-
公开(公告)号：CN114819154A
公开(公告)日：2022-07-29
申请号：CN202210478214.4
申请日：2022-05-05
Applicant: 华侨大学
IPC: G06N5/02 , G06F16/2458
Abstract: 本发明实施例提供一种事件日志简化方法、装置、设备和存储介质，涉及数据简化技术领域。其中，这种事件日志简化方法包括S1获取原始事件日志。S2根据原始事件日志挖掘流程模型。S3获取流程模型中的目标预测点。S4根据子网结构识别流程模型中的可简化子结构集合。S5根据可简化子结构集合分别对原始事件日志进行简化，获取简化事件日志集合。S6在目标预测点处，以剩余时间为目标，根据简化事件日志集合，分别为每个简化事件日志构建预测模型，并获取预测剩余时间集合。S7根据原始事件日志获取真实剩余时间,并计算得预测误差集合。S8根据预测误差集合筛选可简化子结构，获取化简结构集合。S9根据化简结构集合简化原始事件日志中，获取最终简化日志。
-
公开(公告)号：CN109194767A
公开(公告)日：2019-01-11
申请号：CN201811135423.9
申请日：2018-09-27
Applicant: 华侨大学
Abstract: 本发明涉及一种适用于混杂网络的流媒体缓存调度方法，其通过采用将流媒体文件的前缀文件推送至用户端进行缓存，使得同一域内用户端可以从邻近节点以P2P的方式快速获取到所需流媒体文件的前缀；而在边缘服务器端对流媒体文件的后缀文件进行分段缓存，且是否对该流媒体文件的后缀在边缘服务器进行存储，还要依照访问请求再决定。随着网络规模的扩大，前缀文件的用户端缓存可以有效减少域间数量交换，后缀文件的边缘服务器端自适应、高热度缓存，进一步避免了边缘服务器的工作压力。总之，本发明能够保证用户以较快速度获取所需资源，且资源获取的状态稳定；服务器负载也可以进一步降低；减少了骨干网络带宽资源消耗。
-
Patent Agency Ranking
公开(公告)号：CN108768690A
公开(公告)日：2018-11-06
申请号：CN201810330239.3
申请日：2018-04-13
Applicant: 华侨大学
CPC classification number: H04L67/104 , H04L41/044 , H04L41/046 , H04L67/1008 , H04L67/1042 , H04L67/1074 , H04L67/28
Abstract: 本发明一种结构化的P2P自组织网络结构及资源搜索方法，该P2P自组织网络结构包括由若干个源节点组成的源流层、由若干个代理服务器组成的代理层和由若干个自治系统构成的自治层，每个自治系统中具有多个节点组，由多个大小不等的地区所构成；每个地区只有两个层，适应网络情况的变化，每个节点自动调整在地区内的层次和级别，组成动态可变的虚拟树状结构，每个节点根据自身的剩余负载能力调整接受负载的能力，对网络做出的贡献都控制在自身的能力范围之内，根据节点的能力大小来承担区域内的资源转发工作，以便节点间能以最快速度就近获取资源，并在此基础上进行资源的搜索和共享。
-
公开(公告)号：CN114816926B
公开(公告)日：2024-07-23
申请号：CN202210478229.0
申请日：2022-05-05
Applicant: 华侨大学
Abstract: 本发明实施例提供一种流程监控方法和预测点筛选方法、装置、设备和存储介质，涉及流程监控技术领域。其中，这种预测点筛选方法包含步骤S1至S5。S1获取待监控流程的原始数据集和Petri网模型。S2对原始数据集进行全局特征编码，获取特征向量集。S3获取预测目标，并根据预测目标和特征向量集，通过XGBoost模型计算得到各个事件属性的重要性。S4根据各个事件属性的重要性，获取Petri网模型中各个活动点的重要性。S5获取阈值，并根据阈值筛选Petri网模型中各个活动点的重要性筛选Petri网模型中的预测点。本发明通过每个活动点所具有的事件属性对预测结果的重要性来筛选重要的预测点，从而剔除贡献度小的预测点，减少了整个流程监控系统的计算量，大大节约了系统资源。
-
公开(公告)号：CN114816926A
公开(公告)日：2022-07-29
申请号：CN202210478229.0
申请日：2022-05-05
Applicant: 华侨大学
Abstract: 本发明实施例提供一种流程监控方法和预测点筛选方法、装置、设备和存储介质，涉及流程监控技术领域。其中，这种预测点筛选方法包含步骤S1至S5。S1获取待监控流程的原始数据集和Petri网模型。S2对原始数据集进行全局特征编码，获取特征向量集。S3获取预测目标，并根据预测目标和特征向量集，通过XGBoost模型计算得到各个事件属性的重要性。S4根据各个事件属性的重要性，获取Petri网模型中各个活动点的重要性。S5获取阈值，并根据阈值筛选Petri网模型中各个活动点的重要性筛选Petri网模型中的预测点。本发明通过每个活动点所具有的事件属性对预测结果的重要性来筛选重要的预测点，从而剔除贡献度小的预测点，减少了整个流程监控系统的计算量，大大节约了系统资源。
-
公开(公告)号：CN118820800A
公开(公告)日：2024-10-22
申请号：CN202410936274.5
申请日：2024-07-12
Applicant: 华侨大学
Abstract: 本发明提供一种基于变迁关系矩阵的多标签故障识别方法、装置、设备和介质，涉及系统故障识别技术领域。多标签故障识别方法包含S1、获取基于标签Petr i网构建的系统业务流程的事件日志集。S2、遍历偏差事件踪迹集，提取变迁事件间的关系，获取偏差事件日志的故障变迁关系矩阵。S3、将故障变迁关系矩阵和规范变迁关系矩阵进行对比，获取各个故障变迁的所在位置。其中，规范变迁关系矩阵从无偏差事件踪迹集中提取变迁间的关系得到。S4、根据故障变迁的所在位置，获取故障变迁前驱矩阵和故障变迁后继矩阵。其中，故障变迁前驱矩阵和故障变迁后继矩阵的纵坐标为变迁，横坐标为库所。S5、根据故障变迁前驱矩阵和故障变迁后继矩阵，获取故障矩阵。
-
公开(公告)号：CN114819154B
公开(公告)日：2024-07-26
申请号：CN202210478214.4
申请日：2022-05-05
Applicant: 华侨大学
IPC: G06N5/025 , G06F16/2458
Abstract: 本发明实施例提供一种事件日志简化方法、装置、设备和存储介质，涉及数据简化技术领域。其中，这种事件日志简化方法包括S1获取原始事件日志。S2根据原始事件日志挖掘流程模型。S3获取流程模型中的目标预测点。S4根据子网结构识别流程模型中的可简化子结构集合。S5根据可简化子结构集合分别对原始事件日志进行简化，获取简化事件日志集合。S6在目标预测点处，以剩余时间为目标，根据简化事件日志集合，分别为每个简化事件日志构建预测模型，并获取预测剩余时间集合。S7根据原始事件日志获取真实剩余时间,并计算得预测误差集合。S8根据预测误差集合筛选可简化子结构，获取化简结构集合。S9根据化简结构集合简化原始事件日志中，获取最终简化日志。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
