公开(公告)号：CN109787913B

公开(公告)日：2022-07-01

申请号：CN201910196434.6

申请日：2019-03-15

Applicant: 北京工业大学

Inventor： 孙恩昌 ,  付琼霄 ,  张延华 ,  吴文君 ,  王倩雯 ,  孟康 ,  车飞燕

IPC: H04L47/125 ,  H04L67/1001

Abstract: 一种基于SDN的数据中心网络动态负载均衡方法，属于SDN中负载均衡相关领域。本方法实时获取全网视图，结合数据中心网络流量特点，考虑老鼠流对交换机流表负载的影响以及大象流对链路负载的影响，通过评价函数为流量选取最优路径。并且周期性监测网络状态，对路由策略进行调整。从而缓解网络拥塞，减少丢包，提高网络利用率，达到优化网络性能的目标。在SDN网络传输中，控制器计算并存储各接入层交换机间的多条备选路径，将新流视为老鼠流并为其选择流表评分最高的路径进行路由，以实现流表均衡。一旦监测到大象流，对大象流进行重路由以均衡链路负载。周期性监测网络负载均衡情况，在网络负载不均衡时利用组表实现有效快速的分流。本方法使得网络性能得到很大提升。

公开(公告)号：CN110555132A

公开(公告)日：2019-12-10

申请号：CN201910742757.0

申请日：2019-08-13

Applicant: 北京工业大学

Inventor： 张延华 ,  王倩雯 ,  付琼霄 ,  李萌 ,  李庆 ,  陈冰容

IPC: G06F16/735 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于注意力模型的降噪自编码器的电影推荐方法，属于电影推荐技术领域。在现有的推荐算法中，自编码器推荐模型因运算速度较快，易于实现得到广泛应用，但评分矩阵稀疏时，推荐准确度将大大降低，且未曾考虑辅助信息与用户对于观看记录不同的注意度。为了解决上述问题，本方法将注意力模型与降噪自编码器相结合，利用注意力模型学习用户的偏好，融入降噪自编码器共同迭代更新参数，从而预测用户完整评分。本方法在预测评分准确度方面有明显提升。

公开(公告)号：CN110059220A

公开(公告)日：2019-07-26

申请号：CN201910292355.5

申请日：2019-04-12

Applicant: 北京工业大学

Inventor： 张延华 ,  王倩雯 ,  付琼霄 ,  张文博 ,  李庆 ,  陈冰容

IPC: G06F16/735 ,  G06F16/9535

Abstract: 一种基于深度学习与贝叶斯概率矩阵分解的电影推荐算法，属于电影推荐技术领域。在众多推荐系统中，矩阵分解模型因为其准确高效，易于实现得到广泛应用，但矩阵分解原理是将用户评分矩阵分为用户与项目特征向量，当评分矩阵稀疏时，推荐准确度将大大降低，为了解决这个问题，本方法将深度学习与基于协同的推荐算法相结合，利用堆栈自编码器学习用户与项目的辅助信息，贝叶斯概率分解矩阵从辅助信息和原有的评分中预测用户偏好。本方法在预测评分准确度方面有明显提升。

公开(公告)号：CN109787913A

公开(公告)日：2019-05-21

申请号：CN201910196434.6

申请日：2019-03-15

Applicant: 北京工业大学

Inventor： 孙恩昌 ,  付琼霄 ,  张延华 ,  吴文君 ,  王倩雯 ,  孟康 ,  车飞燕

IPC: H04L12/803 ,  H04L29/08

Abstract: 一种基于SDN的数据中心网络动态负载均衡方法，属于SDN中负载均衡相关领域。本方法实时获取全网视图，结合数据中心网络流量特点，考虑老鼠流对交换机流表负载的影响以及大象流对链路负载的影响，通过评价函数为流量选取最优路径。并且周期性监测网络状态，对路由策略进行调整。从而缓解网络拥塞，减少丢包，提高网络利用率，达到优化网络性能的目标。在SDN网络传输中，控制器计算并存储各接入层交换机间的多条备选路径，将新流视为老鼠流并为其选择流表评分最高的路径进行路由，以实现流表均衡。一旦监测到大象流，对大象流进行重路由以均衡链路负载。周期性监测网络负载均衡情况，在网络负载不均衡时利用组表实现有效快速的分流。本方法使得网络性能得到很大提升。