本发明公开了一种认知无线电中基于自组织映射神经网络的恶意用户判别方法，本发明利用自组织映射(简称SOM)神经网络学习输入能量矩阵的分布特征，并根据学习结果对输入量进行有效的分类。首先引入“可疑度”的概念，其大小根据每次训练后每种类别所包含的次级用户的个数进行分配。为了消除传统的SOM神经网络的缺陷，本发明进一步提出了“平均可疑度”的概念。具体步骤包括：获得能量矩阵，利用SOM神经网络算法对能量矩阵进行训练得到分类矩阵，计算每个次级用户的“可疑度”，构造索引矩阵并重复训练过程，并将每次得到的“可疑度”取平均值，即“平均可疑度”，并利用“平均可疑度”对次级用户进行分类，识别出恶意用户或是正常用户。

在一个 B2C电子商务网站中，通常都会产生大量的数据，如用户资料，用户行为信息，用户消费信息，以及其他的一些日志信息等。如何利用这些数据增进对运营和业务情况的了解，帮助我们在运营管理及营销策略等方面做出及时、正确的判断，并且提供有效的决策支持—这就是B2CMiner 的核心课题。 与同类技术产品相比，B2CMiner具有如下的特点和优势： 强大的数据挖掘引擎实现了高效的关联规则分析、分类、和聚类算法，并且为 B2C电子商务应用进行了量体裁衣地优化和改进。 多种数据源处理能力可以处理关系数据库数据源， XML 数据源，文本（日志）文件数据源。 跨平台，部署灵活软件可以运行在 Windows ，Unix 和 Linux 上；而且 B2Cminer 和 web 应用程序耦合度小，灵活部署。无论是在网站运营前还是运营中都可以方便地使用。 主要应用范围： 电子商务网站，电子政务网站。 市场应用前景： 提高电子商务网站营业额5%-10%；提高电子政务网站。

一种多输入多输出蜂窝通信系统中下行多用户多中继传输方法。其步骤主要是：A、第一个时隙，基站进行汤姆林森-哈拉希玛预编码，将数据传输给所有中继及基站服务用户。B、基站服务用户检测与中继放大：在第一时隙内，接收到信号的基站服务用户检测出原始的数据信息，中继将接收数据进行直接放大；C、第二个时隙，基站与中继进行基于干扰对齐预编码，基站传输一个新的符号给一个新基站服务用户，而中继则将放大转发的数据进行预编码发送给所有中继服务用户；D、第二个时隙的检测：在第二个时隙接收到数据的基站服务用户与所有中继服务用户检测出发送信号。该法对空分信道的自由度利用充分，频谱利用率高，系统开销低，系统定时亦不敏感。

本发明公开了一种基于群体用户行为分析的个性化推荐方法， 属于计算机网络应用技术领域。本发明提出了一套基于群体用户兴趣 变化的个性化推荐方法，通过聚合海量个体用户对商品的时序动态兴 趣度从而快速有效的获得准确度更高的推荐列表。另外再定量分析时 间因素对用户兴趣度的影响权重，通过拟合大众用户从接触商品到购 买的时间及不同时间段购买用户数量分布图，从而提高推荐的准确性。 在充分分析用户行为数据及归纳总结出用户的兴趣后，计算

（一）成果背景 分布式光伏可在用户侧就近安装与消纳，减少因长距离输送带来的线路损耗问题，在新型电力系统建设中发挥着重要作用。2021年6月，国家能源局综合司发布了《关于报送整县（市、区）屋顶分布式光伏开发试点方案的通知》，用以推动分布式光伏高质量发展、支撑新型电力系统建设。在该政策的推进下，分布式光伏容量迅猛增长。截至2021年底，国内分布式光伏装机容量已达到107.5GW，约占光伏总装机容量的三分之一，且其增长速度已经超过了集中式光伏。 （二）痛点问题 对于配电网来说，光伏出力易受天气因素影响，具有极强的随机波动特性，大规模分布式光伏接入，一方面加剧了配电网负荷短时波动，影响电力实时平衡，制约负荷预测精度提升；另一方面，分布式光伏出力特性与负荷特性的不匹配造成其难以消纳，为有源配电网运行管理带来严峻挑战。 对于电力市场交易来说，随着新一轮电力体制改革的持续深入，分布式光伏所有者作为售电商参与市场竞争成为必然趋势。分布式光伏出力的不确定性与短时剧烈波动性，使得分布式光伏电站/售电商难以制定合理的市场交易策略与电力交易合同，面临严重的市场风险。 因此，亟需精准的分布式光伏功率预测，为有源配电网调度运行、分布式光伏消纳，分布式光伏参与电力市场等提供有力数据支撑。 （三）技术方案 1、基于变分模态分解与动态图卷积网络的分布式光伏功率预测 首先利用变分模态分解各分布式光伏复杂出力序列分解为相对简单、波动较小的不同频率子序列，以减小场站间关联关系的挖掘难度。然后，基于分布式光伏场站间时空关联性处于动态变化中的考虑，利用全连接神经网络将各节点特征映射到多维空间，而后利用时域卷积挖掘跨节点关联关系，由此以数据驱动方式挖掘各频率下各场站子序列关联性，有效实现子序列动态图结构的构建。最终，基于可用于非欧式空间结构数据建模的卷积神经网络，将其与动态图结构结合，建立考虑动态时空关联性的图卷积预测模型，针对不同频率下出力子序列分别预测，而后重构得到各场站功率进而获取配电网分布式光伏总功率。 2、基于深度联邦学习的分布式光伏发电功率预测 首先，基于长短期记忆神经网络构建时域自编码器模型，该模型编码器用于提取每个时间步输入的时域特征，而后利用解码器将该特征向量转换为输出序列进行未来时间步的预测，自编码能显著增强长短期记忆神经网络的时域建模能力。而后，利用注意力机制解决其在处理长输入时间序列时会导致解码器面临特征冗余问题，且使模型聚焦于对输出更关键的时域特征。由此，利用注意力自编码预测模型通过对时域特征的有效挖掘实现功率预测精度的进一步提升。 在此基础上，开发了用于分布式光伏功率预测的联邦学习框架，在该框架中，本地用户仅需将本地模型进行共享，无需数据的传输，而后由中央服务器进行模型的聚合以实现用户间信息共享。在各本地场站进行注意力自编码预测模型的训练；在中央服务器，基于联邦平均算法实现各本地预测模型的汇聚、全局模型的生成与下发。在保证数据隐私性的前提下取得与传统集中式机器学习训练近似的预测效果。 （四）竞争优势 1、有效表征广域分布式光伏集群间时空关联特征，实现分布式光伏功率预测精度提升。 当缺乏气象实测或预报数据时，考虑分布式光伏时空相关性可有效提升分布式光伏功率预测精度。现有研究多利用各光伏场站地理距离或者整体出力表征时空相关性。这种静态建模方式在分布式光伏出力模式长期稳定的情况下，可以取得较好的预测效果。然而，易受天气因素的影响，分布式光伏出力极易发生短时波动，因而各场站关联性处于动态变化过程。以恒定的场站间关联关系去考虑这种复杂的集群出力序列，显然无法反映天气影响下分布式光伏出力短时变化，难以实现功率预测精度的有效提升。 所提的基于变分模态分解与动态图卷积网络的分布式光伏功率预测方法，利用数据驱动方式实现挖掘各场站间关联特性的动态实时挖掘。在基础上，考虑到不同模态分量下各场站间关联关系的差异性，将各场站原始功率分解为了相对简单、波动较小的不同频率模态分量，减小关联关系的挖掘难度。 2、有效保证各分布式光伏数据隐私性，且能取得与传统集中式机器学习训练方式近似的预测效果 现有的数据驱动预测方法性能在很大程度上依赖于训练数据的数量，因此大多以一种集中的训练方式实现，即中央服务器汇聚来自各场站的运行数据而后进行模型的训练。然而，这种集中训练的方式会期限数据隐私，使用户信息暴露在公共环境而导致被外部攻击者进行数据分析、行为探测等。此外，在竞争激烈的电力市场中，分布式光伏场站所有者可能不愿共享数据。这些因素使传统模型训练方式难以实现。 所提的基于深度联邦学习的分布式光伏发电功率预测方法，利用注意力自编码模型在本地场站进行建模预测，实现对本地功率时域特征的有效挖掘；利用分散式训练的联邦学习框架，实现各场站预测模型信息共享，有效保证本地用户的数据隐私的同时取得不错的预测效果。 创新点 1、考虑了场站间关联关系的动态性。对于分布式光伏，虽然场站数量众多、分布广泛，但是其位置临近，由于云团运动等气象因素导致的相关性较强。所提方法以数据驱动方式根据网络当前的各场站输入功率进行关联关系的动态表征，实现功率预测精度的有效提升。 2、在保障各分布式光伏站点数据隐私应的前提现实现信息共享。利用自编码结构进一步提升LSTM的时间序列建模能力；利用注意力机制模型聚焦于对预测更关键的输入特征，以此实现时域特征的有效挖掘。在此基础上，利用联邦学习框架聚合各本地模型，实现各站点信息聚合，实现精度有效提升。 市场前景 随着新型电力系统建设目标的推进，分布式光伏装机容量呈爆发式增长。所研成果可应用于配电网负荷预测、用户可调度容量评估、激励型需求响应基线负荷估计等场景中，为高比例分布式光伏有源配电网的安全、经济、高效运行，维持电力平衡等工作提供重要参考。同时，随着分布式光伏逐步参与到电力市场，所研成果可为分布式光伏售电商制定最优的交易策略，签订合理的价格合同提供有力数据支撑。综上所述，所研成果市场前景广阔。

本发明公开了一种三维多输入多输出下行多用户传输系统调度方法，采用均匀平面天线阵的三维多输入多输出下行多用户传输系统中两种用户调度方法，两种方法中均为每一个用户设置一个优先级，初始状态时将所有用户优先级均设置0，随后每一调度时隙首先将调度出的服务用户集合初始化为空集并将全部用户加入未调度用户集合，然后利用统计信道信息计算信干比度量或信漏比度量进行用户调度，用户调度完毕后将集合中用户的优先级均设置为0，将未调度用户集合中的用户优先级均加1直至达到最高优先级Q。本发明具有所需信道信息量小，计算复杂度低的优点，可灵活设置不同门限满足不同的用户服务质量，能够同时兼顾用户的公平性和系统吞吐量。

本发明公开了一种基于网络 KPI 的移动 Web 网页访问用户体验 感知评测方法，属于移动端 Web 网页访问技术领域。本发明包括：在 端到端的网页访问过程中，通过抓包采集并计算 HTTP 业务的各种关 键性 KPI 指标；根据采集到的各种 KPI 指标综合计算 KQI 指标；根据 得到的 KQI 指标在 Web网页访问业务中所占的重要程度的不同对其进 行加权求和，得到此业务的整体 QoE 指标。本发明的步骤简单，易于 实现，评估过程没有对正常 Web 网页访问业务网络传输产生任何影响。 本发明能够很好的体现 Web 网页访问业务的整体质量，也能根据每个 KQI 指标的得分来针对 Web 网页访问业务中的不同环节进行评估，对 那些评分较低的指标对应的模块进行有针对性的优化。

本发明提供了一种基于用户感知的高效安全数据去重方法，包 括：客户端采用密钥服务器协助的基于哈希的收敛加密进行跨用户文 件级数据去重；若文件不重复采用用户协助的收敛加密进行用户内部 的块级去重；采用多级密钥管理，使用文件级密钥加密块级密钥，使 用秘密共享将文件级密钥切分成分片级密钥存储到分布式密钥服务 器。本发明还提供了一种基于用户感知的高效安全数据去重系统。本 发明通过在文件级采用密钥服务器协助的基于哈希的收敛加密和

本发明公开了一种多用户大规模 MIMO 混合预编码能效优化方法，首先松弛约束条件，迭代求得基站能效的理论上限。然后以逼近理论上限为目标设计基带预编码矩阵和射频预编码矩阵。具体做法是，在基带，将基带预编码的求解转化为可以用内点法求解的标准的半正定松弛问题，在射频，将射频预编码的求解转化为可以用相位旋转求解的向量逼近问题。使用交替最小化的方法，迭代逼近理论上限。

对电梯运行中能耗产生机理开展研究，掌握不同电梯种类运行过程中能耗随时间变化的统计规律，为优化能量回收利用控制策略奠定基础；研究电梯配置参数和运行曲线 等对电梯能耗的影响。新型可匹配蓄能器充压非线性上升特性的恒功率变量柱塞泵的研发，曳引电梯动态特性的数字仿真分析及试验研究，通过曳引系统的功能关系，建立典 型曳引电梯的的液电混合控制动力学模型，采用专用的机电系统仿真软件进行分析。电梯运行过程关键参数的试验测试系统，建立能够模拟电梯运行的四象限加载试验系统， 对建立的能量回收利用系统进行试验考核；在实际电梯中示范应用及节能效果测试。