-
公开(公告)号：CN104951425B
公开(公告)日：2018-03-13
申请号：CN201510426784.9
申请日：2015-07-20
Applicant: 东北大学
IPC: G06F15/18
Abstract: 本发明提供一种基于深度学习的云服务性能自适应动作类型选择方法，包括监测物理机群数据、虚拟机数据、服务组件数据；结合SLA中约定的约束事件和实时监测的数据，判定当前服务性能是否需要优化：若当前数据触发约束事件，则根据自适应方法库决策自适应动作类型，否则继续监测；根据决策的自适应动作类型进行云服务性能自优化；反馈学习，更新自适应方法库，返回继续监测。云环境自身具有高可伸缩、动态重构的特性，致使云服务的服务性能在实际运行环境中受到多因素的制约，本发明方法在服务组件进行服务性能自优化时，根据不同场景的实际情况从自适应动作集中选择出最佳的自适应动作。
-
公开(公告)号：CN104283946B
公开(公告)日：2017-08-25
申请号：CN201410505945.9
申请日：2014-09-26
Applicant: 东北大学 , 辽宁北方实验室有限公司
Abstract: 一种单物理机下多虚拟机的资源自适应调整系统及方法，该系统在单物理机中实现，包括数据采集模块、预处理模块、预测模块、资源调整策略生成模块、资源调整策略收益计算模块、监测模块、策略评价模块和历史数据库；该方法包括：采集服务器的历史数据并将其存入历史数据库中；对服务器的历史数据进行预处理；对下一时刻并发用户请求量进行预测，再利用并发用户请求量预测值得出虚拟机资源需求量预测区间；确定最优资源调整策略；进行CPU资源调整和内存资源调整；对最优资源调整策略进行评价；将当前最优资源调整策略及其评价值存入历史数据库。本发明能动态调整单物理机上各虚拟机资源量来适应动态变化的资源需求，使单物理机资源得到最大的收益。
-
公开(公告)号：CN104298339B
公开(公告)日：2017-02-15
申请号：CN201410538015.3
申请日：2014-10-11
Applicant: 东北大学
IPC: G06F1/32
Abstract: 本发明提供一种面向最小能耗的服务器整合方法，包括：周期性获取服务器及其上虚拟机的资源状态和性能数据，同时在物理服务器上用外接瓦特计来周期性测量服务器的能耗并保存；周期性收集服务器的资源状态数据、虚拟机的资源状态数据、服务器的性能数据和虚拟机的性能数据，并进行数据预处理；构建服务器能耗模型；建立虚拟机迁移代价预测模型；求出各虚拟机迁移代价预测值；利用改进的层次分析法进行虚拟机综合评价；计算服务器的服务稳定性指标；确定服务器整合方案；进行服务器整合。本发明根据虚拟机资源需求量和服务器资源剩余量，利用动态装箱算法将虚拟机迁移到适合的服务器中。在保持服务平稳运行情况下开机服务器数量最少。
-
公开(公告)号：CN104409031A
公开(公告)日：2015-03-11
申请号：CN201410557057.1
申请日：2014-10-20
Applicant: 东北大学
Abstract: 本发明一种面向移动终端的智能旅游服务系统及方法，属于定位技术和语音多媒体技术领域，通过GPS定位与基站定位相结合的方式确定游客位置，获取所在景区的景点信息，当游客经过景点时将根据游客的喜好设置自动触发语音解说，游客根据地图上的景点标识，任意选择浏览、收听景点讲解，同时当游客对远处的某一景点感兴趣时，使用摇一摇功能，指向该景点，系统将自动切换的该景点的讲解语音；本发明提供景区景点维护以及语音包维护等操作，并克服了现有技术在利用GPS确定游客位置精度不足以及系统通用性差等方面的不足，实现了快速、准确的向游客提供旅游景点及景物信息的查询服务。
-
公开(公告)号：CN103290405A
公开(公告)日：2013-09-11
申请号：CN201310190648.5
申请日：2013-05-22
Applicant: 东北大学
Abstract: 一种在球墨铸铁表面激光熔覆制取高速钢涂层的方法，属于材料技术领域，按以下步骤进行：（1）去除球墨铸铁表面油污和锈层，清洗至球墨铸铁表面清洁；（2）准备高速钢粉末，粒度≤150μm；（3）采用激光器对球墨铸铁表面进行激光熔覆处理，将高速钢粉末预置在球墨铸铁表面或通过激光器的送粉装置将高速钢粉末输送到球墨铸铁表面，同时对球墨铸铁表面进行激光辐照，使高速钢粉末及球墨铸铁表面熔化，激光熔覆完成后在球墨铸铁表面获得高速钢涂层。本发明的方法易实现自动化控制，还具有对环境无污染、低噪声，生产率高、低能耗、熔覆层加工余量小，成品率高以及综合成本低等特点。
-
Patent Agency Ranking
公开(公告)号：CN103255455A
公开(公告)日：2013-08-21
申请号：CN201310216963.0
申请日：2013-05-31
Applicant: 东北大学
Abstract: 一种在金属材料表面脉冲毛化处理方法及装置，属于材料技术领域，方法按以下步骤进行：（1）对基体材料进行预处理；（2）配制电解液；（3）待清洗干净的基体材料表面干燥后，置于电解液中作为阴极，采用铅锑合金作为阳极，通过电源向两极施加脉冲电流在基体材料表面获得铬毛化层；装置包括电镀槽、控温装置和升降装置，电镀槽内设有阳极与电源连接；控温装置为控温槽或盘管；电镀槽上方还设升降装置，升降装置由升降电机和升降杆组成。本发明的方法具有较强的毛化效果，并且具备成本低，工艺稳定，参数容易控制等优点。
-
公开(公告)号：CN101921908B
公开(公告)日：2012-06-27
申请号：CN201010237892.9
申请日：2010-07-21
Applicant: 洛阳栾川钼业集团股份有限公司 , 深圳市盛鑫源环保科技技术有限公司 , 东北大学
Abstract: 本发明涉及硫化钼精矿生产工业氧化钼技术领域，主要提出一种钼精矿自热式焙烧方法及其装置；利用带有窑体换热装置的回转窑焙烧钼精矿以生产工业氧化钼，焙烧过程利用钼精矿焙烧反应放出的热量预热由窑体换热装置进入的空气，预热后的空气由窑头的出料端供入回转窑内，与钼精矿发生焙烧反应，并为回转窑后段脱残硫区的物料补充热量，降低回转窑中段反应高温区的温度，启炉后的钼精矿焙烧过程在完全不用外部供热的状态下完成。本发明解决了钼精矿焙烧主反应期过热和脱硫后期热量紧缺的难题，以及高温回转壳体冷却风的进入和热风排出难题，装置简单，热量调配合理，窑内各段温度调节灵活，不需要外热源，产品质量高，设备产量大。
-
公开(公告)号：CN114792382B
公开(公告)日：2025-04-18
申请号：CN202210452554.X
申请日：2022-04-27
Applicant: 东北大学
IPC: G06V10/764 , G06T7/00 , A61B3/14 , A61B3/12 , A61B3/00 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于切片病灶检测的糖尿病性视网膜病变等级分类装置，涉及医学图像处理技术领域。该装置对彩色眼底图像进行切片病灶检测，获取病灶特征；将切片病灶检测获取的病灶特征与对应的病变等级标注数据进行组合，对糖尿病性视网膜病变等级分类模型进行训练，得出彩色眼底图像的病灶特征数据与糖尿病性视网膜病变等级之间的映射关系；通过训练后的糖尿病性视网膜病变等级分类模型对糖尿病性视网膜病变等级进行分类；该装置学习病灶特征与病变等级之间的映射关系，有效提高了糖尿病性视网膜病变等级判定的准确率，对糖尿病性视网膜病变等级的判定有重要应用价值。
-
公开(公告)号：CN118175601B
公开(公告)日：2024-08-20
申请号：CN202410594715.8
申请日：2024-05-14
Applicant: 东北大学
Abstract: 本发明属于车队管理技术领域，公开了一种基于Lora与消息队列技术的车队通讯方法。通讯方式选择；根据当前蜂窝移动网络信号判断所用通信方式；通信方式为LoRa无线模块或蜂窝移动网络信号；车队设备根据所选择的通讯方式进行通讯内容发送；接收到发送的通讯内容后，采用一种音频消息队列机制和历史消息回溯方法，进行语音播放。通过选择通讯方式、LoRa通信策略和消息发送与接收机制，有效提高了通讯的稳定性。通讯策略和消息接收机制，确保了消息的连续播放和接收的无缝性。通过来电自动接听策略和历史消息回溯方法，有效减少了司机驾驶过程中因接听来电或未能理解消息而带来的安全隐患。
-
公开(公告)号：CN118365396A
公开(公告)日：2024-07-19
申请号：CN202410489393.0
申请日：2024-04-23
Applicant: 东北大学
IPC: G06Q30/0283 , G06Q40/06 , G06N5/025 , G06N5/04 , G06N3/092 , G06N3/045 , G06N3/09 , G06N3/048 , G06F18/2415 , G06F18/27 , G06F18/15 , G06F18/10 , G06F123/02
Abstract: 本发明提供一种基于自适应的股票价格走势预测系统及方法，涉及人工智能技术领域。该方法具体包括：获取股票历史时序数据并进行预处理，利用处理后的数据对预置的若干个深度学习模型进行预训练，利用训练好的深度学习模型构建模型集，构建自适应决策模型(Adaptive Selection Deep Deterministic Policy Gradient，AS‑DDPG)并进行训练，利用训练好的AS‑DDPG为当前获取的股票时序数据选择合适的深度学习模型，并利用该深度学习模型对股票数据走势进行预测，得到股票涨跌走势的预测结果；并根据实时的股票数据变化对调整选择的深度学习模型，以应对不同数据模式下的股票市场环境，便于投资者需要根据实时的预测结果来做出即时决策。
-
-
-
-
-
-
-
-
-
Search Results
185
records
(took 0.065 seconds)
