-
公开(公告)号：CN103488540A
公开(公告)日：2014-01-01
申请号：CN201310460118.8
申请日：2013-09-30
Applicant: 华南理工大学
Abstract: 本发明涉及一种面向异构云数据中心的能耗优化资源调度方法，包括以下步骤：1、采集异构物理服务器和虚拟机的资源负载信息；2、将资源负载信息与异构物理服务器的能耗参数发送给资源重调度决策器；3、资源重调度决策器获得能耗最优的资源重调度结果；4、资源重调度决策器得到资源重调度的决策信息，并将资源重调度的决策信息发送给VM重调度执行器；5、VM重调度执行器根据重调度决策信息执行资源重调度：判断物理服务器的重调度是否处理完毕，如果物理服务器的重调度处理完毕，则执行步骤1；否则，执行步骤6；6、根据重调度决策信息分别执行启动物理服务器的模式，执行步骤5。该发明具有节省能源和降低了云数据中心运营成本等优点。
-
公开(公告)号：CN102970354A
公开(公告)日：2013-03-13
申请号：CN201210444683.0
申请日：2012-11-08
Applicant: 华南理工大学
IPC: H04L29/08
Abstract: 本发明公开了一种基于超资源融合的云计算体系的构造方法，是将云计算系统的构造行为统一为两统一化：系统成分的超资源一统、构造操作的超资源融合一统以及融合的语义框架化；所述系统成分的超资源一统是指将云计算系统的构成成分都统一为超资源；所述构造操作的超资源融合一统是指将云计算系统的形成与运行行为都统一视为融合操作，通过组合、复合及集成的融合操作来形成云计算系统；所述融合的语义框架化是指将融合操作通过纵横交错的分层抽象，形成多级分层的共性成分，并预制为可共享的标准件，供形成具体的融合操作使用。该方法的显著特点是云操作的形式语义化和过程的纵横交错化，同时可显著提高云计算系统的开发效率与产品质量。
-
公开(公告)号：CN115357254B
公开(公告)日：2025-04-25
申请号：CN202210797456.X
申请日：2022-07-08
Applicant: 华南理工大学
Abstract: 本发明涉及一种面向云边应用协同的容器镜像更新方法及系统，方法包括：用户发布容器镜像，对容器镜像发布版本与历史版本的重复数据，首先在文件层次上基于容器镜像文件的哈希值进行文件去重，并记录在历史版本容器镜像文件索引中；进而在字节流层次上通过分块算法对文件去重未命中的容器镜像文件进行字节流数据分块，基于数据分块的哈希值进行数据块去重，并记录在历史版本容器镜像数据块索引中；边缘宿主机将镜像部署到容器运行环境，并更新历史版本容器镜像库，同时重建发布版本容器镜像。该方法极大程度的缓解了多版本容器镜像重复数据对网络资源、边缘宿主机资源造成的浪费，尤其适用于容器镜像版本迭代频繁以及边缘设备资源受限的场景。
-
公开(公告)号：CN114841368B
公开(公告)日：2024-05-28
申请号：CN202210426304.9
申请日：2022-04-22
Applicant: 华南理工大学
IPC: G06N20/00 , G06N3/0464 , G06F18/214
Abstract: 本发明公开了一种面向不稳定联邦学习场景的客户端选择优化方法及装置，方法包括下述步骤：分析不稳定联邦学习的不稳定因素，所述不稳定因素包括客户端集合、客户端本地数据和客户端本地训练状态；建模客户端集合、客户端本地数据和客户端本地训练状态对模型训练性能的影响；建模客户端选择问题，即建模不稳定客户端集合、不稳定客户端本地数据和不稳定客户端本地训练状态对客户端选择的影响；提出一种基于上界置信区间和贪婪选择的客户端选择方法，选择最优的客户端组合。本发明能够有效适应学习环境的不稳定性，同时加速模型的收敛速度、提升模型的训练效果。
-
公开(公告)号：CN117930647A
公开(公告)日：2024-04-26
申请号：CN202311844246.2
申请日：2023-12-29
Applicant: 华南理工大学
IPC: G05B13/04
Abstract: 本发明公开一种基于热预测模型的数据中心冷却控制方法及装置，方法包括以下步骤：连续采集数据中心的服务器机架功率、空调的供冷温度和风扇转速、机架入口温度来构建数据集；基于数据集训练一个基于长短期记忆网络(LSTM)的热预测模型用于评估机房中机架入口温度分布变化；将当前时刻的系统状态信息输入到热预测模型，输出下一时刻的机架入口温度预测值；在满足机房热约束的情况下，采用遗传算法来求解具有最小冷却功耗的空调供冷温度和风扇转速的设定点。本发明的冷却控制方法基于LSTM的热预测模型能快速准确地根据系统状态变化预测机架入口温度分布，能在满足机房热约束下，主动调节多台空调的供冷温度和风扇转速，以最小化冷却功耗。
-
Patent Agency Ranking
公开(公告)号：CN117725371A
公开(公告)日：2024-03-19
申请号：CN202311390705.4
申请日：2023-10-25
Applicant: 华南理工大学
IPC: G06F18/15 , G06F18/214 , G06F18/24 , G06N3/09 , G06N3/126
Abstract: 本发明公开了一种基于遗传算法的端边云增量学习方法，方法包括：对新类别样本与旧类别样本分别进行数据预处理，生成四元组；生成初始染色体并更具适应度函数获取每个染色体的舒适适应值；筛选初始染色体并通过交叉和变异获取新的染色体；重新计算染色体适应值然后按照适应值排序；获取最优染色体的基因信息，而后更新需要饱和的类别样本的四元组；根据基因信息对需要保存的类别样本数据进行数据增强并形成训练样本然后构建增量学习模型并将训练样本输入增量学习模型进行训练；训练完成后获取训练好的增量学习模型。本发明大大提高了端侧模型迭代效率与训练学习速度的同时，还能保持模型的新鲜度。
-
公开(公告)号：CN113075995B
公开(公告)日：2024-02-27
申请号：CN202110463857.7
申请日：2021-04-26
Abstract: 本发明公开了一种基于混合群智能的虚拟机节能整合方法、系统和存储介质，包括下述步骤：资源监视器收集数据中心服务器的资源占用信息，虚拟机的资源请求信息及服务器与虚拟机之间的映射信息；根据不同型号服务器峰值效能比下的CPU利用率检测出超载服务器；根据迁移价值比从超载服务器中选出待迁移虚拟机迁出；利用混合差分进化粒子群优化算法重新放置待迁移虚拟机；根据集群的CPU负载均值选出欠载服务器进行关断，并利用混合差分粒子群优化算法重新放置欠载服务器中的虚拟机。本发明的虚拟机整合方法，能够通过多阶段的虚拟机调度有效降低集群的实时功耗，减少数据中心的活跃服务器数量和虚拟机迁移次数，并保证数据中心的
-
公开(公告)号：CN112835709B
公开(公告)日：2023-09-22
申请号：CN202011495736.2
申请日：2020-12-17
Applicant: 华南理工大学
IPC: G06F9/50 , G06N3/0475 , G06N3/048 , G06N3/094
Abstract: 本发明公开了一种基于生成对抗网络的云负载时序数据生成方法、系统及介质，包括下述步骤：获取真实云环境下的负载时序数据；对获取的负载数据进行预处理；根据数据的复杂度，构建生成对抗网络，所述生成对抗网络包括生成器和判别器两部分，使用预处理后的负载时序数据，对构建的生成对抗网络进行训练，取生成对抗网络中的生成网络，从高斯分布中随机采样作为输入，生成仿真数据，作为真实数据的替代或补充。通过本发明提出的生成对抗网络，可以稳定，高效地完成训练，拟合真实数据的分布。通过从拟合的近似分布中采样，可以生成用于替代或补充真实数据，用于实际算法研究的仿真数据，从而推动云计算中心能耗，调度，资源优化算法的发展。
-
公开(公告)号：CN112379966B
公开(公告)日：2023-07-18
申请号：CN202011251517.X
申请日：2020-11-11
Applicant: 华南理工大学
IPC: G06F9/455
Abstract: 本发明公开了一种云数据中心虚拟机实时整合方法及系统，方法包括下述步骤：实时监控云数据中心资源，并计算云数据中心资源利用率，当云数据中心资源利用率低于设定的第一阈值T1时，启动虚拟机整合决策；所述的虚拟机整合决策，用于生成一个虚拟机从源服务器到目的服务器的映射表，所述映射表是通过一种均衡开启服务器数量以及迁移次数的启发式算法确定；通过所述的映射表将表中的虚拟机按设定规则迁移至目的服务器。本发明通过一种云数据中心虚拟机实时整合方法及系统，能够有效地减少虚拟机迁移次数同时尽量减少开启服务器，降低了云数据中心能耗。
-
公开(公告)号：CN114547275B
公开(公告)日：2023-04-25
申请号：CN202210022627.1
申请日：2022-01-10
Applicant: 华南理工大学
IPC: G06F16/335 , G06F16/34 , G06F16/36 , G06N3/042
Abstract: 本发明公开了一种基于学者研究兴趣知识图谱的学者推荐方法、系统及介质，涉及文本挖掘、数据挖掘与推荐系统领域。本发明所涉及的主要流程包括：学者学术成果数据的采集与处理；学者研究兴趣标签数据的采集与处理；学者研究兴趣标签识别模型的训练与存储；基于学者研究兴趣知识图谱图神经网络的需求学者推荐。本发明提出的方法为一种基于知识图谱和图神经网络的学者推荐方法，可以在学术大数据背景下挖掘实际需求文本中的深度知识需求和学者学术知识间的关联，实现面向实际需求且符合深度需求知识关联模式的学者智能推荐。
-
-
-
-
-
-
-
-
-
Search Results
130
records
(took 0.028 seconds)
