-
公开(公告)号：CN111143672B
公开(公告)日：2023-04-28
申请号：CN201911290719.2
申请日：2019-12-16
Applicant: 华南理工大学
IPC: G06F16/9535 , G06F40/216 , G06F40/289 , G06F40/295 , G06F16/28 , G06F16/36 , G06Q10/1053 , G06Q50/20
Abstract: 本发明公开了一种基于知识图谱的专业特长学者推荐方法，包含：获取学者信息并存入数据库中；抽取学者信息和用户输入信息中的实体及其关系；构建学者专业特长词典；获取学者信息中实体的权重；进行学者专业特长熟练度评价；将知识图谱中的节点和关系向量化；计算出学者专业特长专注度评价；综合两个评价信息获得学者专业特长评分；构成学者专业特长知识图谱；构成用户需求知识图谱；获得用户学者专业特长评分权重；进行打分，获得推荐学者列表。本发明通过结合多维度评价的方式生成学者专业特长评分，并将学者与用户的文字内容转化为知识图谱获得其专业特长权重，从而提高学者推荐的准确度，节省用户查找学者的时间，提高产学研的转化效率。
-
公开(公告)号：CN114528393B
公开(公告)日：2023-02-14
申请号：CN202210021637.3
申请日：2022-01-10
Applicant: 华南理工大学
IPC: G06F16/335 , G06F16/33 , G06F16/34 , G06F16/383
Abstract: 本发明公开了一种学者研究兴趣标签挖掘与演变分析方法、系统及介质，涉及文本挖掘与数据挖掘领域。本发明所涉及的主要流程包括：学者学术成果信息的采集与储存；学术成果信息的预处理；学者学术生涯内各时间片上学术研究关键词的挖掘；各时间片上研究关键词共现图的建立；各时间片上研究关键词社区的识别；各时间片上的研究兴趣标签的提取。在此基础之上，可以根据各时间片的学者研究兴趣标签得到学者研究兴趣的演变情况。本发明提出的一种学者研究兴趣标签挖掘与演变分析方法，可以在无先验信息的前提下实现学者研究兴趣标签的智能提取与学者学术生涯之内研究兴趣演变过程的智能分析。
-
公开(公告)号：CN114528393A
公开(公告)日：2022-05-24
申请号：CN202210021637.3
申请日：2022-01-10
Applicant: 华南理工大学
IPC: G06F16/335 , G06F16/33 , G06F16/34 , G06F16/383
Abstract: 本发明公开了一种学者研究兴趣标签挖掘与演变分析方法、系统及介质，涉及文本挖掘与数据挖掘领域。本发明所涉及的主要流程包括：学者学术成果信息的采集与储存；学术成果信息的预处理；学者学术生涯内各时间片上学术研究关键词的挖掘；各时间片上研究关键词共现图的建立；各时间片上研究关键词社区的识别；各时间片上的研究兴趣标签的提取。在此基础之上，可以根据各时间片的学者研究兴趣标签得到学者研究兴趣的演变情况。本发明提出的一种学者研究兴趣标签挖掘与演变分析方法，可以在无先验信息的前提下实现学者研究兴趣标签的智能提取与学者学术生涯之内研究兴趣演变过程的智能分析。
-
公开(公告)号：CN111158974B
公开(公告)日：2021-10-22
申请号：CN201911238871.6
申请日：2019-12-06
Applicant: 华南理工大学
IPC: G06F11/30
Abstract: 本发明公开的一种面向云服务器的硬件感知CPU能耗测算方法，包含以下步骤：获取服务器的CPU硬件参数信息；建立并维护CPU参数模型数据库来记录当前主流CPU的参数模型；根据服务器CPU参数信息，利用CPU参数模型匹配算法在CPU参数模型数据库中选择与服务器CPU匹配的参数模型；结合CPU能耗基准数据集和主流的CPU能耗模型，分析CPU能耗模型在特定CPU发行年份下的测算性能和模型特性；在匹配CPU参数模型中获取CPU发行年份，根据上述分析结果选择该年份下测算性能最好的CPU能耗模型，作为服务器CPU的测算模型。本发明在提高云服务器的能耗测算准确率的同时，降低了模型训练难度和简化了系统部署。
-
公开(公告)号：CN113127203A
公开(公告)日：2021-07-16
申请号：CN202110449381.1
申请日：2021-04-25
Applicant: 华南理工大学
Abstract: 本发明公开了一种面向云边计算的深度学习分布式编译器及构造方法，编译器包括模型编译框架和模型调度框架；模型编译框架通过容器化深度学习编译器和Kubernetes容器编排系统，完成分布式编译多模型任务的工作；模型编译框架能快速构建深度学习分布式编译器，充分利用服务器集群的优势来解决突发的大量编译需求，克服了深度学习编译器无法分布式编译的不足；模型调度框架对模型编译过程进行资源分析，获取模型运行最高效的资源组合，并设计了Distributed‑DRF调度算法来指导调度中间件来进行调度决策，提高了资源分配的公平性和模型调度的准确性。
-
Patent Agency Ranking
公开(公告)号：CN113075994A
公开(公告)日：2021-07-06
申请号：CN202110452258.5
申请日：2021-04-26
Abstract: 本发明公开了一种面向X86和ARM混合云计算的节能调度系统、方法和存储介质，系统包括负载识别匹配模块、混合服务器集群模块和负载类型试验模块，用负载识别匹配模块对负载进行分类和匹配，判断负载所属类型是否在负载库中，如存在则直接根据负载库的分配方式，将此负载分配给相应类别的服务器集群；若所属的负载类型没有在库中匹配成功，则将此负载放入负载类别试验模块，分析负载分配规则更新负载库、负载分配规则以及负载识别模型；本发明提出了一种面向X86和ARM混合服务器集群的负载调度方法，此方法基于负载在X86和ARM服务器上的性能差异进行调度，相比于单服务器集群调度，X86和ARM服务器混合集群负载调度方法更加细晶粒度，同时可以进一步降低能耗。
-
公开(公告)号：CN112101728A
公开(公告)日：2020-12-18
申请号：CN202010829335.X
申请日：2020-08-18
Applicant: 华南理工大学
Abstract: 本发明公开了一种移动边缘计算系统能源优化分配方法，方法包括以下步骤：假设到达事件的时间间隔呈指数分布，将MEC系统能源分配问题转化为联系时间的马尔可夫决策模型；所述马尔可夫决策模型包括系统状态s、系统动作a、奖励r(s，a)、策略π、值函数V(s)以及状态转移概率p(s′|s，a)六个要素；获取确切的状态转移概率，采用Model‑Based的方法来求解模型；通过值迭代的方法求解每个状态值函数的精确解，得到能源分配的最优策略。本发明移动边缘计算系统能源分配问题，转化成连续时间的马尔可夫决策模型，并通过值迭代的方法求解每个状态值函数的精确解，从而找到能源分配的最优策略，实现MEC系统的长期可持续计算。
-
公开(公告)号：CN111966447A
公开(公告)日：2020-11-20
申请号：CN202010649709.X
申请日：2020-07-08
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于双排列遗传算法的容器放置方法，其过程如下：首先定义问题和数据中心的能耗模型，以及容器调度的优化目标；其次根据模型以及调度优化目标进行种群初始化，对表示容器和虚拟机分配的个体进行双排列染色体编码；并通过计算个体的适应度值进行遗传操作，产生新的个体和种群；最后通过不断的更新个体和种群获得最优的后代，并通过解码得出最优的容器放置策略。该发明根据容器云资源分配的需求，将容器合理地分配到虚拟机，虚拟机合理地映射到服务器，并在保持云服务质量的同时，通过容器分配、资源配置等来对云计算中心的能耗进行优化。
-
公开(公告)号：CN111914000A
公开(公告)日：2020-11-10
申请号：CN202010572777.0
申请日：2020-06-22
Applicant: 华南理工大学
IPC: G06F16/2458 , G06F1/3206
Abstract: 本发明公开了一种基于功耗预测模型的服务器功率封顶方法，包括以下步骤：实时采集服务器的功耗数据，再将数据存储到数据库中；获取不同CPU负载对应的服务器整机功耗；计算不同CPU负载下服务器对应的能效比，得到最佳能效比的功耗区间；构建预测模型，处理服务器的历史功耗数据，构建三类输入特征，训练初始的服务器功耗预测模型；构造输入特征，预测服务器未来一段时间的功耗序列；检测模型的累计预测误差，判断是否需要重新训练模型；计算预测序列的功耗均值，与最佳能效的功耗区间进行比较，选择对应的功率封顶设置值或功耗控制策略。本方法可以使服务器保持在较高的能效水平，降低服务器在低载时的能源消耗。
-
公开(公告)号：CN111737078A
公开(公告)日：2020-10-02
申请号：CN202010396546.9
申请日：2020-05-12
Applicant: 华南理工大学
Abstract: 本发明涉及一种基于负载类型感知的自适应云服务器能耗测算方法、系统及设备，方法包括：采集服务器监控数据并进行分析和清洗，得到一个离线的负载数据集和一个实时更新的负载数据集；基于离线的负载数据集，使用K-Means聚类算法进行聚类，得到具有类簇边界的4个负载类型簇；根据类簇边界计算出每个负载类型的资源阈值区间；同时，基于实时的负载数据集，使用ARIMA算法进行预测，将资源阈值区间作为分类判定条件，进行负载类型的分类判别；根据分类判别结果设置负载能耗模型中的参数，实时计算此负载下的云服务器的能耗。本发明可以有效地在实际的云环境中测算各种工作负载所消耗的能耗，对服务器负载做出准确的能耗评估。
-
-
-
-
-
-
-
-
-
Search Results
130
records
(took 0.03 seconds)
