-
公开(公告)号：CN110162406B
公开(公告)日：2023-01-17
申请号：CN201910466883.8
申请日：2019-05-31
Applicant: 东北大学
IPC: G06F9/50
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。
-
公开(公告)号：CN110096335B
公开(公告)日：2022-06-21
申请号：CN201910355147.5
申请日：2019-04-29
Applicant: 东北大学
Abstract: 本发明提供一种针对虚拟机不同类型的业务并发量预测方法，涉及云计算技术领域。一种针对虚拟机不同类型的业务并发量预测方法，首先采集虚拟机的历史业务并发量，并进行预处理，然后基于改进的1最近邻‑动态时间调整方法1NN‑DTW判断虚拟机业务并发量的类型；最后采用分类回归树拟合不具有周期变化的业务并发量；采用傅里叶级数FS和分类回归树CART拟合具有周期变化的业务并发量；本发明提供的针对虚拟机不同类型的业务并发量预测方法，对虚拟机各业务的并发量进行预测，可以为下一步虚拟机的增加或者减少提供依据，同时有助于准确估计虚拟机的软件老化状况，以达到提高工作虚拟机性能和可靠性的目的。
-
公开(公告)号：CN110188002A
公开(公告)日：2019-08-30
申请号：CN201910466716.3
申请日：2019-05-31
Applicant: 东北大学
IPC: G06F11/14
Abstract: 本发明提出一种支持可靠性保障的冷热操模式虚拟机数量评估方法，包括：初始化参数；虚拟机的失效率排序；当前系统的可靠性与可靠性上限阈值比较，进行模式转换；前系统的可靠性与可靠性下限阈值比较，进行模式转换；单个操作模式虚拟机失效率与失效限定条件比较，进行模式转换；调用MDD算法重新评估系统的可靠性R1，系统可靠性R1与可靠性下限阈值比较，进行模式转换。为了使虚拟机冷热模式之间的数量分配达到平衡，本发明在操作模式虚拟机数量变化时，在满足可靠性要求R的基础上，调整冷热备份模式数量使系统满足可靠性要求，可靠性的高低通过平均响应时间和平均请求失败率来反映，实验证明本发明可以使得系统可靠性提高。
-
公开(公告)号：CN110109733A
公开(公告)日：2019-08-09
申请号：CN201910354679.7
申请日：2019-04-29
Applicant: 东北大学
Abstract: 本发明提供一种面向不同老化场景的虚拟机工作队列和冗余队列更新方法，涉及云计算技术领域。该方法首先根据虚拟机的生存时间和负载的波动情况划分不同的软件老化场景，然后采用基于岭回归的虚拟机工作队列动态更新的方法，动态地调整工作虚拟机副本的数目和顺序；最后基于二元决策图动态更新虚拟机的冗余队列。本发明提供的面向不同老化场景的虚拟机工作队列和冗余队列更新方法，通过选择和切换策略平衡虚拟机的服务质量和资源成本，保证系统的服务质量，即使工作虚拟机出现服务失效，冗余虚拟机能在短时间内切换状态，完全替代服务失效虚拟机。
-
公开(公告)号：CN110096335A
公开(公告)日：2019-08-06
申请号：CN201910355147.5
申请日：2019-04-29
Applicant: 东北大学
Abstract: 本发明提供一种针对虚拟机不同类型的业务并发量预测方法，涉及云计算技术领域。一种针对虚拟机不同类型的业务并发量预测方法，首先采集虚拟机的历史业务并发量，并进行预处理，然后基于改进的1最近邻-动态时间调整方法1NN-DTW判断虚拟机业务并发量的类型；最后采用分类回归树拟合不具有周期变化的业务并发量；采用傅里叶级数FS和分类回归树CART拟合具有周期变化的业务并发量；本发明提供的针对虚拟机不同类型的业务并发量预测方法，对虚拟机各业务的并发量进行预测，可以为下一步虚拟机的增加或者减少提供依据，同时有助于准确估计虚拟机的软件老化状况，以达到提高工作虚拟机性能和可靠性的目的。
-
Patent Agency Ranking
公开(公告)号：CN110262897B
公开(公告)日：2023-01-31
申请号：CN201910510964.3
申请日：2019-06-13
Applicant: 东北大学
IPC: G06F9/50
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。
-
公开(公告)号：CN110187990A
公开(公告)日：2019-08-30
申请号：CN201910466719.7
申请日：2019-05-31
Applicant: 东北大学
Abstract: 本发明提出一种基于模式转移的虚拟机混合备用动态可靠性评估方法，包括：采集资源和性能数据，并进行特性选择及标准化处理；对标准化后数据，预测基于HSMM的虚拟机失效概率；基于多值决策图的冷热备份云系统进行可靠性评估；为了达到准确的对系统的可靠性进行定量评估，本发明简化MDD的终端值，将从根节点到1的所有路径的发生概率的总和作为系统的可靠性。并将虚拟机分成三种不同模式即操作模式、冷备份模式和热备份模式，采用模式转移，使备用虚拟机在需要时替换失效的工作虚拟机来维持系统的运行，采用多值决策图进行可靠性评估。通过三组对比试验，验证得到本发明的平均响应时间和失效率低，可靠性高，从侧面验证本发明方法的正确性。
-
公开(公告)号：CN109993096A
公开(公告)日：2019-07-09
申请号：CN201910230235.2
申请日：2019-03-26
Applicant: 东北大学
Abstract: 本发明提供一种面向视频目标检测的光流多层帧特征传播及聚合方法，涉及计算机视觉技术领域。该方法首先通过特征网络提取相邻帧的多层特征、光流网络提取光流，然后利用光流将当前帧的前一帧和当前帧的后一帧的多层帧级别特征传播到当前帧，步长不同的层需要对光流做上采样或下采样，获取多层传播特征；然后逐层依次聚合每层的传播特征，最后生成多层聚合的帧级别特征用于最后的视频目标检测。本发明提供的面向视频目标检测的光流多层帧特征传播及聚合方法，使得输出的帧级别聚合特征兼顾了浅层网络分辨率高和深层网络高维语义特征的优点，能提升检测性能，而且多层特征聚合的方法对小目标的检测性能有所提升。
-
公开(公告)号：CN109993772B
公开(公告)日：2022-12-20
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：CN109993096B
公开(公告)日：2022-12-20
申请号：CN201910230235.2
申请日：2019-03-26
Applicant: 东北大学
Abstract: 本发明提供一种面向视频目标检测的光流多层帧特征传播及聚合方法，涉及计算机视觉技术领域。该方法首先通过特征网络提取相邻帧的多层特征、光流网络提取光流，然后利用光流将当前帧的前一帧和当前帧的后一帧的多层帧级别特征传播到当前帧，步长不同的层需要对光流做上采样或下采样，获取多层传播特征；然后逐层依次聚合每层的传播特征，最后生成多层聚合的帧级别特征用于最后的视频目标检测。本发明提供的面向视频目标检测的光流多层帧特征传播及聚合方法，使得输出的帧级别聚合特征兼顾了浅层网络分辨率高和深层网络高维语义特征的优点，能提升检测性能，而且多层特征聚合的方法对小目标的检测性能有所提升。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.035 seconds)
