-
公开(公告)号：CN112878989A
公开(公告)日：2021-06-01
申请号：CN202110153123.9
申请日：2021-02-04
Applicant: 东北大学
Abstract: 本发明提供一种基于电功率的有杆泵抽油井热洗过程实时监测方法及系统。首先根据洗井前采集的电参数数据计算出上冲程、下冲程以及完整冲程周期内的参照功率积分，然后在洗井过程中实时采集有杆泵抽油机的电参数，并计算有杆泵抽油机在上冲程、下冲程以及完整冲程内的功率积分值，根据当前的计算的功率积分值与各参照功率积分的比值，判断是否需要继续进行热洗，可以在线实时监测井内的结蜡情况，确定热洗剂的用量，相比于人工经验法，测量过程全自动化，不需要操作人员现场操作，即可完成测量。
-
公开(公告)号：CN110413657A
公开(公告)日：2019-11-05
申请号：CN201910624505.8
申请日：2019-07-11
Applicant: 东北大学
IPC: G06F16/2458 , G06F16/215 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种面向季节型非平稳并发量的平均响应时间评估方法，涉及云计算技术领域。该方法首先基于自相关系数法判定云服务系统中的请求并发量中的季节型非平稳并发量；然后建立基于RNN-LSTM神经网络的季节型非平稳并发量预测模型，并进行季节型非平稳并发量预测；建立基于RBF的云服务系统平均响应时间预测模型，将预测的用户季节型非平稳并发量、CPU利用率、内存利用率这些影响云服务平均响应时间的资源状态信息预处理完之后作为输入，输出为云服务系统的平均响应时间大小。本发明方法克服了传统的负载均衡策略的不足，提高了季节型非平稳并发量的预测精度，能及时对服务性能作出评估响应，使云计算系统能更好的为用户提供服务。
-
公开(公告)号：CN110348122A
公开(公告)日：2019-10-18
申请号：CN201910624856.9
申请日：2019-07-11
Applicant: 东北大学
Abstract: 本发明提供一种基于特征选择的季节型非平稳并发量能耗分析方法，涉及云计算技术领域。该方法针对Web应用特性建立能耗模型。首先，基于负载检测工具提取出相关多维特征，并使用工具测出对应能耗数据；然后，对提取的数据进行预处理，提高数据质量与建模效率；然后，采用效率高的过滤型特征选择算法与性能好的装箱式特征选择算法进行相关特征的选择；最后，对筛选完的多维特征以及能耗数据进行回归分析，建立能耗模型。本发明方法同时考虑多种对云服务中心整体能耗有贡献的资源，提取多种数据特征，并对提取的数据进行预处理，提高了数据质量与建模效率，也使能耗模型更加精确。
-
公开(公告)号：CN109993772A
公开(公告)日：2019-07-09
申请号：CN201910230234.8
申请日：2019-03-26
Applicant: 东北大学
Abstract: 本发明提供一种基于时空采样的实例级别特征聚合方法，涉及计算机视觉技术领域。基于时空采样的实例级别特征聚合方法，首先基于光流进行实例运动位移预测，得到相邻帧的候选框位置；并基于运动位移进行实例级别的特征采样，得到候选框在当前帧及其前后相邻两帧的采样特征；然后基于光流质量和外观质量进行实例级权重计算，提取候选框k对应的位置敏感的实例级权重；最后将当前帧i与其相邻帧i‑t和i+t的实例级别特征通过位置敏感的实例级权重进行聚合，得到聚合后的实例级别的特征。本发明提供的基于时空采样的实例级别特征聚合方法，能有效的利用相邻帧之间的运动信息，进而提升运动模糊、变形等复杂场景下的视频目标检测的精度。
-
公开(公告)号：CN106506229B
公开(公告)日：2019-04-23
申请号：CN201611077438.5
申请日：2016-11-30
Applicant: 东北大学
Abstract: 本发明提供一种SBS云应用自适应资源优化调整系统及方法，该系统包括：规则生成单元；监测单元；触发单元；动态决策单元；方案执行单元。该方法包括：生成自适应资源优化调整规则；在线实时获取SBS云应用的运行状态信息和云环境的运行状态信息；对SBS云应用进行自适应资源优化调整规则在线触发判断，确定触发的自适应资源优化调整规则；生成一组自适应资源优化调整动作，决策出自适应资源优化调整方案，进行SBS云应用自适应资源优化调整。本发明根据SBS云应用提供者与云环境提供者所签订的SLA，调整SBS云应用所占用的资源，实现了在保障SBS云应用性能的同时最小化资源调整的成本。
-
Patent Agency Ranking
公开(公告)号：CN108416395A
公开(公告)日：2018-08-17
申请号：CN201810255706.0
申请日：2018-03-27
Applicant: 东北大学
IPC: G06K9/62
CPC classification number: G06K9/627 , G06K9/6282
Abstract: 本发明属于数据分析与挖掘技术领域，具体涉及一种基于属性简约的交互式决策树构建方法，包括以下步骤：1)根据属性简约方法得出有限样本集合的简约核集；2)根据所述简约核集生成决策树；3)进行交互式决策树剪枝。本发明针对大数据环境中数据维度较高导致用户难以理解的问题，利用互信息计算属性核集，对剩余属性利用粒子群算法进行训练；在训练的同时，引入条件属性与决策属性的依赖度对粒子速度进行更新，提高收敛速度，最终得到全局近似最优约简的属性集合；在决策树构建过程中融入领域专家的剪枝经验，能够提高决策树的分类精度，降低其错分代价。
-
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：CN104301403B
公开(公告)日：2017-09-26
申请号：CN201410512536.1
申请日：2014-09-26
Applicant: 东北大学 , 辽宁北方实验室有限公司
Abstract: 一种基于组件服务副本增删的云服务资源动态配置系统及方法，该系统包括注册模块、质量参数生成模块、监测模块、评价模块和控制模块。方法包括对SLA进行注册；提取SLA中的信息，生成约定质量参数；周期性采集云服务环境中的虚拟机资源状态、云服务性能状态数据并保存；得出各虚拟机资源信息、组件服务质量、组件服务重要性、组件服务资源需求量；确定适合删除最优组件服务副本的虚拟机和适合部署瓶颈组件服务副本的虚拟机，得出组件服务副本增删决策；进行组件服务增删。本发明通过对历史数据的学习，预测用户的并发请求量，通过判断瓶颈组件服务和最优组件服务得出组件服务副本增删策略，达到实现云服务的性能保证的效果。
-
公开(公告)号：CN105797678A
公开(公告)日：2016-07-27
申请号：CN201610208418.0
申请日：2016-04-06
Applicant: 东北大学
CPC classification number: Y02C10/08 , B01J20/103 , B01D53/02 , B01D2253/10 , B01D2257/504 , B01D2258/0283 , B01J20/0296 , B01J20/043 , B01J2220/4806
Abstract: 本发明公开了属于环保技术领域中的一种新型复合型中温二氧化碳吸附剂及其制备方法，用于吸附分离工业烟气中的CO2。本发明方法制备的二氧化碳吸附剂，其特征在于，它是在作为支撑材料的有序介孔氧化硅MCM?41上，采用共沉淀法制得的镁铝型水滑石复合材料，解决了现有中温二氧化碳吸附剂吸附效率低的问题，此方法工艺简单，操作简易。本发明方法制备的吸附剂在150～300℃及包含一定的水分的气体中，对二氧化碳有较强的选择吸附能力，并且不需要提前将烟气降温处理。此外，该吸附剂还有制备成本低、循环再生性能好以及在吸附分离过程中无二次污染的特点。
-
公开(公告)号：CN104360908A
公开(公告)日：2015-02-18
申请号：CN201410606471.7
申请日：2014-10-31
Applicant: 东北大学
IPC: G06F9/50
Abstract: 本发明涉及基于蚁群优化算法的云环境下SBS资源配置方法，首先获取SBS中各组件服务的资源候选资源配置集，然后获取任意资源属性向量与其组件服务平均响应时间之间的映射关系，构造SBS资源配置应用的搜索图，利用蚁群优化算法调整SBS中各组件服务的资源候选资源配置集，得到最优组合资源配置，最后根据最优组合资源配置对SBS进行资源配置，本发明中的SBS资源配置方法能在配置满足SLA约束的条件下最小化资源使用成本，从而提高服务提供商的收益，当SBS资源配置应用的规模较大时，本发明提出的方法能够保证在较短时间内求得近似最优的组合资源配置。
-
-
-
-
-
-
-
-
-
Search Results
185
records
(took 0.064 seconds)
