CDN网络中获取内容的方法及装置

    公开(公告)号:CN109151512A

    公开(公告)日:2019-01-04

    申请号:CN201811064319.5

    申请日:2018-09-12

    摘要: 本申请提供一种CDN网络中获取内容的方法及装置,涉及通信领域,用于从CDN网络中获取内容。该方法包括:第一边缘CDN服务器接收终端的访问请求,访问请求中携带有目标内容在第一边缘CDN服务器的存储地址。若第一边缘CDN服务器当前的负载超过预设门限,则第一边缘CDN服务器向终端发送重定向信息,该重定向信息用于指示终端向第二边缘CDN服务器发起访问请求;第二边缘CDN服务器为CDN网络中负载状态满足预设条件的边缘CDN服务器。第一边缘CDN服务器将目标内容发送至第二边缘CDN服务器。因此,本申请提供的CDN网络中获取内容的方法解决了边缘CDN网络与中心CDN网络之间的骨干带宽的消耗过大的问题。

    一种配电变压器的负载数据处理方法及装置

    公开(公告)号:CN107562695A

    公开(公告)日:2018-01-09

    申请号:CN201710780438.X

    申请日:2017-09-01

    发明人: 贺建章

    IPC分类号: G06F17/16

    摘要: 本发明实施例提供一种配电变压器的负载数据处理方法及装置,涉及电力系统技术领域,解决了将现有技术中的数据处理方法应用至电力系统中所得到的缺失位置处的数据误差较大,导致后期数据分析时所得到的分析结果不准确的问题。本方案为:采集配电变压器的负载数据,以生成第一负载数据矩阵,第一负载数据矩阵包括M行N列元素,位于第i行第j列的元素用于表示配电变压器的第i个时间段中的第j个时间间隔的负载数据;其中,每个时间段分为N个时间间隔,1≤i≤M,1≤j≤N,1≤M,2≤N;根据第一负载数据矩阵中缺失位置所在行和列上的负载数据确定缺失位置处的缺失数据,得到在缺失位置处补入缺失数据的第二负载数据矩阵;输出第二负载数据矩阵。

    内容缓存加速方法及网络设备

    公开(公告)号:CN109246238A

    公开(公告)日:2019-01-18

    申请号:CN201811195798.4

    申请日:2018-10-15

    IPC分类号: H04L29/08

    摘要: 本申请提供一种内容缓存加速方法及网络设备,涉及通信领域,能够实时地为特定用户、特定内容提供方、特定请求内容提供定制化的内容缓存加速服务,从而提高内容缓存加速系统的工作效率。该方法包括:接收访问请求;其中,所述访问请求携带有请求内容的内容标识、所述请求内容的提供方标识和访问所述请求内容的用户的用户标识;根据所述内容标识、所述提供方标识、所述用户标识和缓存加速规则,确定所述用户访问所述请求内容的缓存加速等级。

    一种配电变压器的负载数据处理方法及装置

    公开(公告)号:CN107562695B

    公开(公告)日:2020-08-14

    申请号:CN201710780438.X

    申请日:2017-09-01

    发明人: 贺建章

    IPC分类号: G06F17/16

    摘要: 本发明实施例提供一种配电变压器的负载数据处理方法及装置,涉及电力系统技术领域,解决了将现有技术中的数据处理方法应用至电力系统中所得到的缺失位置处的数据误差较大,导致后期数据分析时所得到的分析结果不准确的问题。本方案为:采集配电变压器的负载数据,以生成第一负载数据矩阵,第一负载数据矩阵包括M行N列元素,位于第i行第j列的元素用于表示配电变压器的第i个时间段中的第j个时间间隔的负载数据;其中,每个时间段分为N个时间间隔,1≤i≤M,1≤j≤N,1≤M,2≤N;根据第一负载数据矩阵中缺失位置所在行和列上的负载数据确定缺失位置处的缺失数据,得到在缺失位置处补入缺失数据的第二负载数据矩阵;输出第二负载数据矩阵。

    一种预测方法和装置
    5.
    发明公开

    公开(公告)号:CN109492936A

    公开(公告)日:2019-03-19

    申请号:CN201811452777.6

    申请日:2018-11-30

    发明人: 贺建章 乔治 张沛

    IPC分类号: G06Q10/06 G06Q50/06 G06F16/28

    摘要: 本发明的实施例提供了一种预测方法和装置,涉及电力技术领域,解决了如何预测电力系统小概率事件的问题。该方法包括,根据K近邻算法,确定运行数据中每个第一正样本归属的数据集以及第一正样本的近邻样本;根据预设条件,在数据集中筛选满足预设条件的第一正样本;根据任意两个满足预设条件的第一正样本对应的特征变量的差值,确定第二正样本;根据随机森林的分类预测模型,确定每个第二正样本的决策树分类模型;根据简单多数投票法,确定每个第二正样本的决策树分类模型的票数;根据每个第二正样本的决策树分类模型的票数,确定数据集的分类结果;根据每个数据集的分类结果,确定分类结果中出现次数最多的分类结果为运行数据的预测结果。