-
公开(公告)号：CN110111146A
公开(公告)日：2019-08-09
申请号：CN201910361905.4
申请日：2019-04-30
申请人： 东华大学
IPC分类号： G06Q30/02 , G06F16/953
摘要： 本发明公开了一种面向云实例选择的多目标优化求解方法，包括以下步骤：A.背景问题定义：定义该求解器的问题背景；B.初始完全Pareto集合生成：得到需求个数为1下的初始Pareto集合；C.广义笛卡尔积生成：将完全Pareto集合和初始Pareto集合进行广义笛卡尔积；D.中间完全Pareto集合生成：对广义笛卡尔积进行遍历操作得到新的完全Pareto集合；E.最终完全Pareto集合生成：通过递归C、D操作得到最终的完全Pareto集合。本发明能够解决类似云实例类型选择问题的多目标优化问题，可以得到完整的Pareto集合，帮助用户更加准确的作出决策。另外，本发明能够解决类似的多目标优化问题，得到完全Pareto集合。
-
公开(公告)号：CN108173958A
公开(公告)日：2018-06-15
申请号：CN201810011239.7
申请日：2018-01-05
申请人： 东华大学
摘要： 本发明涉及一种多云环境下基于蚁群算法的数据优化存储方法，包括以下步骤：获取云存储服务的相关属性信息；根据云存储的存储成本以及可用性，计算每个云存储服务的QoS值；用户给出自己对数据存储的需求，并且根据用户的需求建立数学模型；优化算法根据云服务的QoS值，运用基于蚁群算法的智能优化算法进行数学模型的求解，为用户提供一个低成本高可用的数据存储方案。本发明能够为用户挑选低成本高可用性的数据存储方案。
-
公开(公告)号：CN118885836A
公开(公告)日：2024-11-01
申请号：CN202410792745.X
申请日：2024-06-19
申请人： 东华大学
IPC分类号： G06F18/2321 , G06F18/213
摘要： 本发明公开了一种大数据中类的动态钻井勘探方法主要由三部分构成：第一部分设置初始井，通过设定井间距、大小和数量，随机抽取一部分数据作为初始井数据。第二部分采用双重采样策略对井内数据进行精细处理。首先，执行密度偏置采样，这种方法通过概率分布策略，确保在数据的不同密度区域中采样的数量与原始数据集中各区域的特征分布保持一致，从而实现了类别内部特征的均衡和多样化。其次，利用边界点检测技术，对所有数据点进行全面扫描，精确地识别并采样那些位于类别边界的点，这样可以有效地提取和增强类别之间的边界特征，为聚类分析提供清晰的边界信息。第三部分是确定新井，设定新井大小为邻居数量，通过边界点距离阈值搜索，精确地定位新的钻井区域，以获取更丰富的类别信息。本发明的方法可以为大数据交易定价提供价值评估依据，也可为深度学习训练提供优质数据选择依据。
-
公开(公告)号：CN111428853B
公开(公告)日：2023-07-11
申请号：CN202010045213.1
申请日：2020-01-16
申请人： 东华大学
IPC分类号： G06N3/094 , G06N3/0475 , G06N3/0455 , G06F18/214 , G06F18/241
摘要： 本发明涉及一种基于自动编码器网络和生成对抗网络的数据生成方法。本发明提出的数据生成方法，可以有效地解决电子交易因样本不均衡问题带来的反欺诈模型构建困难的问题。使用自动编码器的样本表征能力，对输入样本编码结合随机噪声作为生成器输入，为先验噪声添加指导信息，并且编码后的噪声可以公平分配各个样本生成上的概率，有效的提高生成模型对边缘分布数据的捕获能力，该模型为解决欺诈样本不足提供了一种新的技术支持方案，具有一定的实用价值。
-
公开(公告)号：CN110111146B
公开(公告)日：2023-07-11
申请号：CN201910361905.4
申请日：2019-04-30
申请人： 东华大学
IPC分类号： G06Q30/0282 , G06F16/953
摘要： 本发明公开了一种面向云实例选择的多目标优化求解方法，包括以下步骤：A.背景问题定义：定义该求解器的问题背景；B.初始完全Pareto集合生成：得到需求个数为1下的初始Pareto集合；C.广义笛卡尔积生成：将完全Pareto集合和初始Pareto集合进行广义笛卡尔积；D.中间完全Pareto集合生成：对广义笛卡尔积进行遍历操作得到新的完全Pareto集合；E.最终完全Pareto集合生成：通过递归C、D操作得到最终的完全Pareto集合。本发明能够解决类似云实例类型选择问题的多目标优化问题，可以得到完整的Pareto集合，帮助用户更加准确的作出决策。另外，本发明能够解决类似的多目标优化问题，得到完全Pareto集合。
-
公开(公告)号：CN110414780B
公开(公告)日：2023-06-23
申请号：CN201910525239.3
申请日：2019-06-18
申请人： 东华大学
IPC分类号： G06Q10/0635 , G06Q40/03 , G06Q40/04 , G06F16/215 , G06F16/2458
摘要： 本发明涉及一种基于长短期记忆网络和生成对抗网络的数据生成方法。本发明提出的数据生成方法，可以有效地自然解决样本不均衡问题。从实用性角度出发，通过长短期记忆网络处理交易的时间序列特征，添加基于Wasserstein距离和特征惩罚的约束优化目标函数，有效地预防模式坍塌问题；从数据的相关性角度横向验证生成数据的可靠性，从数据分布的角度纵向验证生成数据的分布，建议了基于LSTM‑GAN的负样本交易生成框架，为解决欺诈交易检测中负样本不足提供了技术支持。
-
公开(公告)号：CN114968084A
公开(公告)日：2022-08-30
申请号：CN202210100839.7
申请日：2022-01-27
申请人： 东华大学
IPC分类号： G06F3/06
摘要： 本发明涉及一种边缘环境下基于温度矩阵的数据放置方法，包括：建立同一数据块在不同区域下的数据温度计算模型，得到数据温度值；记录数据在不同区域下的温度值，得到数据温度矩阵；定义用来记录不同区域下的服务器的区域服务器矩阵；根据所述数据温度矩阵对数据进行副本选择放置，得到数据副本矩阵；利用所述数据副本矩阵和所述区域服务器矩阵得到数据服务器矩阵；根据所述数据服务器放置矩阵结合所述区域服务器矩阵得到区域下的数据放置成本矩阵集合；利用匈牙利算法对所述数据放置成本矩阵集合进行数据优化放置，获得在当前问题场景下最优的数据放置方案。本发明能够结合数据本身的时空特性进行优先放置。
-
公开(公告)号：CN110069500B
公开(公告)日：2022-08-26
申请号：CN201910327502.8
申请日：2019-04-23
申请人： 东华大学
IPC分类号： G06F16/22 , G06F16/245 , G06F16/2458
摘要： 本发明一种非关系型数据库动态混合索引方法，其特征在于，包括以下步骤：建立键值对非关系型数据库的非主键索引结构；定义非主键字段的权重，通过一个周期内字段作为查询条件的频次以及字段的历史权重，更新非主键字段的权重值；动态划分索引类型；进行混合索引。本发明提出的键值对非关系型数据库的混合索引方法，可以有效的提升非主键字段的条件查询效率。该方法克服了键值对非关系型数据不支持非主键字段不支持索引查询的弱点，建立了非主键字段的混合索引。在大数据的存储上，即实现了快速查询的功能，又节省了不必要的存储开销。
-
公开(公告)号：CN113986486A
公开(公告)日：2022-01-28
申请号：CN202111202992.2
申请日：2021-10-15
申请人： 东华大学
IPC分类号： G06F9/48
摘要： 本发明涉及一种边缘环境下数据缓存与任务调度的联合优化方法，在收到用户发送的当前任务请求后，包括：获取离用户当前位置最近的边缘服务器，并根据边缘服务器中缓存的数据确定当前任务请求由自身处理还是调度处理；在调度处理时，根据边缘服务器相邻的边缘服务器中缓存的数据确定当前任务请求由边缘服务器相邻的边缘服务器处理还是调度至云服务器处理；在调度完成后，利用信息熵理论计算出边缘服务器中所有数据的缓存价值，并根据边缘服务器的缓存空间对当前任务请求的所需数据进行缓存。本发明能够对用户提交的任务请求进行有效合理的调度，以提高边缘服务器的数据缓存命中率并降低完成任务请求的响应延迟和能耗。
-
公开(公告)号：CN111428853A
公开(公告)日：2020-07-17
申请号：CN202010045213.1
申请日：2020-01-16
申请人： 东华大学
摘要： 本发明涉及一种基于自动编码器网络和生成对抗网络的数据生成方法。本发明提出的数据生成方法，可以有效地解决电子交易因样本不均衡问题带来的反欺诈模型构建困难的问题。使用自动编码器的样本表征能力，对输入样本编码结合随机噪声作为生成器输入，为先验噪声添加指导信息，并且编码后的噪声可以公平分配各个样本生成上的概率，有效的提高生成模型对边缘分布数据的捕获能力，该模型为解决欺诈样本不足提供了一种新的技术支持方案，具有一定的实用价值。
-
-
-
-
-
-
-
-
-
搜索结果
74 条记录 (耗时 0.026 秒)
