-
公开(公告)号：CN108416054A
公开(公告)日：2018-08-17
申请号：CN201810228575.7
申请日：2018-03-20
Applicant: 东北大学
IPC: G06F17/30
Abstract: 本发明提供一种基于文件访问热度的动态HDFS副本个数计算方法，涉及数据分析技术领域。基于文件访问热度的动态HDFS副本个数计算方法，首先通过改进的马尔可夫模型分析得到热点文件的访问热度随时间变化的规律，并根据文件访问热度的计算公式，对文件的访问热度进行预测。然后采用排队论算法，给出副本个数的计算公式，动态调整热点文件的副本个数。本发明提供的基于文件访问热度的动态HDFS副本个数计算方法，解决了对热点文件的访问瓶颈的问题，提高了集群的服务效率。
-
公开(公告)号：CN102088475A
公开(公告)日：2011-06-08
申请号：CN201010563748.4
申请日：2010-11-29
Applicant: 东北大学
Abstract: 一种控制流集中数据流分布的组合服务执行系统及执行方法，该系统包括一个中心节点和分布在网络中不同节点上的多个服务代理。本发明的优点：通过发送控制消息通知服务何时、往何处发送数据，从而既能够解决分布式执行方式缺乏对组合服务整体运行情况的监控能力，又能够解决集中式执行方式由于数据流都经过中心节点中转而易存在系统性能瓶颈的问题。同时，该方法采用中心节点控制组合服务的全局执行逻辑，能够兼容当前的主流组合服务执行语言BPEL，从而可以有效地支持组合服务应用的执行。
-
公开(公告)号：CN118195457A
公开(公告)日：2024-06-14
申请号：CN202410305490.X
申请日：2024-03-18
Applicant: 东北大学
IPC: G06Q10/0835 , G06N3/092 , G06F18/20
Abstract: 本发明提供一种基于偏好驱动的多目标强化学习的车辆路线规划方法，涉及车辆规划以及深度强化学习技术领域。本发明通过将问题建模为马尔科夫决策过程，引入了偏好向量，从而赋予决策者更灵活的决策空间，通过与物流系统环境的交互，学习一组帕累托最优的车辆路径策略，采用多维插值器对偏好向量进行投影，以进行偏好向量空间的归一化处理，提高了算法的收敛性，引入余弦相似项，用于度量偏好的相似程度，确保在学习过程中偏好的一致性和对齐性，这种算法不仅提供解决MOVRP问题的路径方案，还考虑了决策者对多个目标的个性化偏好，个性化的车辆路径规划方案将能够更好地适应不同决策者和物流环境的需求，提高整体效率与用户满意度。
-
Patent Agency Ranking
公开(公告)号：CN118014619A
公开(公告)日：2024-05-10
申请号：CN202410191963.8
申请日：2024-02-21
Applicant: 东北大学
IPC: G06Q30/0201 , G06Q30/0202 , G06F18/214 , G06F16/215 , G06N3/0464 , G06N3/08 , G06N7/01
Abstract: 本发明公开一种基于多头ProbSparse注意力机制的扩散模型的采购价格预测方法，涉及商业采购及时间序列预测技术领域。利用ProbSparse注意力机制的特征提取能力，从原始数据中自动挖掘出价格的隐藏特征和时序性。相比于自注意力机制self‑attention，ProbSparse注意力机制降低了常规的计算量，优化了时间空间效率。相比于传统扩散模型来生成未来的采购价格，本发明更能解决传统采购价格预测中存在的难以适应非线性元素，难以捕捉元素相关性等技术缺陷，提供一种更准确、可靠的采购价格预测方式，能够更准确地反映价格波动的动态性和复杂性，着重研究价格之间的相关性，提高预测的准确性，使采购价格预测更加灵活和可靠，有助于企业更好地管理采购成本和做出更明智的采购决策。
-
公开(公告)号：CN117493007A
公开(公告)日：2024-02-02
申请号：CN202311518675.0
申请日：2023-11-15
Applicant: 东北大学
IPC: G06F9/50 , G06F18/20 , G06N3/0464
Abstract: 本发明提供一种面向用户的基于部分可观测信息的服务迁移决策方法，涉及移动边缘计算技术领域。该方法首先确定移动边缘计算系统模型，并明确服务迁移决策问题的目标；再基于服务质量模型和服务迁移开销模型构建服务迁移决策问题的数学模型；然后将服务迁移决策优化问题建模为部分可观测马尔可夫决策过程；最后基于变分循环神经网络与深度强化学习的VLM‑DSAC模型来求解部分可观测马尔可夫决策过程，确定最优的服务迁移方案。该方法能够基于用户可以直接观测的部分环境状态信息，实现最优化服务质量同时最小化服务迁移开销的服务迁移决策。
-
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。
-
公开(公告)号：CN108399434A
公开(公告)日：2018-08-14
申请号：CN201810228459.5
申请日：2018-03-20
Applicant: 东北大学
Abstract: 本发明提供一种基于特征提取的高维时间序列数据的分析预测方法，涉及数据分析技术领域。该方法首先度量高维时间序列数据的条件属性间和条件属性与决策属性间的相关性，并将与决策属性有相关性的条件属性加入属性核集中；再对高维时间序列数据进行特征提取；然后建立多元线性回归模型，再通过基于健康度的粒子群优化算法对模型中的回归系数进行优化；最后根据所构建的多元线性回归模型，得到某一时刻决策属性的值。本发明提供的基于特征提取的高维时间序列数据的分析预测方法，解决了高维时间序列数据在分析预测过程中所存在的预测效率低、误差大以及容易出现局部最优解的问题，有效提高了多元线性回归分析算法对高维时间序列数据的预测效果。
-
公开(公告)号：CN108364030A
公开(公告)日：2018-08-03
申请号：CN201810227288.4
申请日：2018-03-20
Applicant: 东北大学
IPC: G06K9/62
Abstract: 本发明提供一种基于三层动态粒子群算法的多分类器模型构建方法，涉及数据分析处理技术领域。该方法包括：预处理输入特征向量集；对预处理后的特征向量集反复分类、切分、训练和合并，直到获得支持向量机的支持向量；采用改进的三层粒子群算法对支持向量机核函数进行优化，构建多分类器模型。本发明提供的一种基于三层动态粒子群算法的多分类器模型构建方法，采用分治方法，对初始数据集进行数据块切分，降低子支持向量机的数据处理规模，加快训练时间，同时，对每一层利用相同数量的独立的支持向量机训练，获得支持向量集，充分利用集群环境，提高并行效率，再对最终的支持向量机核参数进行优化，获得最优的支持向量集，从而获得多分类器模型。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.082 seconds)
