-
公开(公告)号：CN116112436A
公开(公告)日：2023-05-12
申请号：CN202211650317.0
申请日：2022-12-21
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: H04L45/85 , H04L67/148 , H04L69/164
Abstract: 本发明涉及一种基于QUIC传输协议的主动连接迁移方法及系统，其方法包括如下步骤：通过遍历客户端的所有可用网络接口，主动获取所述客户端每个所述可用网络接口的网络接入方式以及网络接入路径；通过评价每个所述网络接入方式的网络质量指标，选取最优的所述网络接入方式，得到最优网络接入方式；根据所述最优网络接入方式获取所述最优网络接入方式所对应的所述网络接入路径，得到最优网络接入路径；将所述客户端的QUIC连接始终收敛在所述最优网络接入方式上，并通过所述最优网络接入路径让所述客户端进行主动迁移连接；本发明能够提高网络服务响应速度，提高QUIC在异构多接入网络环境下移动性管理性能和传输效率。
-
公开(公告)号：CN116074347A
公开(公告)日：2023-05-05
申请号：CN202211717383.5
申请日：2022-12-29
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: H04L67/12 , H04L67/10 , H04L41/14 , H04L43/0852 , H04L67/141
Abstract: 本发明公开了一种用于传感网的算力分配方法、系统、设备及介质，涉及海洋观监测传感网络技术领域，算力分配方法包括：根据当前的海洋算力网络，确定多个可用节点，海洋算力网络包括多个海洋节点，每个可用节点各自对应一个海洋节点；获取任务信息，根据任务信息对应的数据量和每个可用节点各自对应的算力信息，确定任务信息对应的任务时延模型；任务时延模型用于根据任务信息对应数据量所确定的卸载方案，确定执行任务信息的总时延；求解任务时延模型，得到目标卸载方案，目标卸载方案包括每个可用节点各自对应的目标分配比例；对于每个可用节点，根据可用节点对应的目标分配比例和任务信息对应的数据量，确定可用节点在本地所需处理的数据量。
-
公开(公告)号：CN114973060A
公开(公告)日：2022-08-30
申请号：CN202210430592.5
申请日：2022-04-22
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了一种移动视频的相似度计算方法和系统，涉及数据挖掘领域。该方法包括：通过视频帧数据模型计算第一视频帧的可视区域和第二视频帧的可视区域的交集和并集，根据交集和并集计算出第一视频帧和第二视频帧之间的预设系数，根据预设系数确定最大公共视图相似度，将第一视频帧和第二视频帧分别转换成第一视频帧序列和第二视频帧序列，基于最长公共子序列算法，结合第一视频帧序列和第二视频帧序列、以最大公共视图相似度作为权值，计算出第一视频帧和素和第二视频帧的视频相似距离，对视频相似距离进行归一化处理，获得相似度值，实现了基于最大公共子视图测量移动视频的相似度的识别和计算。
-
公开(公告)号：CN114782866A
公开(公告)日：2022-07-22
申请号：CN202210417377.1
申请日：2022-04-20
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06V20/40 , G06V10/74 , G06V10/762 , G06K9/62 , G06F16/71 , G06F16/75 , G06F16/787
Abstract: 本发明涉及一种地理标记视频的相似度确定方法、装置、电子设备及介质，该方法包括：获取待处理的第一视频和第二视频，第一视频和第二视频均为地理标记视频；基于数据库缓存区的内存容量阈值，分别对第一视频和第二视频进行分割，得到多个目标分割视频场景；对于属于同一个视频的每个目标分割视频场景，将至少一个目标分割视频场景中的满足聚类条件的目标分割视频场景进行合并，得到至少一个目标视频场景；根据至少一个目标视频场景中每个目标视频场景对应的视场区域，确定第一视频和第二视频之间的视频相似度。通过本发明的方法，可减少数据处理量，减少算法复杂度，提高数据处理效率。
-
公开(公告)号：CN112714062B
公开(公告)日：2022-04-29
申请号：CN202011437644.9
申请日：2020-12-07
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: H04L45/24 , H04L45/302
Abstract: 本发明涉及一种面向超算用户体验质量的多路径路由方法，包括通过预设规则将待规划路径的业务解耦为至少一个业务块，根据每一个业务块的网络需求特征、待规划路径的网络节点之间的所有路径和所有路径中每一条路径的网络特征，得到针对业务的网络节点之间的多路径集合，将多路径集合中每一条路径的网络特征和所有业务块的网络需求特征输入至预设匹配度评估函数中，得到针对业务的网络节点之间的网络路径，本发明形式化描述不同超算应用或业务对网络的多维细粒度需求，对网络的整体业务进行分块化描述，实现解耦超算业务任务调度与数据交换的强依赖关系，提升用户体验。本发明还涉及一种面向超算用户体验质量的多路径路由装置。
-
Patent Agency Ranking
公开(公告)号：CN114401194A
公开(公告)日：2022-04-26
申请号：CN202111641009.7
申请日：2021-12-29
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: H04L41/0895 , G06F9/455 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种支持网络功能虚拟化的动态扩展方法，包括S1、基于网络功能虚拟化架构，创建原始VNF实例；S2、采用基于注意力机制的CNN‑LSTM方法预测原始VNF实例的时序数据流的流量大小，从而预测未来原始VNF实例的流量负载；S3、通过监测原始VNF实例的流量负载，触发VNF缩放事件；S4、监听VNF缩放事件，当VNF缩放事件触发时，创建新VNF实例；S5、根据时序数据流的流量大小指定待迁移的时序数据流；S6、将指定的时序数据流以及与指定的时序数据流相对应的数据流状态迁移至新VNF实例；本发明实现了在VNF实例的数据流迁移过程中的网络数据流级别的SLA保证和高效的资源利用。
-
公开(公告)号：CN107404733B
公开(公告)日：2020-04-24
申请号：CN201710721624.6
申请日：2017-08-22
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明公开了一种基于MEC和分层SDN的5G移动通信方法及系统，方法包括：S1、接收业务请求，并转发至MEC边缘节点；S2、通过MEC边缘节点的交换机发送Packet‑in消息至MEC节点控制器；S3、判断MEC边缘节点是否存在与业务请求一致的服务；S4、总控制器根据业务请求进行网络切片规划及选择后，发送Packet‑out消息至SDN子控制器包括的核心网控制器；S5、核心网控制器对移动网络进行资源调度处理，根据当前资源占用量将与业务请求相关的业务或服务缓存到MEC边缘节点；S6、终端从MEC边缘节点获取业务或服务。本发明的有益效果是：本技术方案解决网络的延迟、拥塞和容量等问题，满足终端用户的极致体验，具有大流量、低延时、低能耗及高可靠等特点。
-
公开(公告)号：CN110062339A
公开(公告)日：2019-07-26
申请号：CN201910244377.4
申请日：2019-03-28
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及一种可共享数据传输的方法和装置，包括当接收到终端UE向数据源发送的请求报文时，判断数据源所对应的第一组播组是否已经建立，若第一组播组已经建立，且第一组播组中第一个加入的UE没有标记为完成数据接收，将UE加入第一组播组中，将需要向UE传输的数据分为共享数据和非共享数据，通过第一组播组向UE组播发送共享数据，根据同时加入第一组播组中UE的数量，确定向所述UE发送非共享数据的方式。本发明中UE可随时加入组播组，同时可接收全部数据。
-
公开(公告)号：CN119892654A
公开(公告)日：2025-04-25
申请号：CN202510036261.7
申请日：2025-01-09
Applicant: 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明提出了一种基于双协同模块的网络损伤模拟实现方法及系统，属于互联网网络损伤技术领域；基于用户损伤指令生成第一配置模板和第二配置模板；对网络流数据包进行网络损伤条件匹配和任务需求判断，基于Tofino芯片上的第一配置模板对且仅对符合网络损伤匹配条件且任务需求为简单网络损伤模拟的网络流数据包进行处理；基于CPU芯片上的第二配置模板对且仅对任务需求为复杂网络损伤模拟的网络流数据包进行处理；最后将达到网络损伤模拟任务需求的网络流数据包转发至接收方。本发明能够在充分利用双协同模块处理的基础上，突破硬件和编程的限制，高效且精准的实现对不同复杂程度的网络损伤模拟。
-
公开(公告)号：CN119829297A
公开(公告)日：2025-04-15
申请号：CN202510308469.X
申请日：2025-03-17
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)
Abstract: 本公开提供了基于强化学习的边‑端动态协同任务批处理方法及系统，涉及人工智能技术领域，包括：获取任务集合；基于离散软演员‑评论家的强化学习方法，利用延迟‑精度奖励动态选择任务处理模型的划分点，实现对任务处理模型的拆分；将拆分后的任务处理模型分别部署在终端和边缘服务器上；对任务集合进行批处理初始化，为批任务设置时间窗口长度，在时间窗口内收集任务集合所对应的特征集合，并进行合并；将合并后的特征输入至部署在边缘服务器上的部分任务处理模型，从拆分点所在网络层继续执行模型尾部计算过程，得到任务的推理结果集合，再将推理结果集合传回到终端，实现边‑端动态协同的任务批处理过程。
-
-
-
-
-
-
-
-
-
Search Results
107
records
(took 0.085 seconds)
