基于自适应正则深度聚类的组织病理图像分类方法

    公开(公告)号:CN113807425A

    公开(公告)日:2021-12-17

    申请号:CN202111064736.1

    申请日:2021-09-11

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于自适应正则深度聚类的组织病理图像分类方法。首先进行预训练,直到由病理图像特征提取网络和聚类组成的无监督模型稳定即完成预训练,得到预训练的模型参数权重。然后以得到的模型参数权重作为病理图片分类模型的初始化权重,并采用有标签的病理图像进行训练以完成调参,得到训练完成的病理图片分类模型。最后将待分类的病理图像输入至训练完成的病理图片分类模型中进行分类,得到分类结果。相比于随机初始化权重的网络,使用本发明训练出来的预训练权重的模型,只需使用10%的标记数据就可以和随机初始化权重的网络使用100%的标记数据达到相同效果。且使用本发明预训练权重的网络收敛速度更快。

    基于接收端驱动的键值调度方法

    公开(公告)号:CN113259439A

    公开(公告)日:2021-08-13

    申请号:CN202110537700.4

    申请日:2021-05-18

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于接收端驱动的键值调度方法。当键值操作到达客户端时,键值操作并没有被立刻发送,而是在客户端队列中等待以寻找最佳调度时机,此外,客户端分布式地调节其允许发送键值操作的阈值来控制客户端之间的并发性。故本发明能够根据服务器动态变化的性能来进行键值调度,当有些服务器性能较差时,键值操作会被压在客户端队列中以等待最佳的调度时机,性能较好的服务器处理速度快,因此能够被分配到更多的键值操作。此外,本发明分布式地调节客户端允许发送的键值操作数目,使客户端之间达成了良好的协作,有效地控制了大规模场景下的并发导致尾延时激增的问题。与现有的自适应调度方法相比,本发明有效地降低了键值操作的尾延迟。

    一种部分重复码的扩张构造方法

    公开(公告)号:CN113157485A

    公开(公告)日:2021-07-23

    申请号:CN202110488197.8

    申请日:2021-05-06

    Applicant: 中南大学

    Abstract: 本发明公开了一种部分重复码的扩张构造方法,包括选择一个参数给定的基础部分重复码;确定选择的基础部分重复码的扩张参数,将其符号集分成两个部分;将两个部分的符号集和相应的副本分散存储到扩张后的区组中;从满足要求的部分重复码中选择存储容量最大的码字,作为基础部分重复码的扩张。本发明提出的部分重复码的扩张构造方法参数选择灵活、构造方式简单,能够增加系统的存储容量、提高系统的容错性,具有很好的实用价值。

    一种基于带宽感知的故障节点快速修复方法

    公开(公告)号:CN112714031B

    公开(公告)日:2021-06-22

    申请号:CN202110330726.1

    申请日:2021-03-29

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于带宽感知的故障节点快速修复方法,通过获取原始数据进行编码操作;设置源点服务器,由源点服务器向相邻服务器发送数据包确认服务器间链路实时带宽;源点服务器根据连通服务器反馈的实时带宽情况,构建部署数据传输链路;进行部署预检测,为失效节点构建纠删码修复网络;将存储失效数据块的服务器设置为失效服务器,根据源点服务器反馈实时带宽情况,进行修复预检测,对纠删码修复任务分布情况进行优化。本发明通过动态选择具有最优带宽的服务器参与纠删码的部署和修复任务,能够保证整个存储系统的负载均衡,并使得纠删码的部署和修复效率得到有效提高,进而提高了系统的可用性和可靠性。

    基于广义预测控制的周期性节能方法

    公开(公告)号:CN112887221A

    公开(公告)日:2021-06-01

    申请号:CN202110038473.0

    申请日:2021-01-12

    Applicant: 中南大学

    Abstract: 本专利公开了一种基于广义预测控制的周期性节能方法(Generalized Predictive Controlfor Energy Efficient Ethernet with Prediction,GPC‑EEEP),涉及节能以太网(Energy EfficientEthernet,EEE)领域。该策略使用功耗比和平均排队延迟组合的成本函数来量化节能以太网的性能,并采用广义预测控制方法自动将基于预测的周期性节能策略(EnergyEfficiencyEthernetwith Prediction,EEEP)的周期长度参数调整为最小化该成本函数的最优解。仿真结果表明:GPC‑EEEP策略通过自适应地调整周期长度参数,降低了节能以太网在不同流量场景下的能耗和平均排队延时组合的成本函数。

    数据中心网络中路径切换粒度自适应的负载均衡方法

    公开(公告)号:CN110351187B

    公开(公告)日:2021-03-12

    申请号:CN201910712667.7

    申请日:2019-08-02

    Applicant: 中南大学

    Abstract: 本发明公开了一种数据中心网络中路径切换粒度自适应的负载均衡方法,交换机根据数据流的已发送数据量区分长流和短流,对任一条数据流,若其已发送数据量小于长度阈值S,则认为其是短流,否则认为是长流;对于短流,以分组为粒度选择队列长度最短的出端口转发其新到达的分组,以保证满足短流完成期限;对于长流,根据短流强度计算其切换路径的队列长度阈值,若转发某条长流上一个分组的出端口的队列长度大于或等于长流切换路径的队列长度阈值,则选择队列长度最短的出端口转发该长流新到达的分组,否则选择与该长流上一分组相同的出端口转发该长流新到达的分组。本发明避免了短流被长流阻塞,有效的减少了流的完成时间。

    一种基于特征抽取的网络安全博客分类方法及系统

    公开(公告)号:CN109063117B

    公开(公告)日:2021-01-01

    申请号:CN201810855821.1

    申请日:2018-07-31

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于特征抽取的网络安全博客分类方法及系统,包括:爬取博客;计算每个博客的非字典词密度;计算每个博客的博客恶意倾向度;统计所有博客共同的高频词;计算每个博客中各个高频词的词频‑逆文档频率;基于博客的非字典词密度、博客恶意倾向度以及每个博客中每个高频词的词频‑逆文档频率,以及基于博客与IOC的相关或不相关进行编码来训练预设分类模型得到博客分类器;获取待分类博客的非字典词密度、博客恶意倾向度以及高频词的词频‑逆文档频率并输入至训练后的博客分类器得到表示待分类博客与IOC的相关或不相关的分类器输出值。通过上述方法实现对网络安全技术博客中与IOC相关的博客和与IOC无关的博客精确分类。

    一种基于相似性和低秩矩阵填充的微生物-疾病关系预测方法

    公开(公告)号:CN109920478B

    公开(公告)日:2020-12-08

    申请号:CN201910173280.9

    申请日:2019-03-07

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于相似性和低秩矩阵填充的微生物‑疾病关系预测方法,首先通过疾病高斯核相似性、疾病表征相似性和疾病功能相似性均值集成方式得到最终的疾病相似性。利用已知的微生物‑疾病关联关系计算微生物的高斯核相似性,再根据微生物的寄生组织信息对高斯核相似性进行调节处理,得到最终的微生物相似性。最终通过已知微生物‑疾病关联关系将微生物相似性网络和疾病相似性网络进行连接,构建一个微生物和疾病的异构网络。根据此异构网络的关联关系矩阵,采用低秩矩阵填充的方法来进行微生物‑疾病关联关系的预测,并在填充之前增加了关联关系初始化处理过程提高了其预测精度。本发明能够有效预测微生物‑疾病关联关系。

    一种结合静态底层特征和运动信息的快速行人检测方法

    公开(公告)号:CN107622258B

    公开(公告)日:2020-10-30

    申请号:CN201710958030.7

    申请日:2017-10-16

    Applicant: 中南大学

    Abstract: 本发明公开了一种结合静态底层特征和运动信息的快速行人检测方法,针对待检测的视频序列中的单一图像帧,采用多尺度滑动窗口法提取其中指定大小的检测窗口,并采用快速金字塔特征计算方法计算每个检测窗口内图像的静态底层特征,静态底层特征包括方向梯度、梯度幅值和颜色通道,基于各个检测窗口内图像的静态底层特征对各个检测窗口进行行人与非行人预分类;利用行人特有的移动速度特征,通过检测窗口像素差均值法,去除预分类中误检为行人的检测窗口,最终检测为行人的检测窗口在图像中的位置即该图像帧中的行人的位置。本发明能在降低误检率的同时提高检测的准确性。

    一种基于低秩矩阵填充的药物重定位方法

    公开(公告)号:CN107545151B

    公开(公告)日:2020-10-16

    申请号:CN201710779874.5

    申请日:2017-09-01

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于低秩矩阵填充的药物重定位方法。本发明首先通过集成药物和疾病相关数据,构建了药物‑疾病异构网络,矩阵中的元素包括药物对、疾病对、已知药物‑疾病对和未知药物‑疾病对。然后利用快速矩阵填充算法填充该矩阵,为未知药物‑疾病对赋予预测值,根据所填充的预测值,为所有的药物预测新适应症。本发明简单有效,通过与其他方法比较,及在多个数据集上测试表明,该发明在药物重定位方面具有较好的预测性能。

Patent Agency Ranking