公开(公告)号：CN105760213B

公开(公告)日：2019-03-01

申请号：CN201610096360.5

申请日：2016-02-22

Applicant: 东北大学

Inventor： 郭军 ,  张斌 ,  孟煜 ,  马安香 ,  印莹 ,  刘宇 ,  莫玉岩 ,  闫永明

IPC: G06F9/455

Abstract: 云环境下虚拟机资源利用率的预警系统及方法，属于云环境下虚拟机性能优化领域。系统包括数据获取模块、含有数据预处理模块、间断点判断模块、间断点估测与补充模块、数据预测模块和数据还原模块的数据处理与预测模块和资源利用率预警模块。方法包括：获取云环境下虚拟机资源利用率历史数据；对前述数据进行预处理；云环境下虚拟机资源利用率历史数据时间序列中间断点的估测与补充；通过可变周期的时间序列预测算法预测未来一段时间内的云环境下虚拟机资源利用率数据时间序列；对云环境下虚拟机资源利用率预测数据进行还原处理；云环境下虚拟机资源利用率预警；提高了对未来一段时间内的云环境下虚拟机资源利用率数据进行预测的准确性。

公开(公告)号：CN106599122A

公开(公告)日：2017-04-26

申请号：CN201611091669.1

申请日：2016-12-01

Applicant: 东北大学

Inventor： 赵宇海 ,  印莹 ,  王国仁 ,  李晨光 ,  毕天驰

IPC: G06F17/30

Abstract: 本发明提出一种基于垂直分解的并行频繁闭序列挖掘方法，属于数据挖掘领域，该方法采用序列求交的方式，缩短序列的长度，这相当于在竖直方向将原始序列分割成较短的序列；再从求交结果中选出K条差异度最大的序列，这又使得序列之间列数差异较大，两步均可缩短挖掘时间；本发明提出压缩频繁模式的观点，压缩模式的好处在于减小了频繁闭模式枚举范围，缩短挖掘时间，减小算法的时间复杂度；本发明采用现阶段最流行的并行框架Hadoop实现频繁闭序列挖掘算法；充分利用Hadoop的并行特点，将海量数据分散存储到集群中的各个节点上，按照map函数、reduce函数的特点编写算法，因为枚举出的模式独立的分发到不同节点进行检测封闭性，因此本方法获得较高的加速比。

公开(公告)号：CN105868422A

公开(公告)日：2016-08-17

申请号：CN201610445356.5

申请日：2016-06-21

Applicant: 东北大学

Inventor： 印莹 ,  赵宇海 ,  郭颂 ,  张斌

IPC: G06F17/30

CPC classification number: G06F16/9535

Abstract: 本发明提出一种基于弹性维特征向量优化抽取的协同过滤推荐方法，属于互联网信息推荐技术领域，本发明使用用户特征向量和推荐对象特征向量构建推荐方法，利用用户辅助向量和推荐对象辅助向量分别弹性的获取每个用户特征向量和每个推荐对象特征向量中用户真正感兴趣和推荐对象真正隶属的维度；本发明不需要专业知识和个体信息，安全简单；采用最小均方根误差作为优化约束条件，在实现过程中只需针对评分矩阵中已有的部分进行约束，仍能给出正确的拟合评分，避免了数据稀疏和由于缺乏历史数据的冷启动问题；该方法能获取每个用户特征向量和每个推荐对象特征向量中真正起作用的维度，并自适应地调整搜索方向，使推荐方法避免过拟合，优化推荐结果。

公开(公告)号：CN105760213A

公开(公告)日：2016-07-13

申请号：CN201610096360.5

申请日：2016-02-22

Applicant: 东北大学

Inventor： 郭军 ,  张斌 ,  孟煜 ,  马安香 ,  印莹 ,  刘宇 ,  莫玉岩 ,  闫永明

IPC: G06F9/455

CPC classification number: G06F9/45533

Abstract: 云环境下虚拟机资源利用率的预警系统及方法，属于云环境下虚拟机性能优化领域。系统包括数据获取模块、含有数据预处理模块、间断点判断模块、间断点估测与补充模块、数据预测模块和数据还原模块的数据处理与预测模块和资源利用率预警模块。方法包括：获取云环境下虚拟机资源利用率历史数据；对前述数据进行预处理；云环境下虚拟机资源利用率历史数据时间序列中间断点的估测与补充；通过可变周期的时间序列预测算法预测未来一段时间内的云环境下虚拟机资源利用率数据时间序列；对云环境下虚拟机资源利用率预测数据进行还原处理；云环境下虚拟机资源利用率预警；提高了对未来一段时间内的云环境下虚拟机资源利用率数据进行预测的准确性。