公开(公告)号：CN110221909A

公开(公告)日：2019-09-10

申请号：CN201910510535.6

申请日：2019-06-13

Applicant: 东北大学

Inventor： 张斌 ,  李薇 ,  郭军 ,  刘晨 ,  侯帅 ,  周杜凯 ,  柳波 ,  王馨悦 ,  张娅杰 ,  张瀚铎 ,  刘文凤 ,  王嘉怡

IPC: G06F9/48 ,  G06F9/50 ,  G06N20/00 ,  G06F11/14

Abstract: 本发明提出一种基于负载预测的Hadoop计算任务推测执行方法，包括：资源管理器对备份任务数自适应调整，得到最大备份任务数；预测执行任务完成时间；将最大备份任务数与APPmaster设置的备份任务数比较，取最小值作为备份任务数阈值；判断备份任务数是否小于等于备份任务数阈值；判断任务数是否小于总任务数；预测备份任务完成时间；判断备份任务完成时间和执行任务完成时间大小，确定是否开启备份；本发明保证了当集群计算资源紧张的情况下，备份任务的开启不会对其他作业产生影响；执行任务的完成时间预测算法，有效避免了迟滞任务的误判导致计算资源浪费；备份任务完成时间预测算法，节约计算节点的计算资源，减少作业的完成时间，提高了集群的整体性能。

公开(公告)号：CN110215656A

公开(公告)日：2019-09-10

申请号：CN201910504150.9

申请日：2019-06-12

Applicant: 东北大学

Inventor： 郭军 ,  王馨悦 ,  刘晨 ,  张斌 ,  杨晨辉 ,  张弛 ,  牟歌 ,  迟航民

IPC: A63B23/12 ,  H04L29/06 ,  H04L29/08 ,  H04M1/725

Abstract: 本发明提供一种基于云边融合的上肢智能康复装置及方法，涉及人工智能技术领域。该装置包括复健器、基板、安装在基板上的多个智能传感节点、供电模块、通信模块、控制模块以及云端服务器和手机客户端；供电模块为整套智能康复装置进行供电，控制模块通过通信模块与云端服务器相连，根据云端服务器传来的指令控制智能传感节点，定制复健线路；复健器通过复健者根据复健线路压到智能传感节点；云端服务器用于向控制模块发送训练方案，并接收控制模块传送的康复者实际的运动轨迹；手机客户端内置程序，并从云端服务器读取复健者的训练得分进行显示。本发明装置及方法将计算机前沿技术与传统机械式康复医疗进行融合，为复健者提供简单便捷的复健工具。

公开(公告)号：CN110196756A

公开(公告)日：2019-09-03

申请号：CN201910466889.5

申请日：2019-05-31

Applicant: 东北大学

Inventor： 郭军 ,  刘文凤 ,  张斌 ,  刘晨 ,  侯帅 ,  侯凯 ,  李薇 ,  柳波 ,  王嘉怡 ,  王馨悦 ,  张瀚铎 ,  张娅杰

IPC: G06F9/455

Abstract: 本发明提出一种支持能耗优化的虚拟机模式转移方法，包括：初始化参数；判断热模式调整的数量m是否大于0，进行虚拟机的模式转移；部署当前虚拟机系统；对每台服务器资源剩余量，从大到小进行排序；sum1与需要休眠的热模式虚拟机的数量相比较，进行模式转移，更新各模式集合；部署当前虚拟机系统；对每台服务器资源剩余量，从大到小再次进行排序；sum2与需要唤醒的冷模式虚拟机的数量相比较，进行模式转移，更新各模式集合；选择整个服务器处于睡眠状态中的冷模式虚拟机，还是运行的服务器中冷模式下虚拟机问题，对系统的能耗影响很大，本发明在既支持性能保障又满足虚拟机的可靠性的基础上，探讨虚拟机模式转移过程中的节能问题，达到了很好的效果。

公开(公告)号：CN110149237A

公开(公告)日：2019-08-20

申请号：CN201910510953.5

申请日：2019-06-13

Applicant: 东北大学

Inventor： 张斌 ,  李薇 ,  郭军 ,  刘晨 ,  侯帅 ,  周杜凯 ,  柳波 ,  刘文凤 ,  王嘉怡 ,  王馨悦 ,  张娅杰 ,  张瀚铎

IPC: H04L12/24 ,  H04L29/08

Abstract: 本发明提出一种Hadoop平台计算节点负载预测方法，包括：基于滑动窗口二次检测算法的数据预处理方法；基于ARIMA算法的节点负载线性预测方法；基于RNN算法的节点负载非线性残差预测方法；将ARIMA算法与RNN算法预测出来的结果进行线性相加作为最终的预测结果；本发明通过对各个结算节点历史数据的分析，可以提取有价值的信息，进而合理预测下一时间段内的计算节点的负载，精确预测计算节点的负载可以为资源管理器合理地给AppMaster分配资源提供依据，进而缓解高负载节点的压力，提升低负载节点的计算资源利用率，提高Hadoop集群的可靠性和性能。本发明通过ARIMA和RNN模型组合，更加精确的对负载进行预测。

公开(公告)号：CN109993095A

公开(公告)日：2019-07-09

申请号：CN201910230227.8

申请日：2019-03-26

Applicant: 东北大学

Inventor： 张斌 ,  柳波 ,  郭军 ,  刘晨 ,  王嘉怡 ,  李薇 ,  张娅杰 ,  王馨悦 ,  刘文凤 ,  陈文博 ,  侯帅

IPC: G06K9/00 ,  G06N3/08

Abstract: 本发明提供一种面向视频目标检测的帧级别特征聚合方法，涉及计算机视觉技术领域。本发明提供的面向视频目标检测的帧级别特征聚合方法，首先通过特征网络从单帧图像中提取深层的特征；然后使用光流网络FlowNet提取帧间的光流；并基于光流将相邻帧的帧级别特征对齐到当前帧，实现帧级别的特征传播；最后通过映射网络和权重放缩网络计算放缩余弦相似性权重，并使用放缩余弦相似性权重聚合多帧特征，生成聚合后的特征；本发明提供的面向视频目标检测的帧级别特征聚合方法，使得权重分配更加合理，将聚合后的特征输入到视频目标检测网络中，能够使在运动模糊、像素低、镜头变焦、遮挡等复杂场景下的视频检测具有较好的检测效果，具有鲁棒性。