-
公开(公告)号：CN105704255A
公开(公告)日：2016-06-22
申请号：CN201610280719.4
申请日：2016-04-29
申请人： 浙江理工大学
IPC分类号： H04L29/08
CPC分类号： H04L67/1004
摘要： 本发明公开了一种基于遗传算法的服务器负载均衡方法。涉及负载均衡技术领域,包括以下几个步骤:1)采用十进制对空间的候选解进行编码,随机产生适量初始串结构数据作为初始种群；2)遗传算法以初始种群进行迭代，当最优字符串的适应度与最小适应度值之差小于e或迭代达到预设的代数时，算法终止；3)通过Mean-Variance模型进行资源利用率和执行时间适应性值的评估检测；4)按轮盘赌方法选择适应性强的字符串，对选择的字符串进行交叉、变异运算,产生新的字符串进行下一轮的迭代，回到步骤2。本发明将Mean-Variance模型应用于适应度的评估，改善了传统目标函数的模式，所得到的资源使用均衡情况和执行时间可以更有效的衡量字符串适应性，提高了负载均衡性能。
-
公开(公告)号：CN113938488B
公开(公告)日：2023-11-24
申请号：CN202111119816.2
申请日：2021-09-24
申请人： 浙江理工大学
IPC分类号： H04L67/1001 , H04L41/142
摘要： 本发明公开了一种基于动静态加权轮询的负载均衡方法，涉及服务器、负载均衡、深度学习等领域。首先收集服务器集群各节点性能参数，生成节点性能权值；其次，根据服务器运行情况计算区间阈值；当负载均衡服务器接收负载请求时，判断集群负载超过所述的区间阈值，则根据节点性能权值对服务器负载实行静态加权轮询；否则，动态调整服务器节点性能权值，根据调整后的节点性能权值对服务器负载实行动态加权轮询。本发明通过模拟退火算法计算集群负载阈值，相比于传统负载均衡方法，改善了其在低负载下效率低和高负载下效率不稳定的问题。
-
公开(公告)号：CN113112418B
公开(公告)日：2023-10-10
申请号：CN202110326774.3
申请日：2021-03-26
申请人： 浙江理工大学
摘要： 本发明公开了一种低照度图像迭代增强的方法，属于计算机视觉图像处理领域。包括：S1:将监控图像读入图像库，建立空间模型。S2:将低照度图像与图像库中图像进行匹配。S3：依据匹配结果修改目标RGB值。S4:更新图像。S5：继续迭代，若达到阈值，输出处理图像。本发明通过利用监控图像场景相似、色调灰度趋势相同等特点，建立空间模型后通过整体匹配与色彩匹配，对每一个像素点赋予不同的信任度值，并以此利用BP神经网络进行RGB值的矫正，然后进行迭代增强。本发明提出的低照度图像迭代增强的方法较少了模型的计算复杂度，提高了运算效率。
-
公开(公告)号：CN113938488A
公开(公告)日：2022-01-14
申请号：CN202111119816.2
申请日：2021-09-24
申请人： 浙江理工大学
IPC分类号： H04L67/1001 , H04L41/142
摘要： 本发明公开了一种基于动静态加权轮询的负载均衡方法，涉及服务器、负载均衡、深度学习等领域。首先收集服务器集群各节点性能参数，生成节点性能权值；其次，根据服务器运行情况计算区间阈值；当负载均衡服务器接收负载请求时，判断集群负载超过所述的区间阈值，则根据节点性能权值对服务器负载实行静态加权轮询；否则，动态调整服务器节点性能权值，根据调整后的节点性能权值对服务器负载实行动态加权轮询。本发明通过模拟退火算法计算集群负载阈值，相比于传统负载均衡方法，改善了其在低负载下效率低和高负载下效率不稳定的问题。
-
公开(公告)号：CN113225535A
公开(公告)日：2021-08-06
申请号：CN202110495176.9
申请日：2021-05-07
申请人： 浙江理工大学
IPC分类号： H04N7/18 , G08B13/196
摘要： 本发明公开了基于计算机视觉的入侵监控方法，属于智能视频监控领域，该入侵监控方法具体步骤如下：(1)监控设备搭建与调试；(2)监控图像实时显示；(3)运动目标记录；(4)监控图像标记；(5)检索并显示监控图像；(6)监控记录存储；(7)突发情况反馈；本发明能够及时锁定嫌疑人，提高智能处理问题效率，节省工作人员大量排查与分析的时间，同时节省人力物力，可以及时向使用者提供解决方案，无需使用者自行制定解决方案，节省时间，提高意外解决效率。
-
公开(公告)号：CN113112418A
公开(公告)日：2021-07-13
申请号：CN202110326774.3
申请日：2021-03-26
申请人： 浙江理工大学
摘要： 本发明公开了一种低照度图像迭代增强的方法，属于计算机视觉图像处理领域。包括：S1:将监控图像读入图像库，建立空间模型。S2:将低照度图像与图像库中图像进行匹配。S3：依据匹配结果修改目标RGB值。S4:更新图像。S5：继续迭代，若达到阈值，输出处理图像。本发明通过利用监控图像场景相似、色调灰度趋势相同等特点，建立空间模型后通过整体匹配与色彩匹配，对每一个像素点赋予不同的信任度值，并以此利用BP神经网络进行RGB值的矫正，然后进行迭代增强。本发明提出的低照度图像迭代增强的方法较少了模型的计算复杂度，提高了运算效率。
-
公开(公告)号：CN113065431A
公开(公告)日：2021-07-02
申请号：CN202110302219.7
申请日：2021-03-22
申请人： 浙江理工大学
摘要： 本发明公开了一种基于隐马尔可夫模型和循环神经网络的人体违规行为预测方法，属于计算机视觉图像处理领域。该方法包括以下步骤：1)采集数据集；2)对图像进行预处理；3)对预处理后的图像进行目标检测，得到目标检测框；4)将带有目标检测框的图像作为CPN网络的输入，提取目标检测框中的人体骨架，标记关节点，得到带有目标检测框和关节点标记信息的图像；将每组中带有目标检测框和关节点标记信息的图像均转换为像素矩阵；5)利用LSTM模型得到该样本属于每一项违规行为的概率，构成概率矩阵；6)利用隐马尔可夫模型对概率矩阵进行修正，取修正后的概率矩阵中最大概率值对应的违规行为作为最终的预测结果。
-
公开(公告)号：CN108376116B
公开(公告)日：2021-06-11
申请号：CN201810098679.0
申请日：2018-01-31
申请人： 浙江理工大学
摘要： 本发明属于软件测试领域，具体涉及一种基于改进粒子群算法的测试用例生成方法。包括：引入带有权重函数的学习因子，学习因子随惯性权重的线形或非线性变化发生相应的递增或者递减的变化，进而通过两者之间的相互作用来平衡算法的全局探索和局部开采能力。本发明引入再次搜索和反向学习，可以提高求解精度，改善种群多样性等。在测试用例生成模块，分析适应度函数的设计方法，考虑不同分支节点的优劣程度，设计更加合理的适应度函数评价。
-
公开(公告)号：CN106919504B
公开(公告)日：2020-09-22
申请号：CN201710077936.8
申请日：2017-02-14
申请人： 浙江理工大学
摘要： 本发明提供的是一种基于GA算法的测试数据进化生成方法。本发明包括：引入多种群的概念，进而考虑到这些种群的个体相似度以及种群多样性对测试数据生成的影响；考虑分支距离和节点覆盖率的影响，因此增加影响因子到改进的各种计算公式中，并加入一些权值因子，对这些影响因子进行权重分配，有利于测试用例的动态自适应调整。通过交叉率和变异率动态自适应调整策略，使得算法在运算能力方面得到加强。计算个体的贡献度，进而调整传统的适应值函数，有利于优异的个体在之后的进化中得以保存，以提高测试数据生成的效率。
-
公开(公告)号：CN110688219A
公开(公告)日：2020-01-14
申请号：CN201910837070.5
申请日：2019-09-05
申请人： 浙江理工大学
摘要： 本发明公开了一种基于反向混沌布谷鸟搜索的自适应权重负载均算法，属于分布式计算领域。本发明包括以下步骤：S1：FCFS任务分配权重计算；S2，初始化种群个体；S3，对种群个体进行适应度评估；S4，根据反向学习策略对各维度的解进行评价更新；S5，更新种群，再次迭代；S6，输出最优任务分配权重。考虑集群请求任务分配的特性，建立任务分配权重模型。利用混沌变异算子映射到布谷鸟搜索种群的策略，处理搜索过程中每一阶段的最优解选择和劣解更新。通过反向学习的多样性因子对不同阶段中的鸟窝位置进行调整。通过改进后的算法使得寻找最优解的效率得到提高，从而有效提高了布谷鸟搜索的寻优效率并且更加适合于集群的负载均衡。
-
-
-
-
-
-
-
-
-
搜索结果
76 条记录 (耗时 0.09 秒)
