买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉河北工业大学申请的专利基于RNN双模型的数据流频率估计方法及应用获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115269321B 。

龙图腾网通过国家知识产权局官网在2026-05-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210877881.X，技术领域涉及：G06F11/30；该发明授权基于RNN双模型的数据流频率估计方法及应用是由杨亮;何政波;张亚娟;许晓笛;温先斌设计研发完成，并于2022-07-25向国家知识产权局提交的专利申请。

本基于RNN双模型的数据流频率估计方法及应用在说明书摘要公布了：本发明为基于RNN双模型的数据流频率估计方法，该估计方法结合当下流行的循环神经网络模型，将频率估计和神经网络结合在一起，基于RNN和Conservative‑UpdateSketch实现了更好的误差控制和更加精确的频率估计。该方法对数据流中数据项的频率进行估计，通过两个RNN神经网络模型对数据流进行分类，将高频数据和低频数据分开存储，降低高频数据和低频数据之间的哈希冲突，从而提高数据流频率估计的精度，由于高频数据单独存储，可以减少高频数据哈希计算的次数，在一定程度上提高了数据流的处理效率。该估计方法应用在网络流量监测中，能够监测网络的突发情况，提高监测的精度和效率。

本发明授权基于RNN双模型的数据流频率估计方法及应用在权利要求书中公布了：1.一种基于RNN双模型的数据流频率估计方法，其特征在于，该估计方法的流程是： 1数据获取单元：获得历史数据流，确定历史数据流频率估计的目标，对历史数据流中的数据进行打标，打标的标签分别为低频数据、全局高频数据和局部高频数据，建立数据集； 2构建RNN双模型 所述RNN双模型包括RNN-Global模型和RNN-Local模型，RNN-Global模型和RNN-Local模型串联，两个RNN模型都采用n-to-one结构，RNN-Global模型用于判断数据是否为全局高频数据，RNN-Local模型用于继续对通过RNN-Global模型判断不是全局高频数据的数据进行预测，判断是否为局部高频数据；如果数据被RNN-Global模型判定为全局高频数据就跳出RNN双模型；如果被RNN-Global模型判定为低频数据，那么还会经过RNN-Local模型判定是否为局部高频数据； 利用步骤1的数据集训练RNN双模型，获得训练好的RNN双模型，待估计的数据流经过训练好的RNN双模型被分类为低频、全局高频和局部高频三个类型的数据； 3数据存储更新 RNN双模型判定一个数据为低频数据，该数据以保守更新的方式存入低频数据区； RNN双模型判定一个数据为局部高频数据，该数据会被放入高频数据区的局部桶内，如果该数据和局部桶内的数据相同则桶内的频率累加1；如果局部桶为空或该数据和局部桶内数据相异，将该数据存入局部桶内，频率值为1，计时器t重新计时； RNN双模型判定为全局高频数据，则遍历高频数据区内的所有全局桶，寻找该数据对应的桶并且记录频率最小的桶b，如果找到了对应的桶则频率+1；如果没有找到对应的桶，则该数据先保守更新到低频数据区，估计出该数据的频率g，当有空全局桶存在的情况下，就申请一个全局桶把该数据和估计出的频率值g存储在桶上，当没有空的全局桶时，则需要将桶b上的频率与g做比较，判断是否满足末轮淘汰的触发条件，如果不满足则之前的保守更新就属于次轮淘汰； 4当需要估计某个数据的频率时，先遍历高频数据区的所有桶，如果与之相匹配桶是全局桶就返回桶中频率；如果匹配的局部桶，则进入低频数据区通过哈希计算从映射的桶中返回桶中最小值和局部桶中值的和；如果不在高频数据区则从低频数据区中通过计算获取桶中的最小值，进而实现数据流频率估计。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河北工业大学，其通讯地址为：300401 天津市北辰区西平道5340号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。