-
公开(公告)号：CN104394483A
公开(公告)日：2015-03-04
申请号：CN201410650766.4
申请日：2014-11-14
Applicant: 南京邮电大学
IPC: H04N21/63 , H04N21/643 , H04N21/647
Abstract: 一种互联网视频点播系统中的流量本地化优化处理方法，包括：节点周期性的向Tracker服务器汇报自身的网络状况、IP地址以及播放进度、位图。Tracker服务器根据所述节点的请求，选择同一地区的节点形成列表发送给所述节点，所述节点通过解析peerList中节点的位图，选择具有所请求数据块的6个节点，同时对此6个节点发送连接请求，直到第一个节点响应，然后与响应的节点进行数据传输。如果本地节点不足以保证流媒体流畅播放时，节点向Tracker服务器请求非本地节点进行P2P共享。在尽量保证流量本地化的同时，通过合理的加入非本地化节点支持，减少FLASH P2P视频点播系统中用户接收点播节目时的时延，提高视频播放流畅度，并大量减少运营商主干网络的流量压力。
-
公开(公告)号：CN103914528A
公开(公告)日：2014-07-09
申请号：CN201410124334.X
申请日：2014-03-28
Applicant: 南京邮电大学
IPC: G06F17/30
CPC classification number: G06F17/30445
Abstract: 一种关联分析算法的并行化方法是针对一种经典的关联规则分析算法Apriori不能很好适应并行化的缺陷，设计了一种新的并行化方案。通过主控节点将计算任务进行分块，分配并分发给各个子计算节点。由各计算节点并行计算筛选频繁集，最后合并节点并返回结果统计，生成频繁集。再次分发频繁集，由各节点生成规则。由于每个计算节点仅处理一部分计算任务，解决了海量数据无法由单机读入内存进行处理和处理速度过慢的问题；且多个节点并行参与处理，有效提高了处理效率；并且对计算过程中的节点间的同步依赖、网络通讯负担过重、I/O操作过于频繁做了相应的改进，提高了数据库扫描和计算的速度。
-
公开(公告)号：CN103763363A
公开(公告)日：2014-04-30
申请号：CN201410016140.8
申请日：2014-01-14
Applicant: 南京邮电大学
Abstract: 本发明公开了一种云存储系统及基于该系统的文件副本部署方法，用于提高云存储中数据的可靠性和可用性，属于分布式计算和云存储技术领域。本发明针对分散式云计算模型的入口服务器节点，根据各服务器节点到入口节点的最小通信代价，以及根据自身的负载波动率所得到的最优路径的带宽流畅度，对整个云计算模型进行分群；然后根据副本的读写比率，对副本进行合理的放置。本发明从整体上降低了网络的通信代价，同时提高了副本可用性。本发明技术方案无论在存储空间利用率上还是在通信代价上相比于传统的副本放置方案有更大的优势。
-
公开(公告)号：CN102663284A
公开(公告)日：2012-09-12
申请号：CN201210075361.3
申请日：2012-03-21
Applicant: 南京邮电大学
IPC: G06F21/00
Abstract: 本发明是一种基于云计算的恶意代码识别方法，需要解决的技术问题是，首先，当前的恶意代码变异速度加快，其依靠自身加密机制，通过不断变换加密密钥使得产生的代码主体相似度极低，而传统的基于特征码检测引擎没有办法识别，造成查杀率不断下降。其次，随着技术的发展，恶意代码中加入更多的自我保护技术，尤其对现行比较流行的虚拟机查杀机制展开对抗，使得在真实环境中很简单的代码在杀毒引擎的虚拟机里分析的过程变得异常复杂，最终达到无法识别的目的。这显然需要新的可行方案来解决当前环境下对恶意代码的识别，从而做到有效的防御。
-
公开(公告)号：CN101340458B
公开(公告)日：2011-03-16
申请号：CN200810123593.5
申请日：2008-07-09
Applicant: 南京邮电大学
IPC: H04L29/08
Abstract: 一种基于时间空间局部性的网格数据副本生成方法是一种基于网格用户数据访问的行为特征，来确定网格中数据副本的数目和其在网格节点上的分布，从而进行数据副本生成的方法。该方法基于网格用户数据访问的行为特征，来确定网格中数据副本的数目和其在网格节点上的分布。其基本思想是利用用户访问数据的时间局部性分布来获取网格中数据之间的空间局部性，然后基于空间局部性确定数据副本的数目以及分布原则，从而复制和分布数据的各个副本。这样根据数据在邻近关系图上的分组情况，就能得到数据需要的副本数目和副本分布的方法，从而利用较少的副本数目和有效的副本分布，达到降低网格中数据访问的延迟和减少网络带宽消耗。
-
Patent Agency Ranking
公开(公告)号：CN101442560A
公开(公告)日：2009-05-27
申请号：CN200810243909.4
申请日：2008-12-10
Applicant: 南京邮电大学
Abstract: 一种基于移动网格的移动通信终端影音播放查询方法是一种用在移动通信终端中，以移动网格作为基础，根据终端使用者播放习惯，从而能在移动通信终端上进行有效排序的机制。移动终端部分采用预装的WIN CE操作系统的PDA，同时也预装网格的客户端软件。移动终端通过基于WAP协议的无线应用接入到网格WEB门户。网格基础设施部分包括中心服务器、存储服务器、信息服务器和数字媒体服务器，且安装了GT4的软件包。SS、IS和DMS可以分别属于不同的DOMAIN管理域。中心服务器由高性能服务器实现，内部可以实现服务的注册、管理和绑定等一系列服务；对移动终端侧以WEB门户形式呈现，通过WEB门户使用户可以访问各种网格服务。
-
公开(公告)号：CN101340458A
公开(公告)日：2009-01-07
申请号：CN200810123593.5
申请日：2008-07-09
Applicant: 南京邮电大学
IPC: H04L29/08
Abstract: 一种基于时间空间局部性的网格数据副本生成方法是一种基于网格用户数据访问的行为特征，来确定网格中数据副本的数目和其在网格节点上的分布，从而进行数据副本生成的方法。该方法基于网格用户数据访问的行为特征，来确定网格中数据副本的数目和其在网格节点上的分布。其基本思想是利用用户访问数据的时间局部性分布来获取网格中数据之间的空间局部性，然后基于空间局部性确定数据副本的数目以及分布原则，从而复制和分布数据的各个副本。这样根据数据在邻近关系图上的分组情况，就能得到数据需要的副本数目和副本分布的方法，从而利用较少的副本数目和有效的副本分布，达到降低网格中数据访问的延迟和减少网络带宽消耗。
-
公开(公告)号：CN119996033A
公开(公告)日：2025-05-13
申请号：CN202510251167.3
申请日：2025-03-04
Applicant: 国网江苏省电力有限公司泰州供电分公司 , 国网江苏省电力有限公司淮安供电分公司 , 南京邮电大学 , 国网江苏省电力有限公司
Abstract: 本发明公开了一种基于负载均衡的拟态防御调度方法及装置，方法包括：交换机接收流量探针；检测执行体集群中的异构执行体是否受到攻击；将受到攻击的异构执行体调度下线，并将当前的执行体集群与执行体待选池中相应的候选异构执行体组成待定执行体集；根据候选异构执行体的历史任务进行多模裁决，根据裁决结果计算候选异构执行体的历史置信度；基于待定执行体集计算候选异构执行体的差异度；根据候选异构执行体的历史置信度和差异度确定调度优先级；根据调度优先级和所述流量探针确定调度方案；该方法能够实现执行体调度的负载均衡。
-
公开(公告)号：CN119808001A
公开(公告)日：2025-04-11
申请号：CN202411893521.4
申请日：2024-12-20
Applicant: 江苏鱼跃凯立特生物科技有限公司 , 南京邮电大学 , 江苏跃凯生物技术有限公司 , 浙江凯立特医疗器械有限公司 , 江苏鱼跃医疗设备股份有限公司
Abstract: 本申请公开了一种基于多变量时间序列的用户生理参数预测方法及设备，用于解决现有的时间卷积网络未关注同时步内不同信号间的相互作用和物理关联性的问题。方法包括：将距离当前时刻设定时长内的用户生理参数对应的多变量时间序列转置至变量维度，并映射输出每个变量的序列特征信息；通过编码器模块确定每个序列特征信息之间的全局特征和局部特征对应的最终融合结果；根据最终融合结果确定用户生理参数预测结果。本申请能够独立处理每个变量的时间序列，捕获全局依赖关系和短时间内的细微变化，实现了变量间全局和局部特征的自动提取与融合。
-
公开(公告)号：CN119557440A
公开(公告)日：2025-03-04
申请号：CN202411609087.2
申请日：2024-11-12
Applicant: 国网江苏省电力有限公司泰州供电分公司 , 国网江苏省电力有限公司淮安供电分公司 , 南京邮电大学 , 国网江苏省电力有限公司
IPC: G06F16/35 , G06F18/214 , G06F18/2431 , G06F18/21 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种基于神经网络的多标签文本分类方法及装置，包括：采集多标签文本数据形成训练样本；对所述训练样本进行词嵌入和标签嵌入，分别获得词向量和标签向量；建立初始的CNN‑BiLSTM‑ATTENTION神经网络模型，CNN‑BiLSTM‑ATTENTION神经网络模型包括CNN层、BiLSTM层以及ATTENTION层；对CNN‑BiLSTM‑ATTENTION神经网络模型进行训练直到所述CNN‑BiLSTM‑ATTENTION神经网络模型收敛；接收待分类的文本数据并输入至收敛后的CNN‑BiLSTM‑ATTENTION神经网络模型，输出分类结果；该方法适用于多维标签向量分类的场景。
-
-
-
-
-
-
-
-
-
Search Results
245
records
(took 0.032 seconds)
