-
公开(公告)号：CN110809275B
公开(公告)日：2021-09-28
申请号：CN201911085727.3
申请日：2019-11-08
Applicant: 福州大学
Abstract: 本发明涉及一种基于无线城域网的微云节点放置方法。在无线城域网中选取K接入点放置微云节点，将粒子直接编码为接入点序号，基于粒子群优化算法，先通过随机初始化一批粒子，通过适应度函数计算每个粒子的适应度值，记为该粒子的自身粒子最优值，同时选出其中适应度值最优的个体为种群最优粒子，并将该粒子的适应度值记为种群粒子最优值，同时在每一次迭代时将粒子通过变异操作与对优秀个体的交叉操作得到新的粒子，并选出每个粒子的自身最优值，与种群粒子最优值，进入下一代，重复迭代至预设阈值次数，完成微云节点的放置搜索。本发明通过优化微云节点放置，更好地减小用户任务的平均响应时间，得到高效率、低延迟的服务。
-
公开(公告)号：CN109165081B
公开(公告)日：2021-09-28
申请号：CN201810930969.7
申请日：2018-08-15
Applicant: 福州大学
Abstract: 本发明提供一种基于机器学习的Web应用自适应资源配置方法，其包括以下步骤：步骤S1：将物理机操作系统虚拟化，分为两个虚拟机，两个虚拟机分别运行各自的操作系统；步骤S2：针对上述两个虚拟机分别提出两个机器学习模型；利用基于机器学习的响应时间的预测模型去预测给定环境变化下的响应时间；步骤S3：利用基于遗传算法的在线决策机制，根据以上的模型制定响应的适应度函数来搜索具有最优响应时间的软硬件资源配置分配方案。本发明可以从历史数据中训练出预测模型并根据遗传算法自动地为Web应用服务分配软硬件资源。
-
公开(公告)号：CN113435580A
公开(公告)日：2021-09-24
申请号：CN202110726143.0
申请日：2021-06-29
Applicant: 福州大学
Abstract: 本发明涉及一种边缘环境下DNN应用计算卸载自适应中间件构建方法，包括以下步骤：步骤S1：构建卸载机制，所述卸载机制的输入为DNN源码，输出为可卸载的DNN目标代码；步骤S2：构建评估模型，所述评估模型的输入为环境配置和应用源码，输出为最优卸载方案。本发明通过实现支撑设计模式及评估模型的DNN应用自适应计算卸载中间件，它能够支持上述卸载设计模式，并利用代价评估模型决定应用程序的最优卸载方案以进行计算卸载。
-
公开(公告)号：CN111897574A
公开(公告)日：2020-11-06
申请号：CN202010661093.8
申请日：2020-07-10
Applicant: 福州大学
IPC: G06F8/73 , G06F8/75 , G06F40/186
Abstract: 本发明提出一种DNN程序文档自动生成方法，包括如下步骤：步骤S1：遍历DNN模型程序代码，进行DNN模型信息提取，包括层的划分和参数信息；步骤S2：根据层类型，进行层间传递数据量计算；步骤S3：填写DNN程序文档模板。其能够在无标注情况下，实现的DNN模型的信息进行提取，并将提取到的信息根据相应规则公式进行计算分析，然后将DNN信息填入预先设计好的DNN程序文档页面模板中，从而实现DNN程序文档的自动生成，使得深度学习领域的初学者能够更好的对DNN模型进行理解和掌握。
-
公开(公告)号：CN110362673A
公开(公告)日：2019-10-22
申请号：CN201910644291.0
申请日：2019-07-17
Applicant: 福州大学
Abstract: 本发明涉及一种基于摘要语义分析的计算机视觉类论文内容判别方法及系统。该方法包括：针对输入的计算机视觉类论文的摘要进行预处理，并根据预处理结果完成机器学习模型结构名称的提取；提取计算机视觉类论文的关键词组，并将提取到的关键词组中的所有词都加入一个单词集合；设计每一个研究领域类别设计单词表，并对每一个表中的每个单词设计权重，统计单词集合中每一个词表中的得分，最大的得分对应的类别即为研究领域类别；根据得到的关键词组构建备选关键词组集，根据确定的研究领域类别及其对应的词表和权重，对备选关键词组集中的所有词组进行计算得分，最高得分的即为概述摘要的目标关键词组。本发明能够实现计算机视觉类论文内容的判别。
-
Patent Agency Ranking
公开(公告)号：CN110033076A
公开(公告)日：2019-07-19
申请号：CN201910317130.0
申请日：2019-04-19
Applicant: 福州大学
Abstract: 本发明涉及一种混合云环境下面向代价优化的工作流数据布局方法。首先，进行混合云环境下面向代价优化的科学工作流数据布局问题建模，将问题目标形式化得到目标函数；其次，对遗传粒子进行问题编码，实现粒子到数据布局策略的一一对应关系；再而，基于目标函数设计适应度函数来评价粒子优劣；最后，基于适应度函数，初始化种群并根据GAPSO的粒子更新策略对粒子种群不断更新迭代从而求得近似最优解。本发明方法可以有效降低混合云环境下科学工作流的执行代价。
-
公开(公告)号：CN109165081A
公开(公告)日：2019-01-08
申请号：CN201810930969.7
申请日：2018-08-15
Applicant: 福州大学
Abstract: 本发明提供一种基于机器学习的Web应用自适应资源配置方法，其包括以下步骤：步骤S1：将物理机操作系统虚拟化，分为两个虚拟机，两个虚拟机分别运行各自的操作系统；步骤S2：针对上述两个虚拟机分别提出两个机器学习模型；利用基于机器学习的响应时间的预测模型去预测给定环境变化下的响应时间；步骤S3：利用基于遗传算法的在线决策机制，根据以上的模型制定响应的适应度函数来搜索具有最优响应时间的软硬件资源配置分配方案。本发明可以从历史数据中训练出预测模型并根据遗传算法自动地为Web应用服务分配软硬件资源。
-
公开(公告)号：CN108874771A
公开(公告)日：2018-11-23
申请号：CN201810513564.3
申请日：2018-05-25
Applicant: 福州大学
IPC: G06F17/27
Abstract: 本发明涉及一种面向招标文本的信息抽取方法，包括：对招标文件进行规范化处理；根据所需要抽取的信息，建立对应的关键词列表；逐句读取招标文件的文本内容，使用jieba分词逐句对招标文件的文本进行分词与标注词性处理；将分词结果进行存储，作为后续抽取操作的输入数据，完成预处理；通过调用预设信息抽取模块，根据目标招标信息，对预处理过的文本采用对应匹配抽取方式进行对应的招标信息抽取操作，获取抽取结果。本发明提出的一种面向招标文本的信息抽取方法，利用自然语言处理领域的技术实现对招标文本中特定信息进行抽取并将获得的信息以结构化的形式给予描述。通过对招标文本的信息抽取为招标信息的提取提供更有力的获取工具。
-
公开(公告)号：CN107169572B
公开(公告)日：2018-09-18
申请号：CN201611203680.2
申请日：2016-12-23
Applicant: 福州大学
IPC: G06F17/30
Abstract: 本发明提供一种基于Mahout的机器学习服务组装方法，其特征在于，包括以下步骤：步骤S1：将不同格式的数据进行预处理；步骤S2：进行模型训练；步骤S3：对模型进行评估；步骤S4：将算子进行统一的封装；步骤S5：根据用户描述的所要使用的机器学习方法以及要进行处理的数据的格式，组装机器学习工作流路径；步骤S6：当这些机器学习工作流在通过Oozie在Hadoop平台上运行结束之后，每一条工作流的模型评估算子将会给出工作流的评估结果；用户根据此评估结果，选择机器学习工作流。与现有技术相比，本发明能够快速有效地定制和调优可复用的机器学习流程，从而能够高效的在Hadoop平台上进行数据挖掘工作。
-
公开(公告)号：CN107133101A
公开(公告)日：2017-09-05
申请号：CN201710287185.2
申请日：2017-04-27
Applicant: 福州大学
IPC: G06F9/50
Abstract: 本发明涉及一种IoT系统中的自适应计算迁移中间件，包括创建模块：通过调用ObjectFactory提供的创建服务，创建服务支持对象的本地创建以及对象的远程创建；迁移模块：通过调用ObjectFactory提供的迁移服务，迁移服务支持对象迁移到远程以及对象的迁回操作；调用模块：通过调用代理对象，代理对象将调用操作转发给ObjectFactory的调用服务，调用服务将操作发送给实际对象进行处理，返回调用结果；决策模块：中间件通过拦截器获取程序执行顺序以及获取IoT的网络环境参数，通过决策算法计算部署方案的适应性函数值来获取最优部署方案，最后通过迁移模块以及调用模块进行部署实现。本发明使得普通IoT应用通过中间件的支持后可自适应计算迁移以及动态部署。
-
-
-
-
-
-
-
-
-
Search Results
142
records
(took 0.033 seconds)
