-
公开(公告)号：CN119669716A
公开(公告)日：2025-03-21
申请号：CN202510168242.X
申请日：2025-02-17
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F18/211 , G06F18/10 , G06F18/214 , G06F18/243 , G06N3/006
Abstract: 本发明涉及一种基于改进鸽群优化算法水质异常检测特征选择方法及系统，属于机器学习领域，包括：对净水厂数据进行预处理；执行改进鸽群算法，对鸽群进行评估；将适应度最低的鸽子的位置及速度赋予给全局最优鸽子；更新鸽子速度，并利用Sigmoid函数转换鸽子速度，根据Sigmoid函数的输出值更新鸽子位置；当达到迭代停止条件时，返回全局最优鸽子；否则，将鸽群进行变异，通过利他主义更新位置和速度；将变异完成的鸽子根据适应度值排名，计算理想目的地，更新鸽群位置；本发明通过设置自适应迭代地图和罗盘因子，同时引入利他主义机制，使鸽子个体之间能够进行信息交互和协作，促进群体的共同进化，进一步优化其搜索能力。
-
公开(公告)号：CN117496434A
公开(公告)日：2024-02-02
申请号：CN202311478776.X
申请日：2023-11-08
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V20/52 , G06V40/20 , G06V10/44 , G06V10/25 , G06V10/80 , G06V10/26 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明涉及一种基于改进YOLOv5算法的学生行为检测方法及系统，包括：获取待检测的教室的图片并进行预处理；将预处理后的图片输入训练好的改进的YOLOv5网络模型中进行学生行为检测，得到学生行为检测结果；改进的YOLOv5包括骨干网络bockbone、neck层和Head层，骨干网络bockbone包括Conv模块、C3模块、SACA模块以及BasciRFB模块。本发明将SPP模块替换为BasicRFB模块，同时搭建SACA模块，先经过SACA模块获取通道相关性权重特征以及空间信息权重特征，可以更好的获取有效特征信息，再经过BasicRFB模块进行特征提取，可以对目标模型特征达到更好的识别效果。
-
公开(公告)号：CN117112648A
公开(公告)日：2023-11-24
申请号：CN202311070405.8
申请日：2023-08-24
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F16/2458 , G06F16/215 , G06F18/214 , G06F18/24 , G06F18/23213 , G06Q50/20
Abstract: 本发明涉及一种基于智慧教育数据的高校学生学习画像生成系统及方法，属于数据挖掘领域，包括数据抽取模块、数据处理模块、标签模块、数据库模块、画像生成模块；通过针对学生在教育大数据应用中的现实需要，聚焦于学生学习行为，针对多任务学习场景，分析学生学习特征，构造客观的学生画像标签体系，设计学生画像标签体系技术架构，对学生群体进行深度刻画，构建学生学习画像，以此形成的学生画像来反映学生表现特征，提供个性化教学，降低大量数据给师生带来的认知负荷，为学生教育管理者提供相应的决策支持。
-
公开(公告)号：CN116993697A
公开(公告)日：2023-11-03
申请号：CN202310970953.X
申请日：2023-08-03
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的基于图像处理的病理切片褶皱识别方法，首先获取数字病理图像，然后将其转换至HSV空间，获得饱和度图像；然后计算饱和度图像的直方图并获取二值化的阈值；利用二值化的阈值将饱和度图像进行二值化处理，二值化图像中的白色区域即为褶皱的ROI区域；然后形成二值化图像的边界框；最后，提取出二值化图像中的褶皱区域。本发明的病理切片褶皱识别方法，可实现病理切片图像中褶皱区域的快速、高效的自动识别，适于对数量巨大的切片数据的处理，与现有人工审核筛选相比较，具有效率高、识别准确和不受人员因数干扰的优点，适用于对病理图像的切片优良率的智能化判断。
-
公开(公告)号：CN116614499A
公开(公告)日：2023-08-18
申请号：CN202310490016.4
申请日：2023-05-04
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L67/10 , H04L67/1074 , H04L43/0852 , H04L43/0894 , G06F9/50
Abstract: 本发明涉及一种算力网络广域资源协同调度方法，属于算力资源调度领域。当用户具有足够的配额，判断数据所在数据中心是否有足够的算力，若是则使用同数据中心存算一体策略，若否，则进一步筛选出所有其它合适的算力平台，若有，则通过网络带宽和网络时延判断是否可以存算分离，若是，则使用广域存算分离策略，若否，则判断是否存在数据中心同时满足算力需求和存储需求，若是，则使用基于广域数据流转的存算一体策略，若否，则使用广域存算分离策略。本发明能够实现异构广域分布的算力平台计算、存储、网络资源的汇聚和利用的统筹优化，从而实现各类资源的跨域协同调度，提高大规模任务的协同计算效率。
-
Patent Agency Ranking
公开(公告)号：CN116594771A
公开(公告)日：2023-08-15
申请号：CN202310543327.2
申请日：2023-05-15
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及一种面向算力网络的异构数据资源管理方法，属于算力网络领域。包括：系统初始化；建立算网异构数据资源管理架构；创建算网异构数据资源管理架构的资源表、编写算网异构数据资源管理架构的数据中心管理引擎和数据实体管理引擎；在算网中心节点构建虚拟目录，形成算网下异构资源的统一目录；接入数据中心资源；对算网异构数据资源进行管理。本发明建立了算网统一数据资源虚拟目录，形成了算网数据资源的统一视图，并创建了异构数据资源管理引擎，方便数据实体的管理和使用。在路由选路时，设计了MinCost代价函数计算数据流转的最小代价，选择最小代价的最优路径作为通信路径。
-
公开(公告)号：CN116431325A
公开(公告)日：2023-07-14
申请号：CN202310134094.0
申请日：2023-02-20
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F9/50 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于云边协同环境的神经网络模型训练方法，包括云端和边缘端；云端包括云计算中心、数据库、云端文件存储系统和Socket通信系统；边缘端包括边缘计算中心、数据库、边缘端文件存储系统和Socket通信系统。本发明通过研究影响云边任务协同计算的影响因素，构建网络受限、资源受限情况下云边协同任务模型；研究云边协同计算模型最佳切分点，实现任务执行时间减小、边缘端资源充分利用的目标；研究任务只分配到边缘端执行或云端执行的必要条件；实现最佳模型切分点计算方法。通过最佳模型切分点计算方法得到最佳的神经网络模型切分点来实现边缘端资源充分利用且减少神经网络模型训练时间的目标。
-
公开(公告)号：CN115187847A
公开(公告)日：2022-10-14
申请号：CN202210832612.1
申请日：2022-07-14
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06V10/94 , G06V20/52 , G06V10/70 , G06V10/82 , G06N3/04 , G06N3/08 , G06N5/04 , G06F9/455 , H04L67/06 , H04L67/10 , H04L67/1008 , H04L67/101 , H04L67/1095 , H04N7/18
Abstract: 本发明涉及一种基于云边端架构的图像联合推理识别系统及方法，包括云平台层、通信网络层、边缘层、终端层；云平台层包括云计算中心、数据库、云端文件存储系统、镜像仓库；边缘层包括集成在目标图像识别场景中的各个设备，包括边缘设备、本地文件存储系统；终端层是目标图像识别场景中具有数据采集功能的终端设备，用于将监控采集的实时图像、视频通过有线或无线网络传输到边缘层，以待检测。本发明采用云边联合推理算法，攻克只将模型单边部署于云端或者边缘端的缺点，能更多更快的对多目标进行检测识别，充分利用云边资源，更适用于复杂的多目标图像识别与检测作业。
-
公开(公告)号：CN114093505A
公开(公告)日：2022-02-25
申请号：CN202111361578.6
申请日：2021-11-17
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及一种基于云边端架构的病理检测系统及方法，包括云平台层、通信网络层、边缘层；云平台层包括云计算服务器中心、数据库、云端文件存储系统以及一个MQTT服务器；网络通信层包括多种网络通信方式；边缘层就是集成在医疗机构内的各个设备组件，包括边缘设备、本地文件存储系统以及病理切片扫描仪；本发明提供了基于Kubeedge管理平台的云边端架构的病理检测方法，实现边缘设备物模型创建、病理图像模型训练、镜像下发、病理图像检测推理、边缘数据上传等，可有效节省医院病理科的人力、时间成本，提高病理诊断的质量和效率。
-
公开(公告)号：CN118381708A
公开(公告)日：2024-07-23
申请号：CN202410428516.X
申请日：2024-04-10
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L41/042 , H04L41/0895 , H04L41/40 , H04L41/16
Abstract: 本发明提出了一种跨域异构存储集群的管理调度方法及系统，以总存储成本最小、总吞吐量最大以及待存储数据集与即将存储的存储系统的位置最近为优化目标，采用非支配排序的遗传算法进行约束条件求解，进行最优存储位置的选择，不仅提高了数据访问性能，减少延迟，并降低了对网络带宽和存储资源的不必要消耗。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.041 seconds)
