative mobile crowdsourcing
CN110598056A (zh) 节点布局确定方法以及装置
CN115099401B (zh) 基于世界建模的持续学习框架的学习方法、装置及设备
CN109947800A (zh) 数据处理方法、装置、设备和介质
Ranjan The Lattice: An intelligent grid for connected car Industry
CN114565197B (zh) 无人车的运营路径的生成方法及装置
US20240168974A1 (en) Information system for generation of complex molecule by using graph representing molecule
de Mendonça et al. P2PIoT: A peer-to-peer communication model for the internet of things
CN114374608B (zh) 切片实例备份任务调度方法、装置和电子设备
US20240015077A1 (en) Information processing method, method for generating and training module, electronic device, and medium

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 518000 1001, Beiyou science and technology building, No.42, Gaoxin South Ring Road, high tech Zone community, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province

Applicant after: Shenzhen digital Big Data Technology Co.,Ltd.

Address before: 518000 18 / F, unit 1, building B, Kexing Science Park, 15 Keyuan Road, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province

Applicant before: SHENZHEN SHUWEI MEDIA TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant