-
公开(公告)号：CN118761473A
公开(公告)日：2024-10-11
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：CN114120041B
公开(公告)日：2024-05-17
申请号：CN202111432553.0
申请日：2021-11-29
IPC: G06V10/764
Abstract: 本发明公开了一种基于双对抗变分自编码器的小样本分类方法，解决现有分类方法在小样本下网络难以训练、准确率较低的问题。该分类方法包括：数据预处理，对目标数据集进行清洗、填充和归一化；模型设计与优化步骤，利用VAE和GAN设计相应的网络结构，并针对过拟合和训练产生震荡等问题进行模型的优化；模型训练步骤，利用小样本数据集对模型进行训练，进而获得网络模型权重；模型预测步骤，输入测试集对模型进行预测，对比现有的一些经典深度学习分类方法，验证本发明的有效性。本发明公开的方法中构建的模型能够在小样本情况下实现数据增强，并且能够提取有效特征从而提高分类的准确率，普遍适用于不同类型的分类任务。
-
公开(公告)号：CN113625961B
公开(公告)日：2024-05-17
申请号：CN202110768446.9
申请日：2021-07-07
Applicant: 暨南大学
Abstract: 本发明公开了一种基于贪心选择的自适应阈值重复数据删除方法。随着去重备份系统中数据量的急剧增大，去重备份系统的磁盘总容量与备份数据量大小的匹配问题成为主要矛盾之一。因此在数据去重中加入重写算法来缓解碎片化对去重备份系统带来的伤害。该方法通过选择引用具有更优效果的旧容器进行重复删除，以达到在保证高去重率的同时，提升去重备份系统的数据恢复性能。基于贪心选择的自适应阈值重复数据删除方法根据每个数据段中涉及的旧容器有效引用数量的分布情况，对不同的数据段使用不同的阈值进行去重，进而贪心选择一组有效引用量最大的旧容器组，在保证高重复数据删除率的同时提高去重备份系统的恢复性能。
-
公开(公告)号：CN111124605B
公开(公告)日：2023-03-31
申请号：CN201911239002.5
申请日：2019-12-06
Applicant: 暨南大学
Abstract: 本发明公开了一种利用气流组织分布方式进行数据中心虚拟机放置与调度的方法，在满足用户所指定的最大执行周期约束和服务器阈值温度下，优化虚拟机放置与调度以降低制冷系统的能耗。本发明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，利用模拟退火算法对模型进行求解，以此获得适配当前数据中心气流组织的虚拟机放置方式，同时在执行任务时由于任务量负载的不确定性，可能会使虚拟机利用率在不同阶段产生较大的变化，因此利用上述模型及方法进行虚拟机调度以重新适配当前数据中心气流组织分布方式。该方法将虚拟机放置与调度与当前数据中心气流组织分布方式进行结合，降低数据中心的制冷能耗，大幅减少局部热点的产生。
-
公开(公告)号：CN110225524B
公开(公告)日：2022-11-11
申请号：CN201910454284.4
申请日：2019-05-29
Applicant: 暨南大学
Abstract: 本发明公开了一种基于5G下行链路数据传输的方法，该发明结合5G超密集网络和移动边缘计算技术，构建基于5G移动边缘云的宏小区内三层基站的超密集蜂窝网络架构，并提出一个简单的信道分配方法。该方法包括：对宏蜂窝系统网络架构的搭建，对用户设备请求文件在边缘服务器的查找，对可能链路中传输节点(基站)发射信道的预分配，对当前用户设备可能的全部下行链路基于文件传输完成时延采用迪杰斯特拉算法计算最短时延和进行最佳路由选择，并在最佳路由的链路上进行大容量文件的数据传输。该方法可以最大限度地提高受限于物理资源的5G边缘云网络传输时延的收益，解决5G网络的热点区域容量和用户在线获取大容量文件的数据传输速率问题。
-
Patent Agency Ranking
公开(公告)号：CN114897180A
公开(公告)日：2022-08-12
申请号：CN202210491986.1
申请日：2022-05-06
Applicant: 暨南大学
IPC: G06N20/00 , G06N3/00 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于加权深度森林的小样本数据分类方法，解决现有分类方法在小样本数据下难以进行表征学习、无法正确分类的问题。该分类方法包括：数据预处理，对待分类数据进行清洗、填充和归一化；模型构建，为解决深度森林模型存在的问题，构建基于加权深度森林的小样本数据分类模型；模型训练，利用小样本数据集对模型进行训练，获得最优基于加权深度森林的小样本数据分类模型；模型预测，将真实待分类数据输入训练得到的模型，得到分类结果。对比其他较流行的机器学习分类方法，验证本发明的有效性。本发明公开的方法中构建的模型，适用于不同类型的小样本数据分类任务，与深度神经网络相比，训练速度更快，分类效果更好。
-
公开(公告)号：CN110321079A
公开(公告)日：2019-10-11
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：CN106569745B
公开(公告)日：2019-07-19
申请号：CN201610933953.2
申请日：2016-10-25
Applicant: 暨南大学
IPC: G06F3/06
Abstract: 本发明公开了一种内存过载下面向重复数据删除的内存优化系统，包括数据页筛选模块、读写请求处理模块、全零数据页过滤模块、重复数据页删除模块和数据管理模块。其中，数据页筛选模块用于发现内存中适合去重的稳定数据页，读写请求处理模块用于地址转化和读写分类，全零数据页过滤模块是对筛选出的去重数据页进行过滤，剔除其中全零数据页以节省内存开销，重复数据页删除模块对全零页过滤剩余页面进行去重操作，数据管理模块负责元数据和去重后的内存数据页的组织和管理。本发明通过筛选内存全零页和删除重复数据页，提高内存利用率，在内存过载下避免缓慢的外存交换操作，有效提高系统整体性能。
-
公开(公告)号：CN109871268A
公开(公告)日：2019-06-11
申请号：CN201910021395.6
申请日：2019-01-10
Applicant: 暨南大学
Abstract: 本发明公开了一种面向数据中心的基于气流组织的节能调度方法，该方法根据数据中心布局以及热循环建立制冷能耗与计算能耗之间的关系，得出数据中心总能耗模型；依据建立的能耗模型计算数据中心服务器调度的启发式贪心序列；对到来的任务首先存储在任务队列，然后按照启发式贪心序列里的服务器启动排序分配各项任务到对应的服务器当中；对当前时间周期已分配任务的服务器的分布进行计算，得到所需要的冷气供应温度，并对空调装置设置对应的冷却温度。本发明为数据中心任务调度提供一种节能调度方法，通过对工作负载的分配与调度，计算设备的资源能被共享利用，使得空调制冷设备能够工作在一个较高温度，能够有效节约计算能耗和制冷能耗。
-
公开(公告)号：CN109144896A
公开(公告)日：2019-01-04
申请号：CN201810909304.8
申请日：2018-08-10
Applicant: 暨南大学
IPC: G06F12/0882 , G06F12/123
CPC classification number: G06F12/123 , G06F12/0882
Abstract: 本发明公开了一种基于MLC奇偶对称性的可感知型数据缓存管理方法，基于FTL映射机制，重新设计了缓存管理策略，通过FTL mapping为缓存层的数据节点提供了底层块状态的感知信息，对闪存块的页状态进行标记，可以充分在进行数据更新时，利用闪存块的页状态表作为缓存写回的筛选依据，从而尽可能减少由于奇偶对称性导致的页搬迁存储空间的损耗，极大地提高了SSD中Free Space的利用率，并且由于扩大了闪存可用存储空间，可以充分减少内部的垃圾回收，间接延长了SSD的使用寿命。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.031 seconds)
