-
公开(公告)号：CN114945024B
公开(公告)日：2023-05-12
申请号：CN202210556058.9
申请日：2022-05-19
Applicant: 东北林业大学
IPC: H04L67/1008 , H04L67/1023 , H04L67/1029 , G06F9/50 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明提供一种基于长短期记忆网络的服务器负载均衡优化方法，包括以下步骤：采集服务器集群工作周期一个月的数据作为基于LSTM的负载权重模块的训练数据，对LSTM网络进行训练得到能够识别服务器性能差异的负载权重模块；将训练后的基于LSTM的负载权重模块加载至服务器集群的负载均衡器中进行服务器负载的预测；负载均衡优化算法，接收到每一个服务器的负载置信度后，带权的负载均衡算法以当前置信度作为新权重，对当前请求进行服务器的分配操作并进行请求处理，同时记录下当前服务器集群的状态以便对后续的基于LSTM的负载权重模块进行更新。本发明模型的参数量较小，提高运算的速度，提升了负载均衡算法的计算效率。
-
公开(公告)号：CN112925789B
公开(公告)日：2022-12-20
申请号：CN202110208391.6
申请日：2021-02-24
Applicant: 东北林业大学
IPC: G06F16/22 , G06F16/2457 , G06F16/2458 , G06F16/25 , G06F16/29
Abstract: 本发明提出一种基于Spark的空间矢量数据内存存储查询方法及系统，所述方法及系统为海量空间矢量数据在Spark内存中的存储结构和空间查询操作提供了新的解决方案，针对数据空间分布不均衡以及跨分区存储的现象，提出了一种带有buffer分区的非均匀网格分区方法。在每个分区中引入四叉网格树的结构进行数据的局部索引，通过合理剪枝，其有效提高每个分区的本地查询效率。基于本发明提出的空间数据内存结构，可以将Spark扩展为支持KNN和范围查询的分布式系统。通过对存储和查询过程进行封装，该执行过程对用户透明，用户可以通过传递参数直接调用对应的算子。
-
公开(公告)号：CN114202690A
公开(公告)日：2022-03-18
申请号：CN202111498048.6
申请日：2021-12-09
Applicant: 东北林业大学
Abstract: 本发明公开了以混合多层感知器为基础的多尺度网络分析方法，包括：MSC块和UMLP块；本发明实现了高效率的高光谱分类方法超过了以往的方法、其模型大小仅为0.185M，能很好的适用于工业的需求、能很好的将此方法应用于高光谱领域，监控森林变迁和对森林灾情如火灾等进行及时的预警作用。
-
公开(公告)号：CN112926452A
公开(公告)日：2021-06-08
申请号：CN202110212923.3
申请日：2021-02-25
Applicant: 东北林业大学
Abstract: 本发明提出一种基于GCN和GRU增强U‑Net特征的高光谱分类方法，所述方法为解决高光谱波段数据之间的类内高变异性和类间的相似性提供了新的解决方案。针对传统模型忽略特征之间所存在的潜在关系，提出使用图神经网络(GCN)和门控循环单元(GRU)获取U‑Net下采样特征之间的潜在关系，同时注意力机制用于根据上下文特征的重要程度学习得到新的特征。该方法将下采样得到的较混乱的特征转化为高内聚低耦合的特征，为下游的任务提供干净可靠的数据。同时该方法在小样本高光谱上只需要迭代很少次就能取得十分优异的结果。
-
公开(公告)号：CN115129894A
公开(公告)日：2022-09-30
申请号：CN202210790862.3
申请日：2022-07-05
Applicant: 东北林业大学
IPC: G06F16/36 , G06F16/35 , G06F16/29 , G06F40/194 , G06F40/295
Abstract: 本发明公开了一种基于深度学习的多源地理信息知识图谱自动构建方法，包括：设计地理知识图谱、地理实体、地理语料库的存储结构；通过网络百科全书和地理数据库构建地理知识图谱的数据来源。提取网络百科全书和/或地理数据库的信息存储至地理实体结构。如果网络百科全书和地理数据库的实体结构同时描述，但信息记录内容不完全一致，则认为地理数据库中的信息比较准确，采用地理数据库中的信息为准，对齐形成地理实体节点。模型预测地理节点和候选地理实体是否代表同一真实世界实体，并为预测提供置信度评分。最后，节点从正分类候选对中选择具有最高置信度的地理实体建立正确身份链接。本发明的优点是：提高信息的准确性，节省了人力成本。
-
Patent Agency Ranking
公开(公告)号：CN114945024A
公开(公告)日：2022-08-26
申请号：CN202210556058.9
申请日：2022-05-19
Applicant: 东北林业大学
IPC: H04L67/1008 , H04L67/1023 , H04L67/1029 , G06F9/50 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于长短期记忆网络的服务器负载均衡优化方法，包括以下步骤：采集服务器集群工作周期一个月的数据作为基于LSTM的负载权重模块的训练数据，对LSTM网络进行训练得到能够识别服务器性能差异的负载权重模块；将训练后的基于LSTM的负载权重模块加载至服务器集群的负载均衡器中进行服务器负载的预测；负载均衡优化算法，接收到每一个服务器的负载置信度后，带权的负载均衡算法以当前置信度作为新权重，对当前请求进行服务器的分配操作并进行请求处理，同时记录下当前服务器集群的状态以便对后续的基于LSTM的负载权重模块进行更新。本发明模型的参数量较小，提高运算的速度，提升了负载均衡算法的计算效率。
-
公开(公告)号：CN113033448B
公开(公告)日：2022-07-08
申请号：CN202110360889.4
申请日：2021-04-02
Applicant: 东北林业大学
Abstract: 本发明提出一种基于多尺度卷积和注意力的遥感影像去云残差神经网络系统、方法、设备及存储介质，属于遥感影像处理领域，为解决传统算法鲁棒性差、恢复效果不符合遥感影像视觉特征的问题。所述深度神经网络方法在高分辨率遥感影像去云任务的速度与复原效果上达到了平衡；使用卷积核大小变化范围更大的多尺度上下文卷积减小模型所需的内存和算法的处理时间；并且在多尺度卷积前以剩余连接的方式拼接了带有通道注意力模块的细粒度卷积增加网络的特征提取能力；本发明更真实、更符合实际场景的专用于高分辨率遥感影像去云任务的数据集，无论哪种网络模型，在该数据集上训练得到的网络权重都具有更高的适应性和更强的鲁棒性。
-
公开(公告)号：CN112926452B
公开(公告)日：2022-06-14
申请号：CN202110212923.3
申请日：2021-02-25
Applicant: 东北林业大学
Abstract: 本发明提出一种基于GCN和GRU增强U‑Net特征的高光谱分类方法，所述方法为解决高光谱波段数据之间的类内高变异性和类间的相似性提供了新的解决方案。针对传统模型忽略特征之间所存在的潜在关系，提出使用图神经网络(GCN)和门控循环单元(GRU)获取U‑Net下采样特征之间的潜在关系，同时注意力机制用于根据上下文特征的重要程度学习得到新的特征。该方法将下采样得到的较混乱的特征转化为高内聚低耦合的特征，为下游的任务提供干净可靠的数据。同时该方法在小样本高光谱上只需要迭代很少次就能取得十分优异的结果。
-
公开(公告)号：CN114612747A
公开(公告)日：2022-06-10
申请号：CN202210258500.X
申请日：2022-03-16
Applicant: 东北林业大学
Abstract: 本发明公开了基于无监督加权哈希的遥感图像检索方法，包括：基于加权相似结构的相似矩阵更新模块和一种新的自适应权重损失函数，解决了现有的深度无监督哈希方法无法在训练过程中优化伪标签、不同困难等级的训练样本对赋予相同权重的问题。
-
公开(公告)号：CN112861705A
公开(公告)日：2021-05-28
申请号：CN202110158298.9
申请日：2021-02-04
Applicant: 东北林业大学
Abstract: 本发明涉及一种基于混合学习的跨域行人重识别方法。包括如下步骤：1：设计基于生成对抗网络的风格迁移模型，利用标记的源域数据对风格迁移模型进行训练；2：设计基于特征提取网络的行人重识别模型，特征提取网络之后连接了两个分别用于监督学习和无监督学习的模块；3：设计动态权重函数动态的调整两种学习方式的权重，从而动态的对特征提取网络进行训练，最终完成跨域行人重识别任务。本发明设计了监督学习和无监督学习两种模块、结合了源域和目标域的数据对行人重识别模型进行训练。本发明还设计了动态权重函数动态地结合两种学习方式。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.025 seconds)
