-
公开(公告)号：CN119402909A
公开(公告)日：2025-02-07
申请号：CN202411976035.9
申请日：2024-12-31
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04W28/02 , H04W28/084 , H04W28/08 , G06N3/0442 , G06N3/08
Abstract: 本发明提供了一种云边协同内容缓存与用户关联方法及系统，涉及无线通信网络技术领域，所述方法包括：以用户获取内容延迟和关联基站切换延迟最小化为目标，构建加权延迟最小化问题；将构建的加权延迟最小化问题划分为长期时间尺度下的长期用户关联与内容缓存问题和短期时间尺度下的短期用户关联问题，得到内容缓存策略和用户关联策略，以最小化用户与基站间的内容传输延迟。本发明能够减轻回程链路负担的基础上降低内容传输延迟，提升网络性能。
-
公开(公告)号：CN118748657A
公开(公告)日：2024-10-08
申请号：CN202410900950.3
申请日：2024-07-05
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L47/125 , H04L47/26 , H04L49/201
Abstract: 本发明属于网络通信领域，提供了一种数据中心网络中负载均衡的实现方法及系统，包括：(1)边缘交换机广播式发送INT探针，携带路径上经过的每个交换机的负载信息；(2)网络内每个交换机维护一个负载信息表，存储由此交换机到达其他边缘交换机的所以可达路径，以及该路径的负载权重；(3)交换机基于负载信息表中不同路径的负载权重进行路由决策；(4)控制器根据不同路径的负载平衡程度，动态调控探针发送速率。本发明能够在数据中心网络中实现更高效的负载均衡，有效利用可用带宽。
-
公开(公告)号：CN118748643A
公开(公告)日：2024-10-08
申请号：CN202410754379.9
申请日：2024-06-12
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L41/16 , G06F9/50 , G06N3/126 , H04L41/147 , H04L43/0852 , H04L67/10 , H04L67/568
Abstract: 本发明涉及移动边缘缓存技术领域，提供了一种基于用户偏好感知的边缘缓存放置优化方法及系统。该方法包括，获取用户历史请求记录，采用深度学习网络，预测下一时隙用户请求内容数量，结合异质用户活跃程度，得到用户对内容偏好的概率分布；基于用户对内容偏好的概率分布，将用户根据偏好相似度进行聚类，将高度相关的用户分到同一集群中，并为每个集群设计缓存策略；将缓存放置问题转化为减少延迟最大化问题，在缓存容量和延迟阈值的约束下最大化总体减少的延迟，使用遗传算法优化减少延迟最大化问题，迭代出最佳个体作为全局最优缓存放置策略；根据全局最优缓存放置策略，执行缓存内容的放置，根据用户请求动态调整缓存内容。
-
公开(公告)号：CN118387110A
公开(公告)日：2024-07-26
申请号：CN202410493222.5
申请日：2024-04-23
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: B60W40/06 , G01C21/16 , G01C21/18 , G06V20/40 , G06V10/25 , G06V10/40 , G06V10/82 , G06F16/71 , G06F16/787 , G06N3/045 , G06N3/0464 , G06N3/08 , G08G1/01 , G08G1/052 , B60W50/00 , G07C5/08
Abstract: 本发明公开了一种道路异常检测方法及系统，属于道路检测技术领域。包括：获取陀螺仪数据和加速度计数据，对陀螺仪数据和加速度计数据进行卡尔曼滤波；基于加速度计数据的采样频率，根据卡尔曼滤波后的加速度计数据或陀螺仪数据，获取道路颠簸异常检测结果；获取移动视频，将移动视频输入训练好的道路异常检测模型中进行处理，获取道路异常检测结果；其中，通过基于轨迹分割的时空查询算法存储移动视频，以提高道路异常检测的查询效率。能够提高道路异常检测的精度和效率，解决现有道路检测鲁棒性、精确度低的问题。
-
公开(公告)号：CN118337717A
公开(公告)日：2024-07-12
申请号：CN202410313718.X
申请日：2024-03-19
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L47/2441 , H04L41/16 , H04L9/40 , G06F18/2431 , G06F18/25 , G06N3/0464 , G06N3/045 , G06N3/0442
Abstract: 本发明提供了一种加密网络流量分类方法及系统，所述方案包括：对于待分类的加密网络流量进行数据预处理；以预处理后的加密网络流量数据作为预先训练的混合深度学习模型的输入，获得分类结果；其中，所述混合深度学习模型具体执行如下处理过程：对于输入的加密网络流量数据，利用第一神经网络模块进行多尺度空间特征提取，获得空间融合特征；对于获得的空间融合特征，按照预设时间步的顺序作为第二神经网络模块的输入，获得融合的时空特征，并基于所述时空特征获得分类结果。
-
Patent Agency Ranking
公开(公告)号：CN117292221A
公开(公告)日：2023-12-26
申请号：CN202311252854.4
申请日：2023-09-26
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V10/774 , G06N3/0464 , G06N3/08 , G06V10/80 , G06F21/62
Abstract: 本发明公开了一种基于联邦元学习的图像识别方法及系统，属于机器学习技术领域。包括获取待识别图像；将待识别图像输入训练好的联邦元学习模型进行处理，获取图像识别结果；训练联邦元学习模型的过程包括：服务器初始化全局模型参数并分别发送至多个客户端；客户端接收全局模型参数，根据全局模型参数，通过训练集对客户端的本地模型进行训练，更新本地模型参数并上传至服务器；服务器聚合所有本地模型参数，更新全局模型参数，直至全局模型收敛；在客户端之间进行循环知识蒸馏，形成个性化模型。能够提升联邦学习模型性能，在保障隐私和数据安全的前提下提高图像识别准确率，解决客户端模型性能差，影响图像识别准确率的问题。
-
公开(公告)号：CN116471330A
公开(公告)日：2023-07-21
申请号：CN202310426170.5
申请日：2023-04-17
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L67/568 , G06N20/20 , G06N3/04 , G06N3/08
Abstract: 本公开提供了一种适用于无线网络的社交感知缓存方法及系统，涉及无线通信技术领域，方法包括在边缘用户网络区域内，根据物理图和社会关系图将用户和设备划分成不同的组并获取社交感知通信图；通过社交感知通信图判断终端用户所在区域内潜在的连接对象，并通过信任交付机制筛选可信任用户的用户集，将可信任用户的用户集作为缓存节点来获取缓存内容；获取缓存内容后，基于联邦元学习与深度学习的缓存内容推荐模型预测用户内容偏好，将预测结果缓存在被选出的用作缓存节点的用户上，并对下一时刻的用户对于不同内容的偏好进行缓存内容的分配，在优化能耗的基础上，使其传输延迟和传输成本花费最小。本公开实现缓存内容推送的精准。
-
公开(公告)号：CN116436770A
公开(公告)日：2023-07-14
申请号：CN202310443248.4
申请日：2023-04-18
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: H04L41/0677 , H04L43/08 , H04L43/10
Abstract: 本发明提出基于混合带内网络遥测的灰色故障检测定位方法及系统，涉及故障检测领域。包括：服务器收集被动INT探测包的逐跳遥测信息，对是否存在故障进行一次检测，向虚拟SDN网络的控制器发送存在故障路径的二次检测指令；控制器向服务器发送主动INT探测包，对一次检测中存在故障的路径进行二次检测；源服务器重新路由真正存在故障的路径信息的数据流量；控制器为所有真正存在故障的路径信息设置优先级，根据优先级进行路径之间的比较，得到故障位置；控制器将故障位置反馈给服务器，服务器查找所有与故障位置相关的路径并提前老化。本发明将主动带内网络遥测和被动带内网络遥测进行整合，弥补单一遥测方法的不足，提高网络遥测的效率和可靠性。
-
公开(公告)号：CN119829297A
公开(公告)日：2025-04-15
申请号：CN202510308469.X
申请日：2025-03-17
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 本公开提供了基于强化学习的边‑端动态协同任务批处理方法及系统，涉及人工智能技术领域，包括：获取任务集合；基于离散软演员‑评论家的强化学习方法，利用延迟‑精度奖励动态选择任务处理模型的划分点，实现对任务处理模型的拆分；将拆分后的任务处理模型分别部署在终端和边缘服务器上；对任务集合进行批处理初始化，为批任务设置时间窗口长度，在时间窗口内收集任务集合所对应的特征集合，并进行合并；将合并后的特征输入至部署在边缘服务器上的部分任务处理模型，从拆分点所在网络层继续执行模型尾部计算过程，得到任务的推理结果集合，再将推理结果集合传回到终端，实现边‑端动态协同的任务批处理过程。
-
公开(公告)号：CN117132893B
公开(公告)日：2025-02-28
申请号：CN202311130822.7
申请日：2023-09-04
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08 , G06Q50/26
Abstract: 本发明涉及基于深度学习与空间数据查询的地质灾害监测方法及系统，其检测方法包括基于孪生神经网络构建地质灾害定位评级模型；获取受灾区域的灾前遥感图像数据；基于物化视图查询方法、TBDR‑Tree索引方法以及图形轮廓分割方法从空间数据库中获取受灾区域的灾后遥感图像数据；通过将所述灾前遥感图像数据以及所述灾后遥感图像数据输入所述地质灾害定位评级模型，以识别所述受灾区域的位置和受灾等级，对应得到受灾位置信息和受灾等级信息；输出所述受灾位置信息以及所述受灾等级信息；本发明大大优化了查询时间，减轻了内存开销，运行时间缩短，实现了高效精确的面向遥感图像的灾情检测、灾区识别、受灾等级划分的功能。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.092 seconds)
