-
公开(公告)号：CN109491835B
公开(公告)日：2022-04-12
申请号：CN201811250945.3
申请日：2018-10-25
Applicant: 哈尔滨工程大学
IPC: G06F11/14
Abstract: 本发明提出了一种基于动态分组码的数据容错方法，属于数据存储技术领域，具体涉及分布式存储系统中数据的容错问题，利用基于动态分组码的数据容错方法恢复丢失或失效的数据。首先按照分布式系统中磁盘的分组对将要存储的数据进行分块存储。当一个条带的数据存储完全时，对这个条带上的数据块应用DLRC编码，生成全局校验块和局部校验块并存储到校验块的磁盘中。当发现有数据块失效时，读取参与重构的节点数据，利用DLRC编码进行反向计算，重构出丢失的数据并重新存储到磁盘。本发明实现了存储开销、容错能力和重构开销的动态平衡，可以适用于不同存储系统的需求。在消耗同样的存储空间的情况下，DLRC编码容错能力高、重构开销低，具有良好的实用价值。
-
公开(公告)号：CN111444042A
公开(公告)日：2020-07-24
申请号：CN202010214114.1
申请日：2020-03-24
Applicant: 哈尔滨工程大学
Abstract: 本发明属于区块链存储技术领域，具体涉及一种基于纠删码的区块链数据存储方法。本发明对于系统节点赋予全局独有节点编号，任意节点i基于纠删码思想对存储数据进行编码，获得第i块数据块以及全部校验码进行存储；失效节点在特定容错率条件下向全局其余节点请求数据，从而进行数据修复；新节点在加入区块链系统后，向全局请求数据，存储历史区块链。本发明能够降低区块链系统全局存储开销，同时实现在50％以下节点失效情况下恢复数据，保证数据可靠性。
-
公开(公告)号：CN109492516A
公开(公告)日：2019-03-19
申请号：CN201811028694.4
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 本发明为一种基于DGRU神经网络的UUV集群行为识别方法，属于深度学习领域；本发明对GRU神经网络进行改进，提出了防止信息丢失的DGRU神经网络，并应用DGRU神经网路建立欠驱动UUV集群行为识别模型；本发明包括数据预处理阶段、模型训练阶段和模型预测阶段，具体包括如下步骤：(1)对UUV集群行为数据集进行数据清洗；(2)利用数据预处理后的数据集训练DGRU神经网络，建立UUV集群行为识别模型；(3)获取当前软件失效数据并采用(1)中同样的方法进行数据归一化处理，然后输入(2)中获得的预测模型进行UUV的集群行为识别，得到识别结果；应用该模型可以精确识别欠驱动UUV集群行为的方法，克服了传统UUV集群性行为识别技术的缺点。
-
公开(公告)号：CN109344960A
公开(公告)日：2019-02-15
申请号：CN201811017376.8
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 本发明属于深度学习领域，具体涉及一种防止数据信息丢失的DGRU神经网络及其预测模型建立方法。DGRU神经网络预测模型建立方法包括如下步骤：1、对数据集进行数据清洗，包括处理数据不平衡问题、归一化问题；2、利用数据预处理后的数据集训练DGRU神经网络，建立预测模型；3、根据模型预测结果。DGRU神经网络，包括输入层、输出层和隐含层，隐含层由DGRU神经元构成，DGRU是在GRU的基础上改进的，DGRU神经网络的输入数据为经过数据预处理后的t时刻的集群行为数据 输出数据为预测的下一刻集群行为 本发明增加了不同层之间的信息传递，增强模型的记忆能力，克服传统GRU神经网络信息丢失问题，应用DGRU建立的预测模型，提高了预测精度。
-
公开(公告)号：CN109889440A
公开(公告)日：2019-06-14
申请号：CN201910126692.7
申请日：2019-02-20
Applicant: 哈尔滨工程大学
IPC: H04L12/703 , H04L12/741 , H04L12/753 , G06F16/27
Abstract: 本发明属于数据存储领域，具体涉及一种基于最大生成树的纠删码失效节点重构路径选择方法。本发明的目的是针对传统数据修复方式在多节点失效情况下性能下降严重的问题，提出一种基于最大生成树的纠删码失效节点重构路径选择方法，根据节点的计算能力，选举中心节点，并根据各节点间带宽，生成最大生成树，降低多节点修复时的网络带宽消耗和修复时间，提升修复效率。本发明所述的一种基于最大生成树的纠删码失效节点重构路径选择方法，克服传统纠删码数据修复方法串行修复问题，减少冗余数据传输，提高修复效率，降低修复时间。
-
Patent Agency Ranking
公开(公告)号：CN109409200A
公开(公告)日：2019-03-01
申请号：CN201811017220.X
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于SGRU神经网络的UUV集群行为识别技术。本发明具体步骤为数据预处理阶段，对UUV集群行为数据集进行数据清洗，包括处理数据不平衡问题、缺失值问题；模型训练阶段，利用数据预处理后的数据集训练SGRU神经网络，建立UUV集群行为识别模型；模型预测阶段，获取当前软件失效数据并进行数据预处理过程，然后输入所获得的SGRU预测模型进行UUV集群行为识别的预测，得到预测结果。本发明克服传统GRU神经网络结构过于复杂，泛化能力差的问题，并且应用SGRU建立精确高效的UUV集群行为识别模型，解决传统方法无法准确识别UUV集群行为的问题。
-
公开(公告)号：CN111444042B
公开(公告)日：2023-10-27
申请号：CN202010214114.1
申请日：2020-03-24
Applicant: 哈尔滨工程大学
Abstract: 本发明属于区块链存储技术领域，具体涉及一种基于纠删码的区块链数据存储方法。本发明对于系统节点赋予全局独有节点编号，任意节点i基于纠删码思想对存储数据进行编码，获得第i块数据块以及全部校验码进行存储；失效节点在特定容错率条件下向全局其余节点请求数据，从而进行数据修复；新节点在加入区块链系统后，向全局请求数据，存储历史区块链。本发明能够降低区块链系统全局存储开销，同时实现在50％以下节点失效情况下恢复数据，保证数据可靠性。
-
公开(公告)号：CN109218391B
公开(公告)日：2021-07-13
申请号：CN201810778796.1
申请日：2018-07-16
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于区块链的分布式存储系统审计与去中心化的方法，属于分布式存储系统领域。提出了双链结构，所有核心节点共享数据特征链，所有超节点内部共享数据审计链：搭建采用带搅动的DHT拓扑结构的可扩展、高效率的分布式存储系统；用户利用同组织其他用户的公钥和自身私钥使用环签名算法对存储信息进行签名，对自身身份信息进行隐藏；分布式存储系统节点接收签名信息并进行验证，判断信息是否属于某一特定组织。带搅动的拓扑结构使得系统更安全，可靠。双链结构提高了扩展性、吞吐量，降低了延迟，实现了分布式存储系统的去中心化任务处理和数据一致性审计。
-
公开(公告)号：CN109889440B
公开(公告)日：2021-02-02
申请号：CN201910126692.7
申请日：2019-02-20
Applicant: 哈尔滨工程大学
IPC: H04L12/703 , H04L12/741 , H04L12/753 , G06F16/27
Abstract: 本发明属于数据存储领域，具体涉及一种基于最大生成树的纠删码失效节点重构路径选择方法。本发明的目的是针对传统数据修复方式在多节点失效情况下性能下降严重的问题，提出一种基于最大生成树的纠删码失效节点重构路径选择方法，根据节点的计算能力，选举中心节点，并根据各节点间带宽，生成最大生成树，降低多节点修复时的网络带宽消耗和修复时间，提升修复效率。本发明所述的一种基于最大生成树的纠删码失效节点重构路径选择方法，克服传统纠删码数据修复方法串行修复问题，减少冗余数据传输，提高修复效率，降低修复时间。
-
公开(公告)号：CN109871894A
公开(公告)日：2019-06-11
申请号：CN201910126440.4
申请日：2019-02-20
Applicant: 哈尔滨工程大学
Abstract: 本发明属于机器学习数据处理领域，具体涉及一种结合森林优化和粗糙集的数据离散化方法。本发明的目的在于克服传统连续属性离散化算法割裂属性之间关联的缺点，使用森林优化算法对基于粗糙集的离散化方法进行改进，提出一种搜索效率高、避免局部最优的结合森林优化和粗糙集的数据离散化方法，并将该方法应用在机器学习的数据预处理过程，本发明最大程度保留了数据集不同属性间的关联性，增强机器学习模型的记忆能力，克服传统离散化方法易陷入局部最优、割裂属性之间关联以及优化效率低等问题，是一种多维属性离散化方法，并应用其建立数据预处理模型，可在机器学习算法中使用，如C4.5分类器，可提高其分类、预测精度。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.03 seconds)
