-
公开(公告)号：CN103559306B
公开(公告)日：2016-06-22
申请号：CN201310578744.7
申请日：2013-11-18
申请人： 电子科技大学 , 东莞电子科技大学电子信息工程研究院
摘要： 本发明通过云平台到数据中心的查询系统及方法，通过云平台中的中央查询集群以统一方式接入到不同的数据中心，使云平台与数据中心有效的融合在一起，具备高扩展性，也提高了查询的准确度，用户通过云平台到数据中心查询相关结果时，先在查询结果缓存模块中查询，当存在用户需要的相关查询结果则直接返回给用户，当不存在时则通过数据中心查询，再把查询结果返回给用户，同时缓存在查询结果缓存模块，便于以后用户查询，这样提高了资源利用率和查询效率，同时降低了成本。
-
公开(公告)号：CN103559084B
公开(公告)日：2016-10-26
申请号：CN201310487895.1
申请日：2013-10-17
申请人： 电子科技大学 , 东莞电子科技大学电子信息工程研究院
摘要： 本发明公开了一种节能数据中心的虚拟机迁移方法，在既有虚拟机映射方案中的所有物理机中，依次选择虚拟机数量最少的物理机进行虚拟机迁移，迁移时依次选择总业务流量最大的虚拟机，查找剩余资源容量可满足该虚拟机的物理机，如果出现多个符合的物理机，则计算该虚拟机迁移到各物理机上时虚拟机业务流量产生的代价，选择代价最小的物理机进行迁移，直到有虚拟机无法找到符合容量约束的物理机，即结束虚拟机迁移。采用本发明，在通过虚拟机迁移关闭空闲物理机节能的同时，还综合考虑了业务流量，进一步减少了数据中心网络的能耗，同时本发明以尽可能少的迁移次数完成了虚拟机迁移，优化了迁移带来的能耗。
-
公开(公告)号：CN103559306A
公开(公告)日：2014-02-05
申请号：CN201310578744.7
申请日：2013-11-18
申请人： 电子科技大学 , 东莞电子科技大学电子信息工程研究院
CPC分类号： G06F17/30557
摘要： 本发明通过云平台到数据中心的查询系统及方法，通过云平台中的中央查询集群以统一方式接入到不同的数据中心，使云平台与数据中心有效的融合在一起，具备高扩展性，也提高了查询的准确度，用户通过云平台到数据中心查询相关结果时，先在查询结果缓存模块中查询，当存在用户需要的相关查询结果则直接返回给用户，当不存在时则通过数据中心查询，再把查询结果返回给用户，同时缓存在查询结果缓存模块，便于以后用户查询，这样提高了资源利用率和查询效率，同时降低了成本。
-
公开(公告)号：CN103559084A
公开(公告)日：2014-02-05
申请号：CN201310487895.1
申请日：2013-10-17
申请人： 电子科技大学 , 东莞电子科技大学电子信息工程研究院
摘要： 本发明公开了一种节能数据中心的虚拟机迁移方法，在既有虚拟机映射方案中的所有物理机中，依次选择虚拟机数量最少的物理机进行虚拟机迁移，迁移时依次选择总业务流量最大的虚拟机，查找剩余资源容量可满足该虚拟机的物理机，如果出现多个符合的物理机，则计算该虚拟机迁移到各物理机上时虚拟机业务流量产生的代价，选择代价最小的物理机进行迁移，直到有虚拟机无法找到符合容量约束的物理机，即结束虚拟机迁移。采用本发明，在通过虚拟机迁移关闭空闲物理机节能的同时，还综合考虑了业务流量，进一步减少了数据中心网络的能耗，同时本发明以尽可能少的迁移次数完成了虚拟机迁移，优化了迁移带来的能耗。
-
公开(公告)号：CN115829028B
公开(公告)日：2023-04-18
申请号：CN202310107997.X
申请日：2023-02-14
申请人： 电子科技大学
摘要： 本发明公开了一种多模态联邦学习任务处理方法及系统，属于联邦学习技术领域。本发明方法包括：多模态数据的线性嵌入，基于线性嵌入的模态迁移联邦训练和采用同模嵌入结果进行联邦学习任务训练。本发明还公开了一种多模态联邦学习任务处理系统。本发明用于提升机器学习数据资源利用率和机器学习模型的质量。本发明支持具有不同数据模态参与方进行联邦学习训练以得到相比本地训练更优质的模型，支持模态差异较大的多模态联邦学习，支持模态缺失的参与方，不需要每个参与方都具有所有数据模态就能执行训练，提高了多模态联邦学习的实用性；采用联邦学习方式训练不同模态的线性嵌入映射矩阵模态迁移模型，保证了不同参与方的模态迁移的一致性。
-
公开(公告)号：CN111222800B
公开(公告)日：2022-06-17
申请号：CN202010031091.0
申请日：2020-01-13
申请人： 电子科技大学
摘要： 本发明公开了一种智能电力系统异常检测方法，有效提高了电力系统异常检测与分类的准确率，当训练数据不充足时，相较于传统的有监督分类方法，检测效果与分类精度有明显提升，而当训练数据充足时，利用改良的多粒度级联森林来替换传统的深度学习，优化了深度学习算法模型复杂、训练时间过长的问题；相较于传统的检测分类器，所需求的训练数据更少，算法复杂度更低，训练时间更短，收敛速度更快，反应时间更快。
-
公开(公告)号：CN111949851A
公开(公告)日：2020-11-17
申请号：CN202010820940.0
申请日：2020-08-14
申请人： 电子科技大学
IPC分类号： G06F16/951 , G06F16/955 , G06F21/60
摘要： 本发明公开了一种解决JS加密问题的爬虫方法，包括以下步骤：S1：创建scrapy项目，并设定允许爬取的域名范围、请求头信息和初始URL；S2：通过调用selenium框架的webdriver工具获取cookie；S3：根据初始URL和cookie，调用内部start_requests()爬取列表页；S4：解析列表页并管理列表页的URL，完成页面爬取。本发明使用的是聚焦网络爬虫。本发明中先将要爬取的内容通过搜索引擎筛选出来，然后爬取筛选出来的页面内容，可爬取JS加密的页面，同时可获取网页重定向之后的链接。
-
公开(公告)号：CN109302747B
公开(公告)日：2020-07-21
申请号：CN201811257244.2
申请日：2018-10-26
申请人： 电子科技大学
摘要： 本发明公开了一种体域网中保证QoS的MAC层时隙分配方法。本发明考虑了节点传输数据过程中的时延成本和能量成本，结合节点优先级和传输的交付概率对节点效用函数进行了创新性的设计，并且根据效用函数的定义对优化问题进行数学建模，给出一种复杂度较低且性能较好的时隙分配方案。因此本发明提出的时隙分配方案可以提高网络的综合效用。
-
公开(公告)号：CN111343182A
公开(公告)日：2020-06-26
申请号：CN202010120011.9
申请日：2020-02-26
申请人： 电子科技大学
摘要： 本发明公开了一种基于灰度图的异常流量检测方法，包括以下步骤：S1：对网络的原始流量进行可视化处理，将原始流量转换为灰度图；S2：对灰度图进行特征提取；S3：基于Apache Spark框架，利用分布式极限学习机对灰度图的特征进行训练，输出权重矩阵β，得到训练参数，完成灰度图的异常流量检测。本发明有效解决了各种网络环境的异常流量检测问题，对网络流量的可视化处理解决了原始流量特征提取上的困难，将原始流量特征提取上的困难转化为图像特征提取，使得训练结果准确度更高。且本发明有效解决了大数据时代高速海量网络流量的异常检测问题，适应现代实际网络环境。
-
公开(公告)号：CN107769976B
公开(公告)日：2020-06-26
申请号：CN201711043968.2
申请日：2017-10-31
申请人： 电子科技大学
摘要： 本发明公开了一种基于传输带宽优化的服务功能链映射方法，首先调用分层算法对底层网络拓扑进行分层，获取了对整个网络的感知和认识，然后调用节点评估算法并选择最合适的节点部署相应的虚拟化的网络功能，最后将一系列的虚拟化的网络功能成链为服务功能链，实现服务功能链映射，这样通过使用最少的节点来部署这些虚拟化的网络功能，并在成链时尽可能的形成一条较短的服务功能链，最大程度的减少了宝贵的带宽资源消费。
-
-
-
-
-
-
-
-
-
搜索结果
141 条记录 (耗时 0.03 秒)
