公开(公告)号：CN118748657A

公开(公告)日：2024-10-08

申请号：CN202410900950.3

申请日：2024-07-05

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)

Inventor： 史慧玲 ,  李明发 ,  张玮 ,  谭立状 ,  郝昊 ,  王小龙 ,  丁伟 ,  谷鹏飞

IPC: H04L47/125 ,  H04L47/26 ,  H04L49/201

Abstract: 本发明属于网络通信领域，提供了一种数据中心网络中负载均衡的实现方法及系统，包括：(1)边缘交换机广播式发送INT探针，携带路径上经过的每个交换机的负载信息；(2)网络内每个交换机维护一个负载信息表，存储由此交换机到达其他边缘交换机的所以可达路径，以及该路径的负载权重；(3)交换机基于负载信息表中不同路径的负载权重进行路由决策；(4)控制器根据不同路径的负载平衡程度，动态调控探针发送速率。本发明能够在数据中心网络中实现更高效的负载均衡，有效利用可用带宽。

公开(公告)号：CN118748643A

公开(公告)日：2024-10-08

申请号：CN202410754379.9

申请日：2024-06-12

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)

Inventor： 史慧玲 ,  谷鹏飞 ,  郝昊 ,  张玮 ,  谭立状 ,  丁伟 ,  王小龙 ,  刘礼彬 ,  李明发

IPC: H04L41/16 ,  G06F9/50 ,  G06N3/126 ,  H04L41/147 ,  H04L43/0852 ,  H04L67/10 ,  H04L67/568

Abstract: 本发明涉及移动边缘缓存技术领域，提供了一种基于用户偏好感知的边缘缓存放置优化方法及系统。该方法包括，获取用户历史请求记录，采用深度学习网络，预测下一时隙用户请求内容数量，结合异质用户活跃程度，得到用户对内容偏好的概率分布；基于用户对内容偏好的概率分布，将用户根据偏好相似度进行聚类，将高度相关的用户分到同一集群中，并为每个集群设计缓存策略；将缓存放置问题转化为减少延迟最大化问题，在缓存容量和延迟阈值的约束下最大化总体减少的延迟，使用遗传算法优化减少延迟最大化问题，迭代出最佳个体作为全局最优缓存放置策略；根据全局最优缓存放置策略，执行缓存内容的放置，根据用户请求动态调整缓存内容。

公开(公告)号：CN118387110A

公开(公告)日：2024-07-26

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)

Inventor： 丁伟 ,  张玮 ,  耿俊杰 ,  史慧玲 ,  郝昊 ,  谭立状 ,  刘朔晗 ,  王小龙

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：CN118337717A

公开(公告)日：2024-07-12

申请号：CN202410313718.X

申请日：2024-03-19

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)

Inventor： 张玮 ,  王成 ,  史慧玲 ,  郝昊 ,  丁伟 ,  谭立状 ,  王小龙

IPC: H04L47/2441 ,  H04L41/16 ,  H04L9/40 ,  G06F18/2431 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0442

Abstract: 本发明提供了一种加密网络流量分类方法及系统，所述方案包括：对于待分类的加密网络流量进行数据预处理；以预处理后的加密网络流量数据作为预先训练的混合深度学习模型的输入，获得分类结果；其中，所述混合深度学习模型具体执行如下处理过程：对于输入的加密网络流量数据，利用第一神经网络模块进行多尺度空间特征提取，获得空间融合特征；对于获得的空间融合特征，按照预设时间步的顺序作为第二神经网络模块的输入，获得融合的时空特征，并基于所述时空特征获得分类结果。

公开(公告)号：CN117292221A

公开(公告)日：2023-12-26

申请号：CN202311252854.4

申请日：2023-09-26

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)

Inventor： 史慧玲 ,  张先恒 ,  张玮 ,  丁伟 ,  谭立状 ,  郝昊 ,  王小龙 ,  刘国正

IPC: G06V10/774 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/80 ,  G06F21/62

Abstract: 本发明公开了一种基于联邦元学习的图像识别方法及系统，属于机器学习技术领域。包括获取待识别图像；将待识别图像输入训练好的联邦元学习模型进行处理，获取图像识别结果；训练联邦元学习模型的过程包括：服务器初始化全局模型参数并分别发送至多个客户端；客户端接收全局模型参数，根据全局模型参数，通过训练集对客户端的本地模型进行训练，更新本地模型参数并上传至服务器；服务器聚合所有本地模型参数，更新全局模型参数，直至全局模型收敛；在客户端之间进行循环知识蒸馏，形成个性化模型。能够提升联邦学习模型性能，在保障隐私和数据安全的前提下提高图像识别准确率，解决客户端模型性能差，影响图像识别准确率的问题。