-
公开(公告)号：CN105577703B
公开(公告)日：2019-01-25
申请号：CN201610158330.2
申请日：2016-03-18
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东省公安厅
IPC: H04L29/06
Abstract: 本发明的大数据警务云系统的用户权限管理方法，映射关系建立阶段包括：a).云应用的标记；b).建立用户信息数据元表；c).建立权限数据元表；d).建立映射关系；权限管理实施阶段包括：1).填写个人注册信息；2).生成个人权限列表；3).生成权限时间；4).保存信息；5).发送权限请求；6).接收权限请求；7).返回权限指令；8).加载应用程序或功能模块。本发明的用户权限管理方法，有效地实现了云系统上警务云应用较多（如数十或上百个）时的自动权限管理，减少基层民警用户使用云应用的权限审批流程，更好的建立不同业务、不同单位部分之间的分级授权制度，清晰化权限边界，有益效果显著，适于应用推广。
-
公开(公告)号：CN109145255A
公开(公告)日：2019-01-04
申请号：CN201810593876.X
申请日：2018-06-11
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F17/16
CPC classification number: G06F17/16
Abstract: 本发明涉及一种稀疏矩阵LU分解行更新的异构并行计算方法。本发明在superlu算法的基础上，结合太湖之光的主从异构特点，使superlu求解器在矩阵分解阶段，对行更新的过程中，将大规模计算任务转移至从核，利用从核组高效的计算和数据通信能力，提高超大规模稀疏矩阵的求解计算能力，进一步求解的整体性能。本发明按矩阵的数据进行任务划分的方式，对矩阵数据块按行进行划分，首先为每个从核开辟一个矩阵空间，每个从核负责几个矩阵行的求解，在求下三角单位矩阵类型的线性方程组的过程中，各行数据相互独立，避免求解空间发生冲突和依赖，顺利实现对方程组的求解。
-
公开(公告)号：CN103473292B
公开(公告)日：2016-09-14
申请号：CN201310394611.4
申请日：2013-09-03
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明的面向海量点与面关系并行计算负载均衡的点数据划分方法，包括：a).在保证物理空间临近的点的编码连续的情况下，对所有点根据位置进行编码；b).设需要将所有的点分为块，对于第个分块来说，将编码为的点划入该分块中；c).对点进行分块后，将不同的块分布至不同的计算节点上，由计算节点计算每个点是否位于多边形区域内。本发明的点数据划分方法，首先将海量点进行编码，并满足空间临近的点的编码连续原则，然后按照编码将海量点均匀地分入到不同的块中，最后通过不同的计算节点来计算不同块中的点，使得每个计算节点的计算量基本一致，实现了负载均衡的目的，充分利用计算资源，最大限度地缩短了计算时间。
-
公开(公告)号：CN119557849A
公开(公告)日：2025-03-04
申请号：CN202411610574.0
申请日：2024-11-12
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: G06F18/27 , G06F18/15 , G06N3/0442 , G06N3/045 , G01W1/10 , G01W1/02 , G06F123/02
Abstract: 本发明涉及气象温度预测方法、系统、存储介质及设备，获取历史温度数据和影响温度变化的气象数据并预处理；预处理后的数据分别利用正向和反向的LSTM网络处理，得到时间序列的前向和后向隐藏状态序列，经拼接或逐元素加和得到双向隐藏状态序列；通过权重矩阵，将双向隐藏状态映射到注意力得分，经归一化处理得到每个时间步的注意力权重，并利用得到的注意力权重对双向隐藏状态序列加权求和，利用得到的上下文向量经全连接层处理，生成温度预测值。结合了双向LSTM和注意力机制，不仅增强了模型对复杂温度时间序列数据的处理能力，而且提高了预测的准确性和鲁棒性，从而应对传统方法的不足。
-
公开(公告)号：CN119151963A
公开(公告)日：2024-12-17
申请号：CN202411629609.5
申请日：2024-11-15
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: G06T7/11 , G06T7/00 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/084
Abstract: 本发明提出了基于改进Swin‑Unet的CT图像分割方法及系统，涉及计算机视觉技术领域。包括将CT图像数据输入至改进Swin‑Unet模型中，在编码器和解码器的下/上采样中，使用两个连续的移位窗口分层变压器模块进行特征提取，并将编码器和解码器对应层的移位窗口分层变压器模块的输出采用多头自注意力连接模块进行特征拼接，得到解码器的输出卷积；将解码器的输出卷积输入至卷积注意力模块中，得到最终的输出特征图；基于最终的输出特征图，实现对CT图像的分割。本发明利用多头自注意力机制取代传统跳跃连接，通过多尺度信息融合和动态权重分配，增强了网络在特征传递过程中的表达能力。
-
Patent Agency Ranking
公开(公告)号：CN119149240A
公开(公告)日：2024-12-17
申请号：CN202411594962.4
申请日：2024-11-11
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: G06F9/50
Abstract: 本发明提出面向深度学习的细粒度、干扰感知的GPU调度方法及系统，涉及GPU资源调度技术领域。包括在离线阶段收集工作负载的资源需求信息；生成每个应用程序对应的在GPU上执行的CUDA内核任务；拦截每个应用程序CUDA内核任务的启动请求，并将启动请求对应的CUDA内核任务缓存在每个应用程序对应的任务队列中；对于高优先级应用程序，直接将对应任务队列中的CUDA内核任务提交给GPU调度；对于低优先级应用程序，根据干扰评分以及资源需求判断是否提交CUDA内核任务至GPU进行调度。本发明能够减少任务之间的资源冲突和干扰，实现GPU资源共享，提高GPU资源利用率。
-
公开(公告)号：CN118537694A
公开(公告)日：2024-08-23
申请号：CN202410648489.7
申请日：2024-05-23
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: G06V10/80 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/09
Abstract: 本公开提出基于改进的CNN的肺部CT影像衰老评估方法及系统，方法包括：将预处理后的待评估图像输入至改进的CNN中，提取待评估图像的衰老特征，基于衰老特征得到衰老评估结果；改进的CNN包括改进的ResNet18网络和多尺度CNN网络，改进的ResNet18网络用于提取深层特征，包括依次连接的注意力机制模块、平均池化层和恒等层；多尺度CNN网络用于提取局部和全局信息特征；将深层特征和局部和全局信息特征融合为衰老特征，利用衰老等级标签进行监督学习，输出衰老评估结果。通过融合图像更深层特征和更宽的空间上下文信息，保证特征的细节性和多样性，避免遗漏相关信息，从而提高肺部衰老评估的准确性。
-
公开(公告)号：CN118429641A
公开(公告)日：2024-08-02
申请号：CN202410585218.1
申请日：2024-05-13
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: G06V10/26 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 一种基于SwinUnet的双分支癌症病理图像分割方法，涉及病理图像处理技术领域，提高了病理图像分割模型的分割精度，双分支的设计使得全局与局部特征的提取更加精细，并且在SwinUnet的跳跃连接中加入多尺度密集注意力机制，使得下采样所得的空间信息损失降低。深度可分离卷积Dwconv的引入，通过将卷积操作分解为两个独立的步骤，使用较小的卷积核，从而显著减少了网络的参数数量，这使得网络更加轻量化，也提供了更好的特征表示能力，有助于提高模型的准确性和泛化能力，使得模型在图像边缘预测方面更加精准。
-
公开(公告)号：CN118193135A
公开(公告)日：2024-06-14
申请号：CN202410358987.8
申请日：2024-03-27
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: G06F9/455
Abstract: 本公开提供了基于神威架构的PIPE‑BiCGStab求解器加速优化方法及系统，涉及求解器加速优化技术领域，包括：定位搜索PETSc库热点函数，构建众核加速模型；利用所述众核加速模型对PETSc库热点函数实现PIPE‑BiCGStab求解器加速并行计算；其中，主核初始化，读入PETSc库热点函数，对PETSc库热点函数增加线程级并行计算，利用余数法，将其作为计算任务平均分配给每个核组内的从核；对从核内存访问方式进行优化，以及对数据传输方式进行优化，并使用向量化操作对矩阵和向量计算进行加速，完成并行加速计算过程。
-
公开(公告)号：CN118097286A
公开(公告)日：2024-05-28
申请号：CN202410283334.8
申请日：2024-03-13
Applicant: 山东省计算中心(国家超级计算济南中心) , 山东大学齐鲁医院
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G16H30/20 , G16H50/20
Abstract: 本发明涉及一种基于SVM和双线性卷积神经网络的肺部CT影像衰老评估方法。本发明针对健康人群，基于肺部CT影像的体检数据，提出一种基于SVM+B‑CNN的健康人群肺衰老程度评估方法，能够客观的对人体肺部衰老程度进行评估。该方法包括模型建立与训练模块、分类器模块和模型评估模块。其中，模型建立与训练模块为能够提取到更丰富的图像特征信息，使用了子网络分别为VGG16和VGG19网络的双线性卷积神经网络模型，分类器采用SVM输出了最后的衰老等级评估结果，模型评估模块对整体模型进行了混淆分析并在新数据集进行推理，能够有效从客观上对肺部CT影像进行评估分类，呈现有效的评估参考因素，并提高肺部CT图像评估效率。
-
-
-
-
-
-
-
-
-
Search Results
135
records
(took 0.066 seconds)
