公开(公告)号：CN112162835A

公开(公告)日：2021-01-01

申请号：CN202010849012.7

申请日：2020-08-21

Applicant: 南京信息职业技术学院

Inventor： 顾海花 ,  王玉娟 ,  倪靖 ,  郭佳

IPC: G06F9/48 ,  G06F9/50

Abstract: 本发明公开了一种异构云环境下实时任务的调度优化方法，包括：接收实时到达的任务，将任务分配给下层的各个计算节点；接收分配的任务后，将任务安排给节点计算资源进行计算；设置自底向上的资源重分配机制，当监测到某段时间内资源负载不均衡时，采用有效的调整策略使得在短时间内重新达到计算资源的负载均衡状态；根据调度策略和资源重分配机制实时地对任务进行调度，实现任务的负载均衡分配和完成时总延时最小的优化目标。保证实时任务完成的条件下，以最小化实时任务总延时和实现负载均衡调度为目标，提高了云数据中心的资源利用率，有效保证了任务执行的质量，提高了用户体验。

公开(公告)号：CN115544268A

公开(公告)日：2022-12-30

申请号：CN202211211924.7

申请日：2022-09-30

Applicant: 南京信息职业技术学院

Inventor： 褚哲 ,  顾海花 ,  张玲 ,  何淼

IPC: G06F16/36 ,  G06F16/35 ,  G06N3/08 ,  G06Q50/20

Abstract: 本发明提供一种教学与就业辅助知识图谱的构建及应用方法，将知识点、试题、就业岗位三类实体（节点）以及它们之间的关系，构建了应用于高等学校教学与就业的知识图谱。利用DeepWalk图嵌入技术实现节点向量化表示，得到了节点的向量表示。通过节点向量的欧氏距离，我们可以计算节点之间的相似度，并且对节点进行聚类。基于知识点和题库图谱，再结合学生的测试情况，能精准地刻画学生知识掌握情况。从而实现对学生学情研判，学习资源个性化推荐，精准一对一帮扶。在辅助就业方面。通过每个就业岗位所关联的知识点和技能点，让学生更清楚每个岗位的知识需求。及时找到针对该岗位自己的技能短板与不足，从而有针对性地学习。

公开(公告)号：CN118840603A

公开(公告)日：2024-10-25

申请号：CN202410910272.9

申请日：2024-07-09

Applicant: 南京信息职业技术学院

Inventor： 孔钦 ,  顾海花 ,  吴昊阳

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/40 ,  G06N3/0464

Abstract: 本发明公开一种基于改进YOLOv8的道路病害目标检测方法及装置，方法包括：将待检测的道路病害图像数据输入到基于改进YOLOv8的道路病害目标检测模型中，得到道路病害图像数据检测结果；其中，所述基于改进YOLOv8的道路病害目标检测模型的构建方法，包括：在YOLOv8模型的特定层中，使用深度可分离卷积替换标准卷积并添加残差连接，构建基于改进YOLOv8的道路病害目标检测模型。使用深度可分离卷积和残差连接改进YOLOv8模型，提升了道路病害目标检测的效率和准确率。

公开(公告)号：CN119517394A

公开(公告)日：2025-02-25

申请号：CN202411530064.2

申请日：2024-10-30

Applicant: 南京信息职业技术学院

Inventor： 王俊 ,  张玲 ,  顾海花 ,  李婷 ,  纪文宇

IPC: G16H50/30 ,  G06N3/0442 ,  G06N3/084 ,  G16H70/20

Abstract: 本发明公开了一种基于LSTM网络的甲状腺病程发展时序分析方法，包括以下步骤：步骤一：数据收集与预处理：收集患者甲状腺病程相关的时序数据，并对时序数据进行标准化处理；步骤二：LSTM网络模型构建：设计LSTM网络模型，并使用步骤一标准化处理的时序数据对LSTM网络模型进行训练，捕捉甲状腺病程中的时间依赖关系；通过交叉验证和超参数调优，优化LSTM网络模型的性能。本发明提供了一种基于LSTM网络的甲状腺病程发展时序分析方法，通过对甲状腺疾病患者的病程数据进行时间序列分析，预测疾病的发展趋势，为临床决策提供科学依据，有助于医生更好地掌握患者的病情变化趋势，优化治疗方案，改善患者的预后。

公开(公告)号：CN119400391A

公开(公告)日：2025-02-07

申请号：CN202411454720.5

申请日：2024-10-17

Applicant: 南京信息职业技术学院

Inventor： 王俊 ,  顾海花 ,  丛巧花 ,  鲁宁 ,  梁田龙

IPC: G16H50/20 ,  G16H10/60 ,  G16H30/20 ,  G06F18/25 ,  G06T7/00 ,  G06V10/26 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985

Abstract: 一种基于多模态深度学习的甲状腺结节自动诊断方法。对超声影像数据、CT影像数据和患者临床数据进行收集并进行预处理后，实现多模态数据的空间对齐；利用卷积神经网络从多模态影像数据中提取深层特征，并采用改进的ResNet结构、U‑Net结构对甲状腺结节区域进行图像分割，并提取感兴趣区域；实现特征提取与融合；构建混合模态的深度神经网络，进行深度学习模型的训练与优化；结合模型推理包括对新输入数据的预处理、特征提取与融合，以及最终的诊断结果生成。本发明通过融合来自不同影像源的多模态数据，结合先进的深度学习模型，实现甲状腺结节的自动诊断，从而提高诊断的准确性和效率。

公开(公告)号：CN111859447A

公开(公告)日：2020-10-30

申请号：CN202010630182.6

申请日：2020-07-03

Applicant: 南京信息职业技术学院

Inventor： 顾海花 ,  张霞 ,  孙仁鹏 ,  傅婧

IPC: G06F21/62 ,  G06F21/53 ,  G06F9/50

Abstract: 本发明公开了属于Spark大数据处理技术领域的一种带隐私保护的Spark工作流调度方法及系统，能够将带有隐私性的数据放在指定的数据中心进行处理，满足了隐私保护的需求，同时提高了整个Spark工作流的处理效率，减少了执行时间。根据隐私性规则将输入数据分为隐私数据和普通数据；再以分区为单位进行隐私性标记，分为隐私分区和普通分区；将普通分区作为输入的Spark就绪任务调度到普通数据中心处理，得到第一输出数据；将隐私分区作为输入的Spark就绪任务调度到隐私数据中心处理，得到第二输出数据；判断第一输出数据和第二输出数据是最终结果还是中间结果，若是中间结果则重新进行隐私性确认、标记、分区，直至所有Spark就绪队列中的Spark就绪任务全部处理完成。