-
公开(公告)号：CN118761473B
公开(公告)日：2024-12-24
申请号：CN202411217180.9
申请日：2024-09-02
Applicant: 广州云硕科技发展有限公司 , 暨南大学
Abstract: 本发明公开了一种基于增强知识图谱的运维分析数据处理方法及系统，该方法包括：获取目标用户针对目标系统的运维问题；根据预设的问题拆解算法对所述运维问题进行拆解，得到所述运维问题对应的多个主体部分和问题种类；基于预设的语言组织规则，对所述多个主体部分进行组织，得到重新组织的问题数据；将所述问题数据和所述问题种类输入至所述目标系统对应的知识图谱模型，得到所述运维问题对应的解答结果。可见，本发明能够提高用户的运维问题的解答效率，根本上提高系统运维的效率和效果，减少运维成本，提高用户体验。
-
公开(公告)号：CN114118415B
公开(公告)日：2024-06-28
申请号：CN202111466243.0
申请日：2021-11-29
Applicant: 暨南大学
IPC: G06N3/082 , G06N3/0464
Abstract: 本发明公开了一种轻量级瓶颈注意力机制的深度学习方法，该注意力机制分成通道注意力分支和空间注意力分支；通道注意力分支通过全局平均池化和最大值池化获取中间特征图的空间信息，卷积聚合以该通道为中心的左右邻域内的k个通道的信息，将得到的两个特征图按元素相加，生成通道注意力；空间注意力分支使用卷积进行降维，通过两个的空洞卷积进行上下文获取，最后使用卷积将通道数压缩到一维，生成空间注意力；融合两个分支注意力，先将通道注意力按空间的两个维度广播扩充，然后将空间注意力按通道维度广播扩充，将扩充后的两个注意力分支按元素相加，并通过Sigmoid函数运算，生成轻量级瓶颈注意力。本发明计算代价小、模型学习能力强。
-
公开(公告)号：CN117708638A
公开(公告)日：2024-03-15
申请号：CN202311363069.6
申请日：2023-10-20
Applicant: 暨南大学
IPC: G06F18/2337 , G06F18/2415 , G06Q40/03
Abstract: 本发明公开了一种基于重采样的数据公平粒化及分类方法。该方法首先在公平性优化的式前阶段，对输入数据集进行公平性概率的计算，根据敏感特征不同取值下对应的公平性权重，采用自适应替换重采样方法对数据集进行有选择的筛选，得到新的公平数据集。由于重采样方法存在一定的随机性，因此在该阶段添加了衡量数据集公平性的平衡因子DBF，使数据集尽可能达到最优；接着在式中阶段，在信息颗粒的生成过程中加入公平性约束调整颗粒大小，以每个特征下颗粒区间所能覆盖的数据点作为颗粒公平性能的评价指标。通过对数据集敏感特征比例的调整以及颗粒覆盖区间的调整，所生成的信息颗粒的公平性得到显著提升。
-
公开(公告)号：CN116958912A
公开(公告)日：2023-10-27
申请号：CN202310723554.3
申请日：2023-06-19
Applicant: 暨南大学
IPC: G06V20/54 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于因果效应的车辆重识别无偏特征增强方法，步骤如下：构建骨干网络提取图像特征；通过无偏特征增强模块提取特征图的注意力权重，使用反事实干扰方法生成特征图的反注意力权重；通过基于因果效应的联合约束模块增强特征图的无偏注意力权重；通过预测网络输出特征；使用无偏特征增强网络进行车辆重识别。本发明通过无偏特征增强模块自适应地为特征图的有意义区域添加权重，减少人工标注；通过基于因果效应的联合约束模块增强含无偏特征的区域权重同时减弱含有偏特征的区域权重；通过无偏特征增强模块和基于因果效应的联合约束的优化，增强对有效特征的识别能力，提高车辆重识别准确率。
-
公开(公告)号：CN111274212B
公开(公告)日：2023-05-05
申请号：CN202010064610.3
申请日：2020-01-20
Applicant: 暨南大学
IPC: G06F16/174 , G06F16/13
Abstract: 本发明公开了一种数据去重系统中的冷热索引识别与分类管理方法，针对数据存储领域中重复数据删除技术存在的最大瓶颈‑‑当备份的数据量达到PB、EB级别或以上时，内存不足以存放所有数据块的索引，从而导致了索引查找密集型的数据去重系统频繁地访问磁盘上的索引，严重地降低了数据去重系统的性能，该方法首次提出识别并分离热索引和冷索引，热索引即频繁被访问的索引，而冷索引即极少被访问的索引，通过将冷索引从内存或全局索引中剔除，达到了提高内存利用率、提高数据备份和数据恢复性能的目的，最终提高了数据去重系统的整体性能。本发明可以应用到各种备份数据流间具有较强局部性的数据去重系统中。
-
Patent Agency Ranking
公开(公告)号：CN111008158B
公开(公告)日：2023-04-25
申请号：CN201911085500.9
申请日：2019-11-08
Applicant: 暨南大学
IPC: G06F12/123 , G06F12/1009
Abstract: 本发明公开了一种基于页面重构与数据温度识别的闪存缓存管理方法，通过页面重构机制以及数据温度识别机制来管理缓存区。页面重构机制把即将回写的有效数据未满一个整页大小的页与多个其他有效数据不足一个页大小的页进行页面重构后再回写至闪存，通过尽可能减少非覆盖写操作来达到减少实际写操作的目的。数据温度识别机制通过对缓存页进行温度等级标记，按预定优先级顺序回写缓存页。该闪存缓存管理方法，结合页面重构机制与数据温度识别回写机制，将多个逻辑页进行页面重构，降低了写操作数量，同时合理划分缓存区利用负载时间局部性，提高了闪存系统整体命中率。
-
公开(公告)号：CN110321079B
公开(公告)日：2023-04-25
申请号：CN201910565354.3
申请日：2019-06-27
Applicant: 暨南大学
IPC: G06F3/06 , G06F12/123
Abstract: 本发明公开了一种基于混合页面的磁盘缓存去重方法。传统基于LRU的磁盘缓存并不能识别缓存中内容相同的重复数据块，使得缓存中存在一定的冗余数据，同时传统磁盘缓存都是基于固定的页面大小，而页面大小也是影响缓存命中率的重要因素，最佳的页面大小能够最大化缓存命中率。本发明提出一种基于混合页面的磁盘缓存去重方法，在磁盘缓存中引入混合页机制，保留基页的同时，增加巨页，并自适应调整巨页的大小以使命中率最大化。同时监测基页、巨页的冷热程度，将重复率高的冷巨页拆分为基页或将拆分后的热基页重构为巨页，实现基页、巨页的动态转换。利用重复数据删除技术对基页、巨页分别进行去重处理，使命中率最大化的同时保持去重率。
-
公开(公告)号：CN113342460B
公开(公告)日：2023-01-13
申请号：CN202110509723.4
申请日：2021-05-11
Applicant: 暨南大学(CN)
Abstract: 本发明公开了一种云数据中心面对突发负载的能耗控制方法，在保障数据中心突发负载时正常运行并满足用户的延时要求的前提下，对虚拟机的放置方法进行优化以降低数据中心的能耗。本发明考虑突发负载情形下，结合数据中心气流组织方式进行整体建模，并结合虚拟机负载请求量大小，利用改进的模拟退火算法对模型进行求解，以获得适配当前数据中心气流组织的虚拟机放置方式，同时由于在突发负载情形下到来的任务量具有不确定性，部分虚拟机放置算法容易产生误判，因此利用上述模型及方法进行虚拟机放置策略的优化以适配当前数据中心到来的任务量。该方法将虚拟机放置与当前数据中心到来的任务量进行结合，保障数据中心运行性能，优化虚拟机放置方案。
-
公开(公告)号：CN109086224B
公开(公告)日：2022-10-21
申请号：CN201810748365.0
申请日：2018-07-10
Applicant: 暨南大学
IPC: G06F12/08
Abstract: 本发明公开了一种自适应分类重用距离来捕捉热数据的缓存方法，针对计算机存储领域的缓存策略问题。由于传统的缓存策略方案大多仅考虑数据所反映的新进度(Recency)或频率这两个特性，无法更深层次地捕捉到数据访问所反映的模式特征，加之算法本身不具备有针对捕捉到的数据特征变化而做出自适应调节的能力，因此可能导致了策略的数据命中率和稳定性不高的现象。针对这一问题，本缓存方法通过利用数据的重用距离特征和缓存替换的元数据历史信息来深度挖掘数据访问模式的特征，并以一种自适应的方式处理这种热数据识别和缓存时间分配的过程，从而达到提升算法命中率的目的。
-
公开(公告)号：CN115185742A
公开(公告)日：2022-10-14
申请号：CN202210776992.1
申请日：2022-07-04
Applicant: 暨南大学 , 广东药科大学附属第一医院
IPC: G06F11/14 , G06F16/215
Abstract: 本发明公开了一种基于区间检测的重复数据识别及删除方法。随着数据时代和存储领域的飞速发展。数据量的增加导致了存储空间、性能、成本等的低效利用问题。该方法根据重复块的分布情况通过为每个数据段选择一个最优的自适应阈值进行数据重写和引用，以提高恢复性能和备份性能。基于区间检测的重复数据识别及删除方法是通过对数据段涉及的旧容器进行有效容器利用率的自适应区间检测，从两个方向检测容器有效利用率的变化趋势，因此能够更准确地识别旧容器有效利用率的突变区间。此外，该方法使用全局哈希桶数组来记录不同有效利用率的旧容器数量及其引用情况，以便从全局范围内挑选旧容器进行引用，以提高数据恢复性能和数据备份性能。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.022 seconds)
