-
公开(公告)号：CN115437877A
公开(公告)日：2022-12-06
申请号：CN202210990274.4
申请日：2022-08-18
Applicant: 华南理工大学
IPC: G06F11/30 , G06F16/33 , G06F16/35 , G06F40/205 , G06F40/284 , G06K9/62
Abstract: 本发明公开了一种多源日志的在线解析方法、系统、电子设备及存储介质，方法包括：收集多源日志；利用日志树对收集的日志进行归类和提取日志关键字段信息；对关键字段信息message字段进行预处理；对经过预处理的日志message字段，利用首个单词对日志进行分组；对分组后的日志message字段内容进行动词词性特征提取；将同类动词词性特征的日志通过最长公共子序列LCS算法提取日志事件模板和更新日志模板。该方法通过日志动词词性特征区分出执行类日志和状态类日志，并结合日志的多源信息，能为后续的日志分析中构建工作流图和根因分析提供重要的数据基础，有效解决日志字符结构类似而语义不同的日志被误判为相同日志事件的过拟合问题。
-
公开(公告)号：CN112732718B
公开(公告)日：2022-06-14
申请号：CN202110012673.9
申请日：2021-01-06
Applicant: 华南理工大学
Abstract: 本发明公开了一种面向云边端的智能结构化数据方法、系统和介质，包括下述步骤：对智能终端计算任务进行特征提取，所述特征包括：计算任务的可并行性、计算任务的依赖性、计算与任务判断分支的比值、边缘节点当前的网络传输能力以及计算任务的数据类型与当前边缘节点的异构计算资源的适应度；设计hyper‑neat网络g，hyper‑neat网络g定期训练于边缘节点，运行于智能终端；边缘节点向云端传输数据、日志、优质的hyper‑neat网络RNA的种子；云端对从智能终端产生的非结构化数据进行分析、建立、补齐知识体系。本发明能够对智能终端收集到非结构化数据进行结构化，让边缘服务器的异构计算充分发挥其计算特点，加快计算速度。
-
公开(公告)号：CN114528341A
公开(公告)日：2022-05-24
申请号：CN202210091696.8
申请日：2022-01-26
Applicant: 华南理工大学
IPC: G06F16/26 , G06F16/28 , G06F16/215 , G01R19/00
Abstract: 本发明公开了一种基于大数据技术的配电台区低电压监测方法及装置，该方法包含以下步骤：电压监测实例采集配电台区计量电压并最后上传至数据存储集群，在计算集群内，监测分析任务读取计量数据与档案数据，建立档案热数据缓存，融合计量与档案数据，并预计算异常电压与越限电压标记。然后基于融合数据进行分布式并行聚合，一部分进行电压异常率计算，另一部分进行电压越限情况计算，最后汇总结果，输出为每日同测量点电压基础分析数据，并依据此数据生成报告，后续可根据报告进行电压质量治理。该方法提供了解决了配电台区低电压监测问题，面对每日亿级别数据量的情况可以在合理的时间内完成计算并提供分析结果。
-
公开(公告)号：CN110675859B
公开(公告)日：2021-11-23
申请号：CN201910836911.0
申请日：2019-09-05
Applicant: 华南理工大学
IPC: G10L15/02 , G10L15/06 , G10L15/22 , G10L15/26 , G10L25/30 , G10L25/63 , G06F16/35 , G06F40/30 , G06F40/289 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种结合语音与文本的多情感识别方法、系统、介质及设备，方法包括获取由多个音频段组成的目标音频，并使用语音识别技术转换为对应的多个文本信息；基于音频信息的语音特征获得音频情感识别信息，基于文本信息的文本特征获得文本情感识别信息；使用新的结合方法将这两种识别情感进行结合，获得对应音频段的目标情感信息。该新的结合方法为基于语音识别情感向量与文本识别情感向量，通过对这两种向量内不同情感信息进行不同的组合，再使用这些不同的组合进行情感结合模型的训练。本发明使用语音与文本的识别情感向量，从而保证语音情感分析与文本情感分析部分互相独立，既能够解决两极情感分析问题，也能够应用到多情感分析的场景。
-
公开(公告)号：CN112732718A
公开(公告)日：2021-04-30
申请号：CN202110012673.9
申请日：2021-01-06
Applicant: 华南理工大学
Abstract: 本发明公开了一种面向云边端的智能结构化数据方法、系统和介质，包括下述步骤：对智能终端计算任务进行特征提取，所述特征包括：计算任务的可并行性、计算任务的依赖性、计算与任务判断分支的比值、边缘节点当前的网络传输能力以及计算任务的数据类型与当前边缘节点的异构计算资源的适应度；设计hyper‑neat网络g，hyper‑neat网络g定期训练于边缘节点，运行于智能终端；边缘节点向云端传输数据、日志、优质的hyper‑neat网络RNA的种子；云端对从智能终端产生的非结构化数据进行分析、建立、补齐知识体系。本发明能够对智能终端收集到非结构化数据进行结构化，让边缘服务器的异构计算充分发挥其计算特点，加快计算速度。
-
Patent Agency Ranking
公开(公告)号：CN109714400B
公开(公告)日：2020-09-22
申请号：CN201811517271.9
申请日：2018-12-12
Applicant: 华南理工大学
IPC: H04L29/08
Abstract: 本发明公开了一种面向容器集群的能耗优化资源调度系统及其方法。该系统包括服务器资源监控器、容器性能测试池、容器能耗模型管理器、容器能耗缓存模块、容器调度决策器、动态调整模块和多个服务器；该调度方法的步骤为：周期性采集容器运行环境的特征参数并检查容器能耗估算模型状态，根据容器能耗估算模型的能耗估算值进行动态优化调度决策，同时将生产环境的容器复制到容器性能测试池迭代训练数据集并更新模型，提升容器能耗估算值的准确度。本发明以数据中心整体能耗最小为目标定制调度策略，实时调度请求的容器到合适的服务器上达到能耗最优，并有自我更新和迭代的能力，在降低能耗同时整合服务器资源，提升了资源利用率，节约了数据中心的运营成本。
-
公开(公告)号：CN110400222A
公开(公告)日：2019-11-01
申请号：CN201910680235.2
申请日：2019-07-26
Abstract: 本发明公开了一种基于隐马尔可夫与深度学习的股市预测方法，包括下述步骤：S1:获取股票行情数据；S2:处理股票行情数据，计算涨跌幅、对数高低价差、对数涨跌幅和MACD(异同移动平均线)技术指标数据，生成特征数据；S3:对特征数据使用隐马尔可夫模型进行训练和预测，将数据分类成起伏阶段和震荡阶段；S4:构建时间卷积网络模型；S5:分别对起伏阶段和震荡阶段进行时间卷积网络模型训练；S6:预测阶段，对特征测试数据使用隐马尔可夫模型分类，判断数据所处阶段；S7:根据相应阶段选择时间卷积网络模型，预测涨跌情况。本发明有效结合隐马尔可夫模型和深度学习，并以市场投资者常用技术指标数据作为特征，具有良好的效果，为投资者提供参考价值。
-
公开(公告)号：CN109714400A
公开(公告)日：2019-05-03
申请号：CN201811517271.9
申请日：2018-12-12
Applicant: 华南理工大学
IPC: H04L29/08
Abstract: 本发明公开了一种面向容器集群的能耗优化资源调度系统及其方法。该系统包括服务器资源监控器、容器性能测试池、容器能耗模型管理器、容器能耗缓存模块、容器调度决策器、动态调整模块和多个服务器；该调度方法的步骤为：周期性采集容器运行环境的特征参数并检查容器能耗估算模型状态，根据容器能耗估算模型的能耗估算值进行动态优化调度决策，同时将生产环境的容器复制到容器性能测试池迭代训练数据集并更新模型，提升容器能耗估算值的准确度。本发明以数据中心整体能耗最小为目标定制调度策略，实时调度请求的容器到合适的服务器上达到能耗最优，并有自我更新和迭代的能力，在降低能耗同时整合服务器资源，提升了资源利用率，节约了数据中心的运营成本。
-
公开(公告)号：CN103491187B
公开(公告)日：2018-04-27
申请号：CN201310460030.6
申请日：2013-09-30
Applicant: 华南理工大学
Abstract: 本发明涉及一种基于云计算的大数据统一分析处理方法，该方法包括：基于云计算技术构建高可扩展的海量结构化、非结构化和半结构化数据的分布式存储平台；在云计算平台上实现海量异构数据的分布式并行处理，解析异构数据的查询分析请求，按照查询分析的数据对象所在位置调度数据处理计算，将数据分析处理计算分布到各数据存储节点上，实现海量数据的并行分析处理；集成结构化数据查询分析接口与非结构化数据查询分析接口，实现异构数据的并行分析处理，提供统一数据访问接口；基于云服务技术为大数据应用提供结构化数据服务和非结构化数据服务。具有克服了大数据分析处理的复杂性和挑战性，满足大数据处理的规模不断增长和实时性需求等优点。
-
公开(公告)号：CN103491187A
公开(公告)日：2014-01-01
申请号：CN201310460030.6
申请日：2013-09-30
Applicant: 华南理工大学
Abstract: 本发明涉及一种基于云计算的大数据统一分析处理方法，该方法包括：基于云计算技术构建高可扩展的海量结构化、非结构化和半结构化数据的分布式存储平台；在云计算平台上实现海量异构数据的分布式并行处理，解析异构数据的查询分析请求，按照查询分析的数据对象所在位置调度数据处理计算，将数据分析处理计算分布到各数据存储节点上，实现海量数据的并行分析处理；集成结构化数据查询分析接口与非结构化数据查询分析接口，实现异构数据的并行分析处理，提供统一数据访问接口；基于云服务技术为大数据应用提供结构化数据服务和非结构化数据服务。具有克服了大数据分析处理的复杂性和挑战性，满足大数据处理的规模不断增长和实时性需求等优点。
-
-
-
-
-
-
-
-
-
Search Results
130
records
(took 0.029 seconds)
