公开(公告)号：CN114528098B

公开(公告)日：2025-02-14

申请号：CN202210084836.9

申请日：2022-01-25

Applicant: 华南理工大学 ,  深圳市云识科技有限公司

Inventor： 高学 ,  高智平 ,  李磊

IPC: G06F9/50 ,  G06F9/455 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/08

Abstract: 本发明公开了一种基于定长服务排队模型的云平台自动伸缩方法，包括搭建容器编排平台和云监控平台，通过周期性采集云平台应用服务历史CPU负载数据，并对下一周期云平台应用服务的CPU负载值进行预测；根据单一应用服务的任务相似性及CPU负载的预测值，获得下一个采样周期内到达的任务数量，应用服务的任务最大延迟，并为系统容器数量设置阈值；以采样周期为单位时间间隔，构建定长服务M/D/1模型，根据模型的服务强度计算系统忙期时长；采用遍历法搜索定长服务M/D/1模型优化目标的最优解，作为系统下一个采样周期的最优容器数量。本发明在解决云平台响应式自动伸缩的滞后性、资源分配不足和资源浪费的问题上具有较好的效果。

公开(公告)号：CN118193209A

公开(公告)日：2024-06-14

申请号：CN202410358894.5

申请日：2024-03-27

Applicant: 华南理工大学

Inventor： 高学 ,  赖隽恒 ,  李磊

IPC: G06F9/50 ,  G06F9/455 ,  G06N3/092 ,  G06N3/048 ,  G06N3/045

Abstract: 本发明公开了一种基于阶段性策略梯度的预测式云平台资源调度方法，包括搭建长期时序预测神经网络，历史负载数据进行训练；构建深度强化学习模型；采集节点的负载数据；对服务的未来一段时间的负载值进行预测，得到负载预测序列；将容器集群节点的状态和负载预测序列输入深度强化学习模型，得到资源调度的实际动作；容器集群调度器根据实际执行的动作在容器集群节点进行资源调度；统计该周期内服务处理的所有请求的处理情况，并根据奖励函数计算此周期内的奖励；根据奖励更新深度强化学习模型的网络参数，优化深度强化学习模型的网络参数，提高调度性能。本发明在保证服务质量的同时，降低虚拟机节点的使用量，为用户降低上云成本。

公开(公告)号：CN118116033A

公开(公告)日：2024-05-31

申请号：CN202410509751.X

申请日：2024-04-26

Applicant: 华南理工大学

Inventor： 张钧航 ,  吴煜翎 ,  李磊 ,  贾金宽 ,  刘舒华

IPC: G06V40/10 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0495 ,  G06V10/25 ,  G06V10/44 ,  G06V10/764 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于改进YOLOv5网络的手势识别方法，包括：采集不同手势的图像并进行预处理和标注，形成所需的数据集，再将数据集划分为训练集与测试集；对训练集中的图像进行图像增强，再将增强后的图像以及对应的标签输入到改进YOLOv5网络进行训练，得到一个训练好的最优网络；将测试集中的图像输入到最优网络中得到预测信息，并使用Soft‑NMS和设定阈值从预测信息中筛选出满足条件的检测框，将获得的检测框绘制在手势图片上，并在检测框的左上角区域标记出检测框的预测类别信息，从而完成手势识别的测试。本发明解决了手势识别中目标小、复杂环境、遮挡和图像模糊导致目标检测精度低的问题。

公开(公告)号：CN108062561A

公开(公告)日：2018-05-22

申请号：CN201711264618.9

申请日：2017-12-05

Applicant: 华南理工大学

Inventor： 薛洋 ,  薛泽龙 ,  李磊

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于长短时记忆网络模型的短时数据流预测方法，步骤为：首先获取观测点中的多个训练样本，然后提取练样本的特征，根据训练样本的特征对训练样本进行分类，分别为数据流量值变化趋势剧烈和平缓两个类型、或变化趋势上升和下降两个类型；采用所有训练样本针对LSTM模型进行训练，得到训练后的主模型，再分别采用两种类型的训练样本分别对主模型进行训练，分别得到第一类子模型和第二类子模型。获取观测点测试样本，通过分类器对测试样本进行分类，然后根据分类结果将测试样本输入到第一类子模型或第二类子模型中，通过第一类子模型或第二类子模型预测出观测点下一时间点的数量流量值。本发明方法提高了短时数据流预测的准确度。

公开(公告)号：CN104915376A

公开(公告)日：2015-09-16

申请号：CN201510223848.5

申请日：2015-05-05

Applicant: 华南理工大学

Inventor： 李磊 ,  李达港 ,  金连文

IPC: G06F17/30

CPC classification number: G06F17/30073 ,  G06F17/30091 ,  G06F17/30147

Abstract: 本发明公开了一种云存储中文件的归档压缩方法，步骤：设置归档文件大小阈值S和文件冷热程度阀值H；根据归档服务请求分发归档起点和归档终点，获取到处于归档起点和归档终点分发区间的账户；在云存储对外服务闲置时段，将各账户下访问次数少于文件冷热程度阀值H且文件小于等于归档文件大小阈值S的文件提取出来；对所提取的文件的完整性进行检验，判断所提取的文件与原文件是否一致；若否，则重新提取该文件，针对该文件的完整性进行重新检验，直到获取到与原文件相同的文件；根据文件的特性，对与原文件一致的文件进行归档压缩及存储。本发明根据云存储中文件访问热度进行归档压缩，实现了云存储文件数目增加速度收敛和存储效益的提高。

公开(公告)号：CN104811491A

公开(公告)日：2015-07-29

申请号：CN201510185184.8

申请日：2015-04-17

Applicant: 华南理工大学

Inventor： 李磊 ,  江波 ,  金连文

IPC: H04L29/08

CPC classification number: H04L29/08 ,  H04L67/10

Abstract: 本发明公开了一种基于遗传算法的云计算资源调度方法，利用遗传算法获取到云计算中资源的调度方案，遗传算法中染色体中的每个基因为该云任务中的子任务，染色体的位序号表示每个子任务代表分配到虚拟机的号码；本发明方法中根据云任务设置预期的Qos，在种群迭代更新过程中将满足预期的Qos的染色体留下，将不满足预期的Qos的染色体进行丢弃，并且根据选择概率将当前种群适应度值高的染色体直接复制到下一代种群中，然后针对当前种群剩下染色体进行交叉和变异操作，保证了种群中染色体的质量，实现了云计算的资源按需使用、弹性扩展，实时做出云计算资源调度安排，决策出最佳的资源构建和调整策略，在保障云计算网络服务质量的前提下，提高了云计算的效用比。

公开(公告)号：CN103227734A

公开(公告)日：2013-07-31

申请号：CN201310154158.X

申请日：2013-04-27

Applicant: 华南理工大学

Inventor： 金连文 ,  黎德生 ,  李磊

IPC: H04L12/24 ,  H04L12/26 ,  H04L29/08

Abstract: 本发明公开了一种OpenStack云平台异常的检测方法，包括如下步骤：（1）定义异常监测分析规则；所述监测分析规则是定位异常信息、提取异常信息和提取异常事件的依据；（2）定位异常信息；OpenStack的运行信息包含了云计算平台基础设施服务的资源情况、运行状态、异常情况的描述；（3）提取异常信息；将运行信息中的异常信息提取出来，并转换成自定义的格式；（4）对异常信息进行统计和分析，得到最终的异常事件；（5）更新异常事件列表。具有能便捷地检测出OpenStack的常见显性异常信息和隐性异常信息、降低人工参与度等优点。

公开(公告)号：CN103220365A

公开(公告)日：2013-07-24

申请号：CN201310153762.0

申请日：2013-04-27

Applicant: 华南理工大学

Inventor： 金连文 ,  李磊

IPC: H04L29/08

Abstract: 本发明公开了一种云计算弹性资源预测及构建方法，包括以下步骤：步骤1、初始化预测单元和资源构建单元；步骤2、预测模块计算下一个时刻点t1的期望E[N(t1)|0]；步骤3、资源构建单元计算第一个时间点t1的M1=E[N(t1)|0]*K；步骤4、资源构建单元选取计算资源组合，启动云计算虚拟机计算单元；步骤5、判断时间点是否到达下一个时刻tn+1；步骤6、若达到下一个时刻，则预测单元计算tn+1的期望E[N(tn+1)|N(tn)]；步骤7、资源构建单元计算出下一个时刻的资源数Mn+1=E[N(tn+1)|N(tn)]*K；步骤8、资源构建单元将当前的资源数Mn和下一个时刻点的Mn+1对比，当Mn+1>Mn时，增加计算资源组合；当Mn+1

公开(公告)号：CN103220180A

公开(公告)日：2013-07-24

申请号：CN201310153700.X

申请日：2013-04-27

Applicant: 华南理工大学

Inventor： 金连文 ,  黎德生 ,  李磊

IPC: H04L12/24 ,  H04L29/08

Abstract: 本发明提出了一种OpenStack云平台异常的处理方法，包括如下步骤：（1）定义异常处理方式；设定异常事件、运行信息位置以及运行信息纠错动作的映射关系；（2）定位信息纠错位置；运行信息纠错是修改数据库和配置文件中的标识，把运行信息纠错定位到数据库信息表中具体的标识位置和配置文件中具体的配置项；（3）指令操作；纠正长时间僵死的状态标识和恢复运行信息；（4）系统自动生成待处理异常列表，并发短信或邮件告知管理人员；（5）评价并反馈处理结果。具有有效提高了OpenStack云计算平台的异常容错能力等优点。

公开(公告)号：CN118204910A

公开(公告)日：2024-06-18

申请号：CN202410394211.1

申请日：2024-04-02

Applicant: 华南理工大学

Inventor： 谢晋 ,  徐鑫宇 ,  杨林丰 ,  贺先送 ,  李磊

IPC: B24B51/00 ,  B24B49/12 ,  B24B49/10 ,  B24B1/00

Abstract: 本发明公开了一种基于加工表面特征数据聚类的切深切速控制方法；包括以下步骤：首先，将加工表面形貌特征化为波纹度和粗糙度的数据集，然后关联加工过程的切深和切速的参数，对加工系统的稳定与不稳定进行数字化分类，再采用加速度传感器测量磨削工艺系统的振动信号并计算出系统工作模态的参数，获得加工系统的固有频率和阻尼比，然后将建立的加工表面特征聚类与系统振动和磨削稳定性关联的动力学模型比对，最后拟合出加工系统的刚度和磨削力系数，在磨削稳定性的工艺范围内选择切深与切速实现虚实结合的区域匹配，在变化区域内调整切深切速实现加工表面质量和加工效率最大化。