-
公开(公告)号：CN113378474A
公开(公告)日：2021-09-10
申请号：CN202110717168.4
申请日：2021-06-28
Applicant: 华南理工大学
IPC: G06F30/27 , G06F111/08
Abstract: 本发明公开了一种基于贡献量的联邦学习客户机选择方法、系统及介质。该方法包括：初始化选择权重；计算客户机选择概率；选择客户机集合进行本地训练；计算客户机贡献量；无偏估计并更新选择权重；迭代训练。本发明定义客户机对全局模型准确率的提高量作为客户机的贡献量，基于贡献量更新客户机的选择权重，为性能优异的客户机和本地数据集优质的客户机分配高选择概率，降低性能差和数据集恶劣的客户机选择概率，提高最终聚合模型收敛速度和效果。另外，本发明可通过调节客户机贡献量的无偏估计的调节系数θ，满足不同场景需求，如追求全局模型准确率、模型收敛速度或者两者的有效平衡，具有很强的适应性。
-
公开(公告)号：CN112506663A
公开(公告)日：2021-03-16
申请号：CN202011501365.4
申请日：2020-12-17
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于去噪和误差修正的云服务器CPU负载预测方法、系统及介质，方法包括：利用自适应白噪声的完整经验模态分解方法(CEEMDAN)对序列进行分解得到各个分解序列；计算各个分解序列和原序列之间的曲线曲率相似度；根据相似度高低来区分有效序列与噪声序列，滤除噪声序列并重新拟合得到新的滤噪后序列；利用历史误差数据实现对误差值的预测完成修正误差。本发明的预测方法能够实现对原始数据的去噪处理，减少噪声影响，同时修正误差，而且消除了人为因素的影响，能够提高预测的准确率，具有较高的通用性。
-
公开(公告)号：CN112379966A
公开(公告)日：2021-02-19
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：CN110675859A
公开(公告)日：2020-01-10
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：CN109992418A
公开(公告)日：2019-07-09
申请号：CN201910226671.2
申请日：2019-03-25
Applicant: 华南理工大学
IPC: G06F9/50
Abstract: 本发明公开的SLA感知的多租户大数据平台资源优先级调度方法，包含以下顺序的步骤：S1.租户加入集群，资源管理器向其分配一个资源队列，租户上传作业到资源队列；S2.资源管理器根据租户的资源队列状态定期向SLA感知器发送作业运行报告；S3.SLA感知器根据收到的作业状态信息判断该作业是否能在最后期限前完成，不能在最后期限前完成的作业被设定为高优先级作业；S4.对于高优先级作业，SLA感知器将升级该作业所在的资源队列为高优先级资源队列，加速高优先级作业完成。本发明可以在一定程度上满足服务等级协议中的最后期限限制，保证了云服务供应商的服务质量。
-
Patent Agency Ranking
公开(公告)号：CN108021929A
公开(公告)日：2018-05-11
申请号：CN201711136040.9
申请日：2017-11-16
Applicant: 华南理工大学
Abstract: 本发明公开了基于大数据的移动端电商用户画像建立与分析方法，包括以下步骤：获取用户离线数据；根据识别码将不同数据源的数据融合形成离线知识库；对离线数据进行归一化、离散化及属性约简等预处理；根据定制的标签规则对离线数据进行特征提取，构建用户基础标签；对标签数据进行权重及时间衰减因子处理，建立基于质量保证集QPS聚类算法的用户画像离线预测模型；利用预测模型对离线知识库进行数据聚类挖掘，得到移动端的电商用户画像；对于在线行为数据进行分布式处理再和离线模型融合。本发明在大数据环境下分析移动端电商交易的海量数据，能够快速的分析实时用户行为并进行实时画像融合，构建出多维度用户画像，利于对电商用户全面分析。
-
公开(公告)号：CN104932956B
公开(公告)日：2018-02-27
申请号：CN201510350060.0
申请日：2015-06-19
Applicant: 华南理工大学
IPC: G06F11/14
Abstract: 本发明公开的一种面向大数据的云容灾备份方法，包含以下步骤：建立文件块哈希指纹和快照指针实现对文件不同版本的压缩存储备份，同时将文件块指纹传输给私有云存储系统；私有云建立文件块指纹索引数据库，通过MapReduce任务比对哈希指纹来对传输块进行初步去重，对数据块进行细粒度的基于内容的再次分块哈希，通过另一个MapReduce子任务计算数据块的相似度矩阵和块指针分布，统计数据块的访问热度，并将指纹索引数据库与热数据缓存在存储前段，将冷数据以及归档备份数据集中存储并建立版本快照，定时备份在公有云存储系统。本发明的方法，通过缓存指纹库和热数据解决了传统容灾备份中的数据去重技术实时性较差等问题。
-
公开(公告)号：CN107734052A
公开(公告)日：2018-02-23
申请号：CN201711062824.1
申请日：2017-11-02
Applicant: 华南理工大学
IPC: H04L29/08
Abstract: 本发明公开了一种面向组件依赖的负载均衡容器调度方法，包括以下步骤：(1)周期采集主机集群上各主机的资源负载信息；(2)将各主机的资源负载信息发送到资源管理器进行统一存储管理；(3)生成通信矩阵；(4)生成依赖矩阵；(5)容器调度模块根据通信矩阵、依赖矩阵以及从资源管理器读取的各主机资源负载信息对各主机进行评分，根据得分结果选择最优主机进行容器组件的部署分配；(6)当有新的容器组件需要分配时，重复执行以上第一至第五步骤。该发明具有使得运行在所有容器中的应用的性能达到总体最优化，同时兼顾主机集群的资源负载均衡等优点。
-
公开(公告)号：CN107656851A
公开(公告)日：2018-02-02
申请号：CN201710924039.6
申请日：2017-09-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于部件能耗模型的云服务器能耗测算方法及系统。所述方法包括步骤：系统中的硬件检测模块采集服务器硬件信息；模型匹配模块根据所获取的硬件信息与内建硬件模型数据库匹配，找到相应的能耗参数，并写入能耗模型配置文件；数据采集模块采集资源利用率；功耗估算模块根据适配得到的信息和资源利用率，使用对应部件的能耗模型进行系统或进程实的时能耗测算；系统对测算到的服务器能耗信息进行两种方式的持久化存储；系统能将服务器硬件信息、历史和实时能耗数据和传送至统计端程序。通过本发明，用户可以实时查看和监控当前服务器的能耗信息，为数据中心负载调度提供能耗参考。
-
公开(公告)号：CN105354246A
公开(公告)日：2016-02-24
申请号：CN201510670867.2
申请日：2015-10-13
Applicant: 华南理工大学
IPC: G06F17/30
CPC classification number: G06F17/30303 , G06F17/30386
Abstract: 本发明公开的一种基于分布式内存计算的数据去重方法，包含以下顺序的步骤：创建文件分块指纹集并缓存到分布式内存中；按照最优的文件块划分策略对文件进行分块，并完成分块指纹计算，同内存中缓存的指纹集对比，找到匹配的分块，为其添加对应引用；分块指纹集的存储采用多级缓存策略，权值大的缓存到内存中，权值小的缓存到磁盘上；内存分为多个区域，存储不同类型的指纹信息，以对文件进行不同的指纹对比操作。本发明的数据去重方法，提高海量数据去重的效率，从而节省主机空间和网络带宽，为服务商降低数据运维的成本。
-
-
-
-
-
-
-
-
-
Search Results
130
records
(took 0.03 seconds)
