一种基于学习产出的搜索任务聚类方法

    公开(公告)号:CN109740062B

    公开(公告)日:2020-10-16

    申请号:CN201910006059.4

    申请日:2019-01-04

    Applicant: 东北大学

    Abstract: 本发明提供了一种基于学习产出的搜索过程聚类方法,属于搜索引擎领域。采用基于贝叶斯玫瑰树的搜索任务聚类方法,在聚类过程中采用基于学习产出的查询相似度度量方法,实现对搜索任务的聚类。本发明弥补了现有搜索任务聚类方法只关注搜索过程中的查询和点击,而忽略了学习产出的不足,通过在聚类过程中考虑学习产出,提升搜索任务聚类的效果。

    基于贝叶斯网络的智能灯自适应场景识别系统及方法

    公开(公告)号:CN111556630A

    公开(公告)日:2020-08-18

    申请号:CN202010604225.3

    申请日:2020-06-29

    Applicant: 东北大学

    Abstract: 本发明提供一种基于贝叶斯网络的智能灯自适应场景识别系统及方法,涉及机器学习和物联网技术领域。该系统包括灯光传感器、距离传感器、红外传感器、树莓派、数据收集及管理模块、智能灯自适应场景识别模块和智能灯动态调节模块。本方法能够基于环境信息和用户对智能灯的调控信息对场景进行预测,让智能灯系统根据人们的习惯进行自学习,达到无论在什么场景下都能让人们在一个舒适的光照环境下生活和工作,实现智能灯控制系统的个性化和自适应调节。

    一种基于簇语义特征分析的反馈式聚类方法

    公开(公告)号:CN108399267B

    公开(公告)日:2020-04-14

    申请号:CN201810255690.3

    申请日:2018-03-27

    Applicant: 东北大学

    Abstract: 本发明属于数据分析与挖掘技术领域,具体涉及一种基于簇语义特征分析的反馈式聚类方法,包括以下步骤:1)根据反馈式属性加权K‑means聚类以获得最优属性权重;2)根据簇语义特征分析以获得最优聚类结果。本发明通过属性权值反应用户对属性的关注度,利用簇语义特征分析方法将聚类结果中具有代表性、区分性和可理解性的属性项选择出来并展示以解决用户对聚类结果难以理解的问题,在此基础上融入用户的领域知识、经验及业务分析目标,采用基于改进粒子群算法的权值调整来优化属性权值,同时优化聚类个数,使优化的权值和聚类个数重新聚类以得出满足用户分析目标的聚类结果。

    一种出租车与地铁组合的出行路线规划方法及系统

    公开(公告)号:CN107036617B

    公开(公告)日:2020-04-14

    申请号:CN201710348800.6

    申请日:2017-05-17

    Applicant: 东北大学

    Abstract: 本发明提供一种出租车与地铁组合的出行路线规划方法及系统,方法包括:接收用户设备发送的路线规划请求,路线规划请求包括:出发地、目的地;根据出发地和目的地获取所有的能够到达目的地的组合出行方式,每一种组合出行方式为采用出租车和地铁两种交通工具组合的方式;根据每一组合出行方式中每一种交通工具的起始点、终止点,采用出行路线优化模型确定所有组合出行方式中的最优路线;最优路线为组合出行方式的时间最短路线,或者最优路线为组合出行方式的费用最少路线;将最优路线发送用户设备,用户能够方便的通过手机等智能设备获取本发明系统发送的最优出行路线,达到优化出行路线、缩短出行时间、提高出行时间的可预测性的效果。

    一种复合型酸性染料吸附剂及其制备方法与应用

    公开(公告)号:CN106824047B

    公开(公告)日:2020-03-20

    申请号:CN201710094064.6

    申请日:2017-02-21

    Applicant: 东北大学

    Abstract: 本发明属于环保技术领域,具体涉及一种新型复合型酸性染料吸附剂及其制备与应用,用于高效去除污水中的酸性染料。复合型酸性染料吸附剂为双羟基复合金属氧化物复合材料,应用于复合型酸性染料吸附剂在净化含有酸性染料污水中。本发明吸附剂具有环境友好、低成本、吸附效率高等特点,依据双羟基复合金属氧化物的结构特点,将多孔材料与其通过原位复合的方式进行制备的。在进行酸性染料吸附处理过程中用量少、产生废物排放少,并且该复合材料在基本不损失吸附量的同时能极大提高吸附效率,具有良好的应用前景。

    面向季节型非平稳并发量的P-E权衡的VM迁移方法

    公开(公告)号:CN110362383A

    公开(公告)日:2019-10-22

    申请号:CN201910627610.7

    申请日:2019-07-12

    Applicant: 东北大学

    Abstract: 本发明提供一种面向季节型非平稳并发量的P-E权衡的VM迁移方法,涉及云计算技术领域。该方法包括VM静态部署和VM动态迁移两部分;首先,根据物理服务器提供的以及各个VM需要的内存与CPU资源进行VM的静态部署,该过程在满足客户需求的情况下,将VM部署到物理主机上,同时,尽量减少物理主机的数量,达到降低能耗的目的。VM静态部署之后,采用VM动态迁移策略完成VM的迁移。包括两部分,第一部分使用RBF算法对各VM的平均响应时间进行预测,根据设置的阈值选择需要迁移的VM;第二部分是目标服务器的选择,通过更新的资源需求矩阵选择目标服务器,完成一个阶段的VM的迁移;第一部分与第二部分循环进行,完成整个的VM迁移过程。

    一种基于负载预测的Hadoop计算任务初始分配方法

    公开(公告)号:CN110262897A

    公开(公告)日:2019-09-20

    申请号:CN201910510964.3

    申请日:2019-06-13

    Applicant: 东北大学

    Abstract: 本发明提出一种基于负载预测的Hadoop计算任务初始分配方法,包括:使用延迟调度策略的AppMaster选择方法,开启AppMaster;基于BP神经网络的节点,计算资源分配数量;使用DRF算法的用户队列和用户作业选择方法,开启子任务;本发明基于延迟调度策略的AppMaster选择算法,提高了AppMaster运行时的稳定性,保证了作业的正常运行。基于BP神经网络的节点计算资源分配算法,减少高负载标签计算节点分配的任务量,增加低负载标签计算节点分配的任务量,提高了集群整体的稳定性和性能。基于DRF的用户队列和用户作业选择算法,当作业所属的队列资源不够时,根据占主导地位的计算资源使用情况来选择叶子队列和用户作业,最终达到合理化计算任务初始分配,均衡集群负载,提高集群性能的目标。

    一种支持性能保障的操作模式虚拟机数量评估方法

    公开(公告)号:CN110162406A

    公开(公告)日:2019-08-23

    申请号:CN201910466883.8

    申请日:2019-05-31

    Applicant: 东北大学

    Abstract: 本发明提出一种支持性能保障的操作模式虚拟机数量评估方法,包括:初始化参数;求出资源可用量和资源需求量;求出需要调整的虚拟机数量;据虚拟机当前数量、虚拟机调整数量的和与虚拟机的最少数量之间的大小关系,调整操作模式虚拟机数量来应对服务突发并发量。根据并发量预测结果调整操作模式虚拟机数量以满足用户需求,当性能不足时,需要从热备份转移一定数量的虚拟机到操作模式。当性能过高时,减少一部分操作模式虚拟机会使系统可靠性增加并减低能耗。确定操作模式转移数量不仅会对性能造成影响,还会影响可靠性和能耗,本发明制定相应操作模式虚拟机资源调整策略,建立支持性能保障的操作模式数量调整方法。

    一种基于AdaBoost-Elman的虚拟机软件老化预测方法

    公开(公告)号:CN110083518A

    公开(公告)日:2019-08-02

    申请号:CN201910354685.2

    申请日:2019-04-29

    Applicant: 东北大学

    Abstract: 本发明提供一种基于AdaBoost-Elman的虚拟机软件老化预测方法,涉及云计算技术领域。该方法首先设定评估虚拟机软件老化程度的等级,并训练虚拟机的软件老化指标预测模型和未老化虚拟机参照预测模型;然后将业务并发量预测值和性能数据输入到离线过程训练的虚拟机的软件老化指标预测模型和未老化虚拟机参照预测模型中,输出虚拟机的软件老化指标预测结果和未老化虚拟机的参照预测结果;最后根据虚拟机的软件老化指标预测结果和未老化虚拟机的参照预测结果来评估虚拟机的软件老化趋势。本发明方法能够预测出当前工作虚拟机的软件老化指标,并与未老化的虚拟机进行对比,从而得到下一段时间虚拟机的软件老化程度,提前采取防范措施。

    一种基于弹性维特征向量优化抽取的协同过滤推荐方法

    公开(公告)号:CN105868422B

    公开(公告)日:2019-07-23

    申请号:CN201610445356.5

    申请日:2016-06-21

    Applicant: 东北大学

    Abstract: 本发明提出一种基于弹性维特征向量优化抽取的协同过滤推荐方法,属于互联网信息推荐技术领域,本发明使用用户特征向量和推荐对象特征向量构建推荐方法,利用用户辅助向量和推荐对象辅助向量分别弹性的获取每个用户特征向量和每个推荐对象特征向量中用户真正感兴趣和推荐对象真正隶属的维度;本发明不需要专业知识和个体信息,安全简单;采用最小均方根误差作为优化约束条件,在实现过程中只需针对评分矩阵中已有的部分进行约束,仍能给出正确的拟合评分,避免了数据稀疏和由于缺乏历史数据的冷启动问题;该方法能获取每个用户特征向量和每个推荐对象特征向量中真正起作用的维度,并自适应地调整搜索方向,使推荐方法避免过拟合,优化推荐结果。

Patent Agency Ranking