-
公开(公告)号：CN107404733A
公开(公告)日：2017-11-28
申请号：CN201710721624.6
申请日：2017-08-22
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了一种基于MEC和分层SDN的5G移动通信方法及系统，方法包括：S1、接收业务请求，并转发至MEC边缘节点；S2、通过MEC边缘节点的交换机发送Packet-in消息至MEC节点控制器；S3、判断MEC边缘节点是否存在与业务请求一致的服务；S4、总控制器根据业务请求进行网络切片规划及选择后，发送Packet-out消息至SDN子控制器包括的核心网控制器；S5、核心网控制器对移动网络进行资源调度处理，根据当前资源占用量将与业务请求相关的业务或服务缓存到MEC边缘节点；S6、终端从MEC边缘节点获取业务或服务。本发明的有益效果是：本技术方案解决网络的延迟、拥塞和容量等问题，满足终端用户的极致体验，具有大流量、低延时、低能耗及高可靠等特点。
-
公开(公告)号：CN107294810A
公开(公告)日：2017-10-24
申请号：CN201710575567.5
申请日：2017-07-14
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的网络延迟测量优化方法，首先利用最近n次测量的网络延迟构成延迟集合X，再将延迟集合X中每个元素减去其平均值构成差值序列集合Y，利用集合Y中的元素得到拟合三角函数，最后得到与最后一次测量周期成正比与集合Y中元素的方差成反比时间间隔，即集合X中网络延迟变化越小，则下一次测量的时间间隔可以更长些，X中网络延迟变化越大，下一次的量的时间间隔理应更短，既能够保障和提高网络延迟测量的精确度，又降低测量延迟所占用的网络资源消耗。
-
公开(公告)号：CN102929687B
公开(公告)日：2016-05-25
申请号：CN201210385961.X
申请日：2012-10-12
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的节能的云计算数据中心虚拟机放置方法，包括：a.建立物理服务器区域；b．获取物理服务器信息；c．计算待创建虚拟机资源；d．对物理服务器进行排序；e．建立待创建虚拟机与物理服务器之间的映射；f．判断是否有单个物理服务器满足需求；g．判断是否存在同一分区内的满足要求的物理服务器序列；h．选取空调能耗成本最小、且物理服务器数量最少的服务器序列。本发明的云计算数据中心虚拟机放置方法，优先选用单个物理服务器来创建虚拟机，再选用同一分区内的物理服务器来创建虚拟机；在前两者都不存在的情况下，最终选用集中程度最高的物理服务器序列来创建虚拟机，实现云计算中心虚拟机的节能放置，节能效果显著，便于应用推广。
-
公开(公告)号：CN104104689A
公开(公告)日：2014-10-15
申请号：CN201410371984.4
申请日：2014-07-31
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的互联网浏览器中安全的域名解析方法，包括：a)配置N个域名解析服务器；b)发送解析请求；c)域名进行解析；d)对接收到的返回包记录，记其数量为M；e)判断M=0是否成立，如成立，则浏览行为没有完成；如不成立，表明存在返回包；f)当用户刷新时，执行步骤c)；若改为浏览其他网页，执行步骤b)；g)取重复次数最多的IP，同时其次数为X；h)判断X＞N/2是否成立，如果成立，则表IP为安全地址；如果不成立，本次浏览受到了DNS攻击。本发明的浏览器域名解析方法，保证了用户原本输入的域名能够正确指向对应的网站或服务，解决DNS域名解析过程中攻击的问题。可对伪造的IP地址进行过滤，保留正确的IP地址。
-
公开(公告)号：CN119583579A
公开(公告)日：2025-03-07
申请号：CN202411716592.7
申请日：2024-11-27
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: H04L67/1097 , H04L47/6275 , H04L47/52 , H04L47/2425
Abstract: 本发明属于RDMA及云内存池化领域，提供了一种基于RDMA的云内存池优先级流控方法及系统，本发明使用云服务器作为多个本地节点的云端云内存池，通过RDMA实现本地节点对云内存池服务器中内存的读写，逻辑上扩展本地节点的内存容量，并通过动态调控算法监测各本地节点对云内存池的内存需求及内存利用率，动态调控云内存池为各个本地节点分配的内存容量，提高内存利用率，同时，通过维护一个包含各个本地节点优先级的表，在发生网络拥塞时，通过优先级调度，实现网络拥塞控制，在保证网络吞吐量的同时，为高优先级节点提供高速稳定的数据传输与远程内存访问，保证重要事务的处理速度。
-
Patent Agency Ranking
公开(公告)号：CN118387110B
公开(公告)日：2025-01-17
申请号：CN202410493222.5
申请日：2024-04-23
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: B60W40/06 , G01C21/16 , G01C21/18 , G06V20/40 , G06V10/25 , G06V10/40 , G06V10/82 , G06F16/71 , G06F16/787 , G06N3/045 , G06N3/0464 , G06N3/08 , G08G1/01 , G08G1/052 , B60W50/00 , G07C5/08
Abstract: 本发明公开了一种道路异常检测方法及系统，属于道路检测技术领域。包括：获取陀螺仪数据和加速度计数据，对陀螺仪数据和加速度计数据进行卡尔曼滤波；基于加速度计数据的采样频率，根据卡尔曼滤波后的加速度计数据或陀螺仪数据，获取道路颠簸异常检测结果；获取移动视频，将移动视频输入训练好的道路异常检测模型中进行处理，获取道路异常检测结果；其中，通过基于轨迹分割的时空查询算法存储移动视频，以提高道路异常检测的查询效率。能够提高道路异常检测的精度和效率，解决现有道路检测鲁棒性、精确度低的问题。
-
公开(公告)号：CN119107493A
公开(公告)日：2024-12-10
申请号：CN202411130675.8
申请日：2024-08-16
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: G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N7/01 , H04L47/125
Abstract: 本发明提出一种针对类别不平衡加密网络流量的分类方法及系统，涉及网络流量分类技术领域。包括获取原始类别不平衡加密网络流量，进行预处理，生成表征网络流量特征的真实的马尔可夫图像；搭建包括生成器和判别器的CWGAN‑GP网络，将真实的马尔可夫图像输入至CWGAN‑GP网络中，利用生成器生成马尔可夫图像，并利用判别器对生成的马尔可夫图像和真实的马尔可夫图像进行类别判别，实现对原始类别不平衡加密网络流量的分类。本发明克服了WGAN中的优化难题和样本可靠性问题，确保了样本生成的类别平衡，并保证了计算上更为高效。
-
公开(公告)号：CN117994635B
公开(公告)日：2024-06-11
申请号：CN202410396190.7
申请日：2024-04-03
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: G06V10/82 , G06V10/764 , G06V10/44 , G06N3/0464 , G06N3/084 , G06N3/098
Abstract: 本发明属于机器学习技术处理，为了解决现有联邦学习中客户端模型训练的稳定性差，以及噪声负面影响的问题，提出了一种噪声鲁棒性增强的联邦元学习图像识别方法及系统，通过引入AdaBelief优化器和SCAFFOLD算法中的动量和控制变量机制对全局模型参数和全局控制变量进行本地更新，能够提高客户端本地训练稳定性并加快收敛速度；在客户端本地更新中，通过动态权重参数对损失函数进行改进，并结合平滑标签策略，个性化的学习策略在减少局部噪声的负面影响的同时并提高模型的泛化能力。
-
公开(公告)号：CN117994635A
公开(公告)日：2024-05-07
申请号：CN202410396190.7
申请日：2024-04-03
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: G06V10/82 , G06V10/764 , G06V10/44 , G06N3/0464 , G06N3/084 , G06N3/098
Abstract: 本发明属于机器学习技术处理，为了解决现有联邦学习中客户端模型训练的稳定性差，以及噪声负面影响的问题，提出了一种噪声鲁棒性增强的联邦元学习图像识别方法及系统，通过引入AdaBelief优化器和SCAFFOLD算法中的动量和控制变量机制对全局模型参数和全局控制变量进行本地更新，能够提高客户端本地训练稳定性并加快收敛速度；在客户端本地更新中，通过动态权重参数对损失函数进行改进，并结合平滑标签策略，个性化的学习策略在减少局部噪声的负面影响的同时并提高模型的泛化能力。
-
公开(公告)号：CN117132893A
公开(公告)日：2023-11-28
申请号：CN202311130822.7
申请日：2023-09-04
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08 , G06Q50/26
Abstract: 本发明涉及基于深度学习与空间数据查询的地质灾害监测方法及系统，其检测方法包括基于孪生神经网络构建地质灾害定位评级模型；获取受灾区域的灾前遥感图像数据；基于物化视图查询方法、TBDR‑Tree索引方法以及图形轮廓分割方法从空间数据库中获取受灾区域的灾后遥感图像数据；通过将所述灾前遥感图像数据以及所述灾后遥感图像数据输入所述地质灾害定位评级模型，以识别所述受灾区域的位置和受灾等级，对应得到受灾位置信息和受灾等级信息；输出所述受灾位置信息以及所述受灾等级信息；本发明大大优化了查询时间，减轻了内存开销，运行时间缩短，实现了高效精确的面向遥感图像的灾情检测、灾区识别、受灾等级划分的功能。
-
-
-
-
-
-
-
-
-
Search Results
107
records
(took 0.068 seconds)
