公开(公告)号：CN115237593B

公开(公告)日：2023-07-25

申请号：CN202210816561.3

申请日：2022-07-12

Applicant: 苏州大学

Inventor： 梁合兰 ,  李煌 ,  李凡长

IPC: G06F9/50 ,  G06F30/20 ,  G06F111/04 ,  G06F111/06

Abstract: 本发明涉及一种混合云环境下带多时序约束的工作流调度方法，包括：建立包括模型的决策变量、模型约束和模型目标的混合云多时序约束工作流调度问题的形式化模型，在混合云多时序约束工作流调度问题的形式化模型下建立多时序约束分解策略、启发式任务分配策略和考虑计费周期的成本优化策略，使用多时序约束分解策略、启发式任务分配策略和考虑计费周期的成本优化策略得到混合云中具有时序约束的工作流调度的最佳方案。本发明可以提高最优解生成的有效性，在复杂流程结构、多时序约束、混合云资源等复杂环境制定成本更低的调度解。

公开(公告)号：CN115237593A

公开(公告)日：2022-10-25

申请号：CN202210816561.3

申请日：2022-07-12

Applicant: 苏州大学

Inventor： 梁合兰 ,  李煌 ,  李凡长

IPC: G06F9/50 ,  G06F30/20 ,  G06F111/04 ,  G06F111/06

Abstract: 本发明涉及一种混合云环境下带多时序约束的工作流调度方法，包括：建立包括模型的决策变量、模型约束和模型目标的混合云多时序约束工作流调度问题的形式化模型，在混合云多时序约束工作流调度问题的形式化模型下建立多时序约束分解策略、启发式任务分配策略和考虑计费周期的成本优化策略，使用多时序约束分解策略、启发式任务分配策略和考虑计费周期的成本优化策略得到混合云中具有时序约束的工作流调度的最佳方案。本发明可以提高最优解生成的有效性，在复杂流程结构、多时序约束、混合云资源等复杂环境制定成本更低的调度解。

公开(公告)号：CN115237592A

公开(公告)日：2022-10-25

申请号：CN202210815686.4

申请日：2022-07-12

Applicant: 苏州大学

Inventor： 梁合兰 ,  唐思倩 ,  李凡长

IPC: G06F9/50 ,  G06F30/20 ,  G06F111/04 ,  G06F111/06

Abstract: 本发明涉及一种隐私感知的混合云服务流程调度方法，包括：建立含有模型目标、隐私安全的位置约束和隐私任务的时间约束的隐私感知的混合云服务流程调度的形式化模型，在隐私感知的混合云服务流程调度的形式化模型下建立调度解的编码规则、元启发式算子生成新调度解的策略、隐私感知的任务优先级映射规则和针对不可行调度解的修复策略，得到隐私感知的混合云服务流程调度的最佳方案。本发明可以通用于混合云服务流程调度下的更细粒度的隐私感知需求、在保证满足隐私安全约束的基础上提高解的质量、降低云服务流程的总成本。

公开(公告)号：CN108021930B

公开(公告)日：2022-01-14

申请号：CN201711140976.9

申请日：2017-11-16

Applicant: 苏州大学

Inventor： 张召 ,  贾磊 ,  李凡长 ,  张莉 ,  王邦军

IPC: G06V10/774 ,  G06V10/764 ,  G06K9/62

Abstract: 本发明公开了一种自适应的多视角图像分类方法及系统，将多视角标签传播和自适应多图权重学习整合到一个统一的框架中，充分探索各视角间的互补性，通过引入线性变换来获取不同视角空间的权重参数，进而结合每个视角构建最优的权重系数。由于在多视角数据权重学习方面采用了自适应方式，可以避免传统的单视角和多视角标签传播方法过程中遇到的复杂而棘手的近邻数量或高斯核参数选择难问题。模型主要通过在训练过程中最小化基于多视角数据的分类误差和其重构系数之中的重构误差，最终输出样本的类别归属概率，取概率的最大值，用于图像类别的鉴定，得到最准确的分类结果。

公开(公告)号：CN110688224B

公开(公告)日：2021-11-23

申请号：CN201910899070.8

申请日：2019-09-23

Applicant: 苏州大学

Inventor： 梁合兰 ,  李凡长 ,  丁彬程 ,  王邦军 ,  钱旭培

IPC: G06F9/50 ,  G06F9/48

Abstract: 本发明公开了一种考虑虚拟机部署及周期定价模式的混合云服务流程调度方法。本发明一种考虑虚拟机部署及周期定价模式的混合云服务流程调度方法，包括：获取任务集合TS；混合云CPS；物理机集合PMS；周期计费模式TCM；最大迭代次数Maxiter；群体大小Gpop；火花的最大生成数量E；最大爆炸振幅R；初始温度T；冷却率cr；在初始阶段，首先生成一组初始烟花种群；对于每个烟花来说，首先随机编码成一个实数列表，表示成任务的优先级列表；将每个烟花解码为一个完整的调度解，并计算该解的目标值；在迭代阶段，不断更新烟花，一旦满足停止条件，即输出最佳解。本发明的有益效果：本发明的形式化模型考虑了云计算中广泛使用的周期计费模式。

公开(公告)号：CN108416384B

公开(公告)日：2021-11-05

申请号：CN201810178640.X

申请日：2018-03-05

Applicant: 苏州大学

Inventor： 吴新建 ,  张莉 ,  李凡长 ,  王邦军 ,  张召 ,  梁合兰

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例公开了一种图像标签标注方法、系统、设备及计算机可读存储介质。其中，方法包括将训练样本集和待标注图像输入卷积神经网络中，卷积神经网络为被训练样本集采用反向传播算法最小化交叉熵损失函数，以调整卷积神经网络的权重进行训练，并将训练好的卷积神经网络的权重进行重新加载，以提取训练样本集的样本网络特征集和待标注图像的测试网络特征集；根据样本网络特征集、测试网络特征集及标签集合，计算待标注图像属于标签集合中每类标签的概率，生成标签概率集；最后根据标签概率集，为待标注图像的进行标签标注。本申请提供的技术方案结合深度学习和标签传播算法，自动提取图像高层语义特征，从而提升了图像标注的效率和准确率。

公开(公告)号：CN112787870A

公开(公告)日：2021-05-11

申请号：CN202110211321.6

申请日：2021-02-25

Applicant: 苏州大学

Inventor： 梁合兰 ,  张鑫月 ,  李凡长 ,  王邦军

IPC: H04L12/24 ,  H04L29/08

Abstract: 本发明涉及一种服务质量感知的并行柔性Skyline服务发现方法，包括：由每个并行节点均执行锦标赛选择算法而对其内部的候选服务进行修剪；再使得每个并行节点均执行区块支配算法而对其内部的候选服务进行筛选而获得局部Skyline服务；将所有的局部Skyline服务集合构成第一集合，再用区块支配算法对第一集合进行筛选而获得全局Skyline服务；判断全局Skyline服务是否存在第一约束，若判断为是，则利用柔性Skyline服务修正算法进行处理得到柔性Skyline服务集合后输出,否则，直接输出全局Skyline服务。本发明降低了计算复杂度、提升了服务选择精度，利于准确、高效地过滤出优质服务。

公开(公告)号：CN106444653B

公开(公告)日：2019-07-19

申请号：CN201610696202.3

申请日：2016-08-19

Applicant: 苏州大学

Inventor： 张莉 ,  周伟达 ,  李凡长 ,  王邦军 ,  张召

IPC: G05B19/418

CPC classification number: Y02P90/02

Abstract: 本发明公开了一种故障检测方法和系统，将工业过程中的已有训练数据集映射到非线性特征空间，生成映射后的训练样本数据集；将在所述工业过程中收集的数据映射到所述非线性特征空间，生成映射后的测试数据；根据所述训练样本数据集判断所述测试数据是否为故障数据。本申请提供的技术方案把工业过程中采集的数据经非线性映射投影到非线性特征空间，在非线性特征空间中利用训练样本数据集对测试数据进行高效的故障检测，可以提高对于故障的检测精度，能够获得更高的故障检测率。

公开(公告)号：CN105740912B

公开(公告)日：2019-07-19

申请号：CN201610076336.5

申请日：2016-02-03

Applicant: 苏州大学

Inventor： 张召 ,  江威明 ,  李凡长 ,  张莉 ,  王邦军

IPC: G06K9/62 ,  G06K9/46

Abstract: 本申请公开了一种基于核范数正则化的低秩图像特征提取的识别方法及系统，首先对原始训练图像进行相似性学习，构造重构权重系数，再通过最小化基于核范数度量的邻域重构错误，并对投影矩阵进行核范数正则化处理，得到可直接提取二维图像特征的低秩投影矩阵，可有效保持图像像素间的拓扑结构和相关性。此外可确保优化得到低秩的显著图像特征。将原始测试图像直接向训练得到的低秩投影矩阵进行嵌入，输出其低秩显著特征，基于训练集中的低秩显著特征，利用最近邻分类器进行分类，取与测试图像样本的特征相似性最大的训练图像样本的类别标签，完成测试图像样本归类。通过引入核范数正则化，可有效保证特征提取过程中噪声的鲁棒性，系统性能更好。

公开(公告)号：CN109840833A

公开(公告)日：2019-06-04

申请号：CN201910112719.7

申请日：2019-02-13

Applicant: 苏州大学

Inventor： 王邦军 ,  戴欣 ,  李凡长 ,  张莉

IPC: G06Q30/06 ,  G06F16/9535 ,  G06K9/62

Abstract: 本发明公开了一种贝叶斯协同过滤推荐方法。本发明一种贝叶斯协同过滤推荐方法，包括：模型的输入为协同过滤推荐系统的评分矩阵 分解为两个潜在矩阵 其中对于M×K的矩阵Uik表示用户i属于组k的概率，Uik∈(0,1)；对于N×K的矩阵Vjk表示用户组k喜欢商品j的证据，即预测评分矩阵R'＝UVT；由于数据集R比较稀疏，所以观察的条目可以用集合Ω＝{(i,j)|Ri jis observed}；对这个问题采取概率方法；对观测数据表示一个似然函数，并将潜在矩阵作为随机变量来处理；当假设R的每个值来自U和V的乘积时，加上一些高斯噪声本发明的有益效果：用户的喜好多种多样，不会像小数据集中体现出口味较为一致。现实数据集中存在大量数据缺失问题，如果对证据不足难以预测的值，都预测为中值或者为平均值就失去了推荐的意义。