-
公开(公告)号:CN111158974A
公开(公告)日:2020-05-15
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:CN111143672A
公开(公告)日:2020-05-12
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 , G06Q10/10 , 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:CN105826675B
公开(公告)日:2019-06-18
申请号:CN201610365297.0
申请日:2016-05-26
Applicant: 华南理工大学
Abstract: 本发明公开了一种三频微带天线,本发明属于天线技术领域。所述三频微带天线包括:介质基板、辐射贴片和接地板;介质基板设置在辐射贴片和接地板之间,辐射贴片和接地板均设置在介质基板上,且辐射贴片的下端与介质基板的下边缘连接;接地板包括矩形板和拱形板,矩形板的下端与介质基板下边缘连接,矩形板上端与拱形板连接,拱形板的拱形边远离矩形板;矩形板上设有第一缺陷,拱形板的拱形边上设有第二缺陷。本发明通过第一缺陷和第二缺陷在接地板上形成缺陷接地结构,激发和改善本三频微带天线的谐振频率,增加阻抗带宽。
-
公开(公告)号:CN109657135A
公开(公告)日:2019-04-19
申请号:CN201811343553.1
申请日:2018-11-13
Applicant: 华南理工大学
IPC: G06F16/9535 , G06F16/335 , G06F17/27 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于神经网络的学者用户画像信息抽取方法,包含以下步骤:对网页进行文本预处理,并对网页进行结构调整和实体标注;对已识别网页所有文本节点及其字符分别构建词库表;对文本节点和前后节点的上下文特征进行提取,接着对文本节点序列进行训练,得到包含节点序列上下文信息的词向量h;对词向量输出进行解码计算,对应地得到每个词向量对目标标签的得分,计算节点序列的标签概率分布,对模型输出结果进行解码,使目标函数最小时即得到最优的预测标签序列,完成模型构建并进行模型训练。本发明能够实现模型的端到端训练,而且利用LSTM网络本身的序列记忆特性,有效地解决目标抽取实体间的长时期依赖关系问题。
-
公开(公告)号:CN105354246B
公开(公告)日:2018-11-02
申请号:CN201510670867.2
申请日:2015-10-13
Applicant: 华南理工大学
IPC: G06F17/30
Abstract: 本发明公开的一种基于分布式内存计算的数据去重方法,包含以下顺序的步骤:创建文件分块指纹集并缓存到分布式内存中;按照最优的文件块划分策略对文件进行分块,并完成分块指纹计算,同内存中缓存的指纹集对比,找到匹配的分块,为其添加对应引用;分块指纹集的存储采用多级缓存策略,权值大的缓存到内存中,权值小的缓存到磁盘上;内存分为多个区域,存储不同类型的指纹信息,以对文件进行不同的指纹对比操作。本发明的数据去重方法,提高海量数据去重的效率,从而节省主机空间和网络带宽,为服务商降低数据运维的成本。
-
公开(公告)号:CN108334596A
公开(公告)日:2018-07-27
申请号:CN201810095569.9
申请日:2018-01-31
Abstract: 本发明涉及一种面向大数据平台的海量关系数据高效并行迁移方法,包括以下步骤:输入迁移表名、划分列、并行度;迁移任务决策器从RDBMS中获取迁移表的元数据;根据迁移表的元数据对迁移表进行分区划分;计算划分的各分区的数据密度;判断各分区划分是否均匀;若分区划分均匀则将划分结果发送至Hadoop;若分区划分不均匀,则迁移任务决策器对分区进行重划分,并将新划分结果发送至Hadoop;Hadoop根据接收信息创建、执行数据迁移作业,实现数据从RDBMS高效并行迁移至HDFS、HBase。本发明提供的一种面向大数据平台的海量关系数据高效并行迁移方法设计科学合理,既能保证数据的高效抽取,又避免了数据抽取过程中的数据倾斜问题;还解决了数据迁移至HDFS后数据分布不均的问题。
-
公开(公告)号:CN107948249A
公开(公告)日:2018-04-20
申请号:CN201711062730.4
申请日:2017-11-02
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于服务发现和容器技术的大数据平台弹性伸缩方法,包括以下步骤:(1)使用容器技术组件化大数据平台;(2)启动大数据集群,注册集群元数据信息;(3)向服务代理汇报心跳数据并更新相关信息;(4)代理服务周期向服务代理读取大数据集群管理信息,判断是否存在节点失效或者需求变更情况,如果存在,则执行第五步骤;否则,执行第六步骤;(5)若存在节点失效情况,则尝试恢复失效的节点容器;若存在需求变更情况,则根据需求变更元数据,为集群添加或则删除节点容器;(6)重复执行以上第三至第五步骤,直至集群服务终止运行。本发明能够感知大数据平台内部状态从而进行有效弹性伸缩和提高集群资源使用率。
-
公开(公告)号:CN106569895A
公开(公告)日:2017-04-19
申请号:CN201610924256.0
申请日:2016-10-24
Applicant: 华南理工大学
IPC: G06F9/50
Abstract: 本发明涉及一种基于容器的多租户大数据平台构建方法,该方法包括:基于容器虚拟化技术独立封装大数据平台的功能组件;基于描述性文件作为事务运行单元,实现大数据平台的自动部署和集群管理;通过模块结构实现细粒度集群资源访问控制;基于云服务、云安全技术为多租户环境下的大数据应用提供安全的隔离和共享策略;基于组件化的大数据计算服务消费栈构建可伸缩的大租户大数据平台。本发明方法具有自动化构建大数据平台等优点,提出了基于三层架构的大数据部署框架,简化大数据平台的集群维护,同时考虑了面向多租户的资源共享策略。
-
公开(公告)号:CN103036709B
公开(公告)日:2016-08-03
申请号:CN201210510366.4
申请日:2012-11-29
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于主机监控操作系统的加固方法,包括建立基于树形安全域的主机监控模型;应用语义级审计进行访问控制;通过ROOkit将监控模块注入主机的计算机操作系统内核;采用策略方式对计算机操作系统进行功能控制;所述策略方式采用XML语言定义监控对象、监控内容、监控方式,并写入监控模块;所述监控内容包括审计方式、安全防护、监视。采用基于Rootkit的内核级控制解决控制的安全性、可靠性,采用树形安全域体系解决大型网络机群/网群的管理复杂性,采用分布式策略描述语言解决监控需求及方式方法的灵活、深层表述。
-
公开(公告)号:CN104932956A
公开(公告)日:2015-09-23
申请号:CN201510350060.0
申请日:2015-06-19
Applicant: 华南理工大学
IPC: G06F11/14
Abstract: 本发明公开的一种面向大数据的云容灾备份方法,包含以下步骤:建立文件块哈希指纹和快照指针实现对文件不同版本的压缩存储备份,同时将文件块指纹传输给私有云存储系统;私有云建立文件块指纹索引数据库,通过MapReduce任务比对哈希指纹来对传输块进行初步去重,对数据块进行细粒度的基于内容的再次分块哈希,通过另一个MapReduce子任务计算数据块的相似度矩阵和块指针分布,统计数据块的访问热度,并将指纹索引数据库与热数据缓存在存储前段,将冷数据以及归档备份数据集中存储并建立版本快照,定时备份在公有云存储系统。本发明的方法,通过缓存指纹库和热数据解决了传统容灾备份中的数据去重技术实时性较差等问题。
-
-
-
-
-
-
-
-
-