一种用于云平台利润最大化的服务器配置方法和装置

    公开(公告)号:CN105681096A

    公开(公告)日:2016-06-15

    申请号:CN201610067599.X

    申请日:2016-01-29

    Applicant: 湖南大学

    CPC classification number: H04L41/145 G06F9/5038 H04L41/50 H04L67/10

    Abstract: 本发明涉及服务器配置领域,提供一种用于云平台利润最大化的服务器配置方法和装置,所述方法包括:步骤1,设置每个任务的最大等待时间;步骤2,根据最大等待时间,利用有限容量的排队模型对多服务器系统进行建模,得到每个服务器对任务的等待时间分布函数;步骤3,获得整个云平台的收入以及多服务器系统的花费和临时租用服务器的花费,并计算出利润;步骤4,根据获得的利润,获得最佳的多服务器配置方案;步骤5,按照获得最佳的多服务器配置方案,对服务器进行配置。本发明能够合理配置云平台的服务器,使服务提供商的利润最大化并提高服务质量。

    基于冗余距离消除和极端点优化的并行k-means聚类方法

    公开(公告)号:CN105740604A

    公开(公告)日:2016-07-06

    申请号:CN201610044881.6

    申请日:2016-01-22

    Applicant: 湖南大学

    CPC classification number: G06K9/6223 G16H50/70

    Abstract: 本发明公开了一种基于冗余距离消除和极端点优化的并行k?means聚类方法,使用正弦定理和余弦定理,找出每个聚类中的冗余距离并消除每个聚类中的冗余距离;对极端点与其相应的中心点之间距离采用曼哈顿距离进行计算;在迭代过程中,采用平均值的计算方式选取K?means聚类方法中的中心点。本发明找出每个聚类中的冗余距离,然后避免聚类中的点与不相关的中心点做距离计算,让K?means方法在目前的情况下更大程度的消除冗余距离计算;进行优化极端点的处理,对极端点采用曼哈顿距离代替欧氏距离来计算极端点与中心点之间的距离;最后,中心点的选取方式,采用平均值的计算方式代替随机选取的方式,使得聚类中的点分布的更均匀,聚类结果更精确。

Patent Agency Ranking