-
公开(公告)号：CN102685098B
公开(公告)日：2015-04-22
申请号：CN201210045060.6
申请日：2012-02-24
Applicant: 华南理工大学
Abstract: 本发明公开了一种乱序数据包流免重组多模式匹配方法，方法包括S1：采用KMP算法对模式进行了预处理；S2：在对模式进行了预处理后，对乱序数据包首尾的边缘字节进行扫描；S3：利用区间树保存特征码片断并进行模式匹配。本发明检测乱序数据包边缘的字节序列以发现跨数据包的模式，并以正则表达式作为模式语言，进一步减少了需要存贮的边缘模式碎片的长度，显著地降低了存储空间要求；以区间树索引数据包边缘模式碎片，实现跨数据包的多模式匹配和深度检测，加快了乱序碎片的处理速度。在不丢弃、不缓冲乱序数据包的、避免“协议落地”的同时，实现了按数据包的物理到达顺序进行快速的跨数据包深度检测。
-
公开(公告)号：CN102306140B
公开(公告)日：2015-04-22
申请号：CN201110266617.4
申请日：2011-09-09
Applicant: 华南理工大学
IPC: G06F15/173
Abstract: 本发明公开了一种基于数据交互融合的计算机系统构造方法，是我们给出的“格件”模式的轻量级版本，可用作软件的构造(开发)方法，特别适合于分布式系统、多对象并发系统及云计算系统的构造，可供第三方生成相应的软件开发环境与工具。该方法基于数据交互及模块的透明协作与融合，将软件系统看做是由一个个相互独立的实体通过专门的交互与融合控制而形成的。本发明与面向对象/服务方法相比，该方法中没有对象与服务的概念；与数据流与工作流方法相比，该方法用“交互”取代“流”的概念；与IoC技术相比，该方法控制的不是模块调用；与我们提出的格件相比，该方法不再去定义数据处理模块(融合器)。
-
公开(公告)号：CN101938416A
公开(公告)日：2011-01-05
申请号：CN201010268105.7
申请日：2010-09-01
Applicant: 华南理工大学
Abstract: 本发明涉及一种基于动态重配置虚拟资源的云计算资源调度方法。该方法以云应用监视器收集的云应用负载信息为依据，然后基于运行云应用的虚拟资源的负载能力和云应用当前的负载进行动态决策，根据决策的结果为云应用动态重配置虚拟资源。通过为云应用重配置虚拟资源的方法实现资源的动态调整，不需要动态重新分配物理资源和停止云应用执行。该方法能根据云应用负载变化动态重配置虚拟资源，优化云计算资源分配，实现云计算资源的高效使用和满足云应用动态可伸缩性的需要；而且该方法可以避免云计算资源的浪费，节省云应用用户的资源使用成本。
-
公开(公告)号：CN115629857B
公开(公告)日：2025-05-23
申请号：CN202211267167.5
申请日：2022-10-17
Applicant: 华南理工大学
Abstract: 本发明公开了一种大数据系统性能建模与仿真方法，涉及性能建模和系统仿真等领域。本发明所涉及的主要步骤包括：大数据作业日志采集与分析、软件行为模型和硬件资源响应模型仿真模型库的构建、待预测性能大数据作业行为分析、大数据作业仿真文件的生成和执行、输出大数据作业性能预测结果。本发明所提出的大数据作业性能预测方法，可以使用户在无需运行真实大数据作业的情况下预测计算多种大数据作业在指定集群配置上的运行性能，便于企业和机构提前感知大数据作业的运行成本。
-
公开(公告)号：CN115437764B
公开(公告)日：2025-04-29
申请号：CN202210990277.8
申请日：2022-08-18
Applicant: 华南理工大学
IPC: G06F9/48 , G06F9/50 , G06F9/54 , G06F18/2411 , G06F18/241 , G06N3/048 , G06N3/08 , G06N20/10
Abstract: 本发明公开了一种面向边缘服务器的高效任务调度方法、系统及电子设备，方法包括：获取当前任务队列中每个计算任务的属性特征信息Job以及当前边缘服务器的环境信息Cluster；将任务队列中的每个任务的属性特征信息Job进行统计得出的值x1与服务器环境信息的值x2作为预先设立的深度多核学习模型M的输入值X，将输入值X输入到深度多核学习模型M进行分类，M的输出为调度模型库中最适合当前环境下的最优任务调度模型Bestmodel；将当前任务队列的调度任务属性特征信息Job输入到最优任务调度模型Bestmodel，完成当前计算任务的调度工作。本发明在边缘服务器资源有限的条件下，无需特殊AI芯片的支持就能快速准确的完成任务调度和资源分配，提高资源的利用率。
-
Patent Agency Ranking
公开(公告)号：CN114841313B
公开(公告)日：2025-01-03
申请号：CN202210408257.5
申请日：2022-04-19
Applicant: 华南理工大学
IPC: G06N3/0464 , G06N3/08 , G06N5/04 , G06N20/00
Abstract: 本发明公开了一种面向联邦学习的动态个性化网络构建方法及装置，方法包括下述步骤：创建神经网络模型，对神经网络模型进行初始化后发送至客户端；按照早退策略对客户端的样本进行动态计算，并完成对早退层的更新；选择早退策略执行层，对选中的早退层中的参数进行选择性发送；服务器在接收到由客户端上传的节点和参数后，依据聚合策略完成对早退层节点权重的聚合；接收来自服务器聚合之后的参数，完成客户端中模型参数的更新操作，借助对早退层的更新完成个性化网络的构建。本发明的动态个性化网络构建方法，提高了模型的推理效率和难例样本的关注度，在保证客户端模型的个性化的同时，降低了联邦学习在样本计算和模型推理中的成本。
-
公开(公告)号：CN111966447B
公开(公告)日：2024-04-09
申请号：CN202010649709.X
申请日：2020-07-08
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于双排列遗传算法的容器放置方法，其过程如下：首先定义问题和数据中心的能耗模型，以及容器调度的优化目标；其次根据模型以及调度优化目标进行种群初始化，对表示容器和虚拟机分配的个体进行双排列染色体编码；并通过计算个体的适应度值进行遗传操作，产生新的个体和种群；最后通过不断的更新个体和种群获得最优的后代，并通过解码得出最优的容器放置策略。该发明根据容器云资源分配的需求，将容器合理地分配到虚拟机，虚拟机合理地映射到服务器，并在保持云服务质量的同时，通过容器分配、资源配置等来对云计算中心的能耗进行优化。
-
公开(公告)号：CN116933293A
公开(公告)日：2023-10-24
申请号：CN202311065492.8
申请日：2023-08-23
Applicant: 华南理工大学
Abstract: 本发明公开了一种面向多平台的多重加密软件认证保护方法及装置，方法包括以下步骤：当应用程序在不同客户端上运行时，获取客户端硬件抽象层信息进行处理得到客户端唯一标识；应用程序向远程认证服务器发送认证请求以及加密配置文件和客户端唯一标识；远程认证服务器使用AES密钥解密配置文件，获得预期的哈希认证码；远程认证服务器根据哈希认证码和客户端唯一标识进行数字签名生成证书；应用程序通过公钥对已加密的认证文件进行验证，验证通过后才允许在客户端上运行，否则不允许运行。该方法能够适应不同平台主机，经过加密配置文件以及多重加密算法，有效提高软件的安全性和保护能力，适用于更广泛的软件认证保护场景。
-
公开(公告)号：CN112101729B
公开(公告)日：2023-07-21
申请号：CN202010829544.4
申请日：2020-08-18
Applicant: 华南理工大学
IPC: G06Q10/0631 , G06Q50/06
Abstract: 本发明公开了一种基于深度双Q学习的移动边缘计算系统能源分配方法，包括以下步骤：将移动边缘计算系统的能源分配过程转化为马尔可夫决策过程，所述马尔可夫决策过程包括系统状态s、系统动作a、动作值函数Q(s,a)三个要素；通过基于深度双Q学习的能源分配算法，预测动作值函数的精确值，选择最大动作值函数所对应的动作，得到最优能源分配策略，完成移动边缘计算系统的能源分配。本发明将深度双Q学习(DDQN)应用于移动边缘计算系统的能源分配，通过深度双Q学习(DDQN)算法求解最优能源分配，实现边缘计算系统服务器的长期可持续计算的效益最大化。
-
公开(公告)号：CN116366731A
公开(公告)日：2023-06-30
申请号：CN202310083083.4
申请日：2023-02-08
Applicant: 华南理工大学
Abstract: 本发明公开了一种动态压缩时序数据的方法及系统，方法包括以下步骤：S1、传感器定时将采集到的监测数据上传至服务器；S2、服务器接受并处理来自传感器的监控数据,若监控数据存在异常则服务器向用户发送预警信息；S3、服务器对监控数据执行时序数据动态去重策略；S4、若所述监控数据未被去重则服务器将其传输至时序数据库存储；S5、用户通过服务器从时序数据库读取被去重后的监控数据流；S6、被去重后的监控数据流在用户端通过时序数据解压还原算法还原为完整的原始监控数据流。本发明能够在物联网监测系统中，有效提升系统吞吐量、数据读取速度，并降低系统带宽消耗、存储空间消耗，使得系统的整体性能得到有效提升。
-
-
-
-
-
-
-
-
-
Search Results
130
records
(took 0.026 seconds)
