-
公开(公告)号：CN106326011A
公开(公告)日：2017-01-11
申请号：CN201610726983.6
申请日：2016-08-25
Applicant: 上海交通大学 , 国网甘肃省电力公司信息通信公司
IPC: G06F9/50
Abstract: 本发明提供了一种云计算中面向资源成本优化的多资源调度方法，包括：步骤A：获取用户提交的应用；步骤B：根据用户提交的应用确定最优资源配置。本发明提供的SmartYARN算法很好地解决了云计算中多资源配置的最优化问题，即在保证用户设定的性能约束下，通过分配合理的云计算资源，使得用户的任务资源花费最少。本发明适用于拥有大数据量、运行时间较长、并且希望减少资源花费的批处理任务。大量实验测试表明本发明不仅能达到98％的实际最优化准确率，而且性能开销较小，通常只需要15步搜索就能找到适用于该任务的最优资源配置。
-
公开(公告)号：CN103701619B
公开(公告)日：2016-09-07
申请号：CN201310501145.5
申请日：2013-10-22
Applicant: 上海交通大学
Abstract: 本发明提供给的基于CDN和数据中心动态选择的互联网内容分发方法，包括步骤：入口服务器对用户动态数据请求，通过动态选择的互联网内容分发方法，执行选择过程，选择由哪一个内容分发网络CDN来接受用户服务请求、以及由哪一个数据中心提供数据。用户的请求被重定向到被选择的内容分发网络的一个副本服务器上，通过选择过程，选择一个分布式的数据中心，用来返回动态数据到被选择的内容分发网络上离用户最近的副本服务器上，被选择的副本服务器返回静态数据和动态数据给用户。本发明通过综合网络、CDN、数据中心的约束条件，求解混合整数线性规划，用以得到这三者间费用最优的数据流。动态数据处理的费用较传统方法平均降低10%以上。
-
公开(公告)号：CN105871618A
公开(公告)日：2016-08-17
申请号：CN201610228390.7
申请日：2016-04-13
Applicant: 上海交通大学
CPC classification number: G06F9/50 , H04L67/1004 , H04L41/042 , H04L41/08 , H04L67/1097
Abstract: 本发明提供了一种云调度器中应对不确定需求的多资源调度方法，其使用两个针对公平效率的计算公式，作为优化问题中的成本函数。对于一些资源需求不确定的变化集合，原始非线性优化问题的鲁棒性对等式易于计算，所以本发明对这些资源需求不确定的集合的特征进行了建模，即椭球体不确定模型。该模型将每个系数向量置于一个超椭球形的空间中，并作为测量不确定度大小的一个度量。通过借助于椭球体不确定模型，来解决非线性优化问题，可以得出能够应对于动态变化需求的资源分配方案。
-
公开(公告)号：CN104573560A
公开(公告)日：2015-04-29
申请号：CN201510041710.3
申请日：2015-01-27
Applicant: 上海交通大学
IPC: G06F21/62
CPC classification number: G06F21/6245 , G06F2221/2141
Abstract: 本发明公开了一种基于小波变换的差分隐私数据发布方法。通过把原始数据集的属性取值概括为预定义概括树结构中最顶层的取值，再利用概括树结构自顶向下的细分取值，一步一步把概括化的属性值转化为细分的属性值。在选择属性进行细分的选择算法上，利用已有的指数加噪方法；在叶子节点的加噪中引入了小波变换的加噪方法，使得在满足差分隐私保护的前提下，尽量减少新发布数据集相对原始数据集的噪音。本发明结合小波变换和指数机制协同加噪，有效的减少了在对原始数据集加噪过程中噪音的累积，并且符合差分隐私保护的定义，减少了隐私保护的代价，有效提高了差分隐私保护后数据集的利用率。
-
公开(公告)号：CN104216783A
公开(公告)日：2014-12-17
申请号：CN201410412054.9
申请日：2014-08-20
Applicant: 上海交通大学
Abstract: 本发明提供了一种云游戏中虚拟GPU资源自主管理与控制方法，包括步骤：构建Auto-vGPU框架；使用基于LASSO的降维算法以选择关键指标数据作为系统输入，来支持Auto-vGPU框架拟合低维的输入输出模型；利用PI控制器参数自动配置算法，自动控制Auto-vGPU框架中vGASA模块中的参数配置，减少人工操作，支持Auto-vGPU框架在动态复杂的云环境中保持良好的性能。本发明实现了虚拟GPU资源的自动化管理，并使用LASSO/LARS降维技术，自动化减少虚拟机中每个游戏的输入量，还通过采用根据期望性能自动化配置PI参数的方法，设计在线控制器。
-
Patent Agency Ranking
公开(公告)号：CN104065707A
公开(公告)日：2014-09-24
申请号：CN201410254064.4
申请日：2014-06-09
Applicant: 上海交通大学
IPC: H04L29/08 , H04L29/06 , H04L12/28 , H04L12/24 , H04L12/861 , H04L12/801
Abstract: 本发明公开了一种基于计算与通信协同设计的时间触发调度系统，其包括多个端系统、多个中间节点路由器、计算节点，多个端系统、多个中间路由器节点和计算节点三者之间都通过时间触发的以太网连接。本发明能够得到的效果为较高效率的得到调度任务端到端延时的最小值，另外不会产生网络延时。
-
公开(公告)号：CN120032355A
公开(公告)日：2025-05-23
申请号：CN202510117727.6
申请日：2025-01-24
Applicant: 上海交通大学
IPC: G06V20/60 , G06V10/764 , G06V10/30 , G06V10/82 , G06V10/25
Abstract: 本发明提供了一种基于深度学习的智能工业仪表识别系统，包括定位部分：用于从原始仪表图片中定位出表盘部分；读数部分用于根据仪表类型应用相应算法进行读数，通过改进的角度读数法提高读数精度，并为新仪表类型保留可扩展设计；交互部分用于向用户提供简洁的仪表读数网页界面。本发明解决了变电站工业运维中需要人工巡检或人工读取照片的问题，通过自动仪表读数方案不仅提高了运维效率，还减少了人工读数产生的误差。本发明致力于在确保仪表识别算法与企业边缘设备兼容的基础上，实现较高的读数准确率，以充分满足工业界对于自动化、智能化仪表识别的迫切需求。
-
公开(公告)号：CN111782355B
公开(公告)日：2024-05-28
申请号：CN202010495237.7
申请日：2020-06-03
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于混合负载的云计算任务调度方法及系统，包括：步骤M1：设置延迟敏感任务队列和吞吐量敏感任务队列记录所有的云计算任务；步骤M2：任务调度器根据新的云计算任务标记，将新的云计算任务加入到相应的任务队列之中；步骤M3：当虚拟机处于空闲状态时，任务调度器优先考虑延迟敏感任务优先调度策略，从延迟敏感任务队列中选取计算任务执行；当延迟敏感任务队列中的计算任务不满足预设条件时，则任务调度器考虑吞吐量敏感任务优先调度策略，从吞吐量敏感任务队列中选取计算任务执行；本发明通过此调度算法分配任务到相应的虚拟机上，提高云计算服务质量，降低云服务成本，解决云计算集群存在的性能瓶颈。
-
公开(公告)号：CN115904631A
公开(公告)日：2023-04-04
申请号：CN202211684110.5
申请日：2022-12-27
Applicant: 上海交通大学 , 益思芯科技(上海)有限公司
Abstract: 本发明提供了一种拥有即时处理能力的NVMe虚拟化方法、系统、介质及设备，包括：物理资源池模块进行初始化；创建若干个内核线程作为I/O controller；租户管理模块初始化；当虚拟机创建后，租户管理模块向为其创建一个虚拟设备，将其绑定到该虚拟机上；将该虚拟设备给到一个当前活跃的I/O controller，进行信息沟通和设置；I/O controller基于算法运行，进行全局的I/O和带宽分级和即时处理。本发明基于现有的NVMe‑Mdev框架，提供了一套可以直接部署在当前的基于虚拟机的云环境下的拥有带宽分级和即时处理能力的的NVMe存储服务系统。
-
公开(公告)号：CN112711475B
公开(公告)日：2022-09-06
申请号：CN202110076869.4
申请日：2021-01-20
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于图卷积神经网络的工作流调度方法及系统，该方法包括：步骤1：基于图卷积神经网络模型处理任务节点的自身特征和复杂的依赖关系，提取出高维的抽象特征表示；步骤2：策略网络将高维的抽象特征输入到全连接层神经网络进行处理，用Softmax层选出下一个将要执行的任务节点；步骤3：根据选出的任务节点，使用DEFT启发式算法，计算出是否复制任务节点的父节点、复制哪一个父节点和分配到哪个资源上执行的方案；步骤4：按照步骤3计算出的方案执行分配，更新任务节点分配后的任务信息以及资源信息，重复步骤1进入下一次分配，直到所有已到达的任务节点都得到分配。本发明能够适应动态的工作流环境，且算法调度质量更高。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.025 seconds)
