-
公开(公告)号：CN102461075A
公开(公告)日：2012-05-16
申请号：CN201080025832.9
申请日：2010-06-02
申请人： 微软公司
CPC分类号： H04L41/5035 , G06Q10/06393 , G06Q30/04 , H04L41/046 , H04L41/0893 , H04L43/0876
摘要： 公开了用于确定服务器或服务器组的利用率的方式。在一个实施例中，一种方法包括确定指示某个服务器的一个或多个海量存储磁盘的利用率的磁盘利用率因素(DUF)；确定指示在第一服务器上运行的一个或多个处理器的利用率的处理器利用率因素(PUF)；以及，基于DUF和PUF，导出指示第一服务器的利用率水平的服务器利用率因素(SUF)，包括并入与磁盘和处理器中的每一个相关联的(1)功率用量数据或(2)财务成本数据中的一项或多项。
-
公开(公告)号：CN101351798B
公开(公告)日：2011-05-18
申请号：CN200680049901.3
申请日：2006-12-20
申请人： 微软公司
CPC分类号： G06F17/30867 , Y10S707/99933 , Y10S707/99936 , Y10S707/99942
摘要： 在用户发起的搜索(502)返回结果(506)之后，意图挖掘引擎(110)收集来自用户对结果的自然反应的信息(612，614)。该信息用于改进搜索(508，610)。
-
公开(公告)号：CN101427581A
公开(公告)日：2009-05-06
申请号：CN200780014072.X
申请日：2007-04-19
申请人： 微软公司
IPC分类号： H04N7/24
摘要： 各种系统和方法提供了基于视觉的图像压缩。在一个实现中，内部涂色是被选为扩充常规的基于信号处理技术的基于视觉技术。对于源图像的某些区域，示例性系统高效地提取并组织结构边缘信息而不是压缩这些区域。在一个实现中，该系统应用二进制曲线拟合以捕捉该边缘信息。解码器中的知晓结构的内部涂色器然后能够通过该边缘信息来恢复这些区域，这占用非常少的数据空间或从编码器发送至解码器的比特流中的最少带宽。该图像的关键视觉分量仍然能够按常规压缩。提取某些区域的边缘信息而不是压缩它们相当程度上增加了整体图像压缩。
-
公开(公告)号：CN101351798A
公开(公告)日：2009-01-21
申请号：CN200680049901.3
申请日：2006-12-20
申请人： 微软公司
CPC分类号： G06F17/30867 , Y10S707/99933 , Y10S707/99936 , Y10S707/99942
摘要： 在用户发起的搜索(502)返回结果(506)之后，意图挖掘引擎(110)收集来自用户对结果的自然反应的信息(612，614)。该信息用于改进搜索(508，610)。
-
公开(公告)号：CN103562911A
公开(公告)日：2014-02-05
申请号：CN201280023646.0
申请日：2012-05-16
申请人： 微软公司
摘要： 用户可对显示于图像中的一对象进行图像搜索。该用户可使用移动设备来显示图像。响应于显示该图像，客户机设备可将该图像发送给视觉搜索系统用于图像分割。在从视觉搜索系统接收到经分割的图像之后，客户机设备可向用户显示经分割的图像，用户可选择包括感兴趣对象的一个或多个片断来实例化搜索。视觉搜索系统可基于一个或多个所选片段来表述搜索查询并且使用该搜索查询来执行搜索。视觉搜索系统随后可将搜索结果返回给客户机设备以供向用户显示。
-
公开(公告)号：CN101507176B
公开(公告)日：2012-07-04
申请号：CN200680031543.3
申请日：2006-06-29
申请人： 微软公司
IPC分类号： H04L9/30
CPC分类号： G06F7/725 , H04L9/003 , H04L9/3066 , H04L2209/08
摘要： 公开了被配置成用于记录奇整数和椭圆曲线点乘的系统和方法，该系统和方法具有一般的效用并尤其适用于椭圆曲线点乘和密码系统。在一个实现中，该记录是通过将奇整数k转换成二进制表示来执行的。该二进制表示例如可以是表示该奇整数的2的幂的系数。该二进制表示然后被配置为梳比特列，其中每一比特列是一有符号奇整数。另一实现应用该记录方法，并公开了更高效且比已知的梳法保存更少点的计算椭圆曲线点乘的梳法的变型。所公开的点乘法然后被修改为抗简单功率分析(SPA)。
-
公开(公告)号：CN102119389A
公开(公告)日：2011-07-06
申请号：CN200980131706.9
申请日：2009-06-11
申请人： 微软公司
IPC分类号： G06F17/30
CPC分类号： G06F17/3028 , G06F17/30265
摘要： 图像使用语义距离学习来自动注释。手动注释训练图像并将其划分成语义聚类。对于这些聚类学习语义距离函数(SDF)。使用对应于每一个聚类的SDF来计算新图像和聚类中的每一个图像之间的语义距离分数。使用对应于每一个聚类的分数来生成根据聚类中的每一个图像离新图像的语义距离来对该训练图像进行排序的排序列表。为每一个聚类估算关联概率，该关联概率指定新图像在语义上与聚类相关联的概率。从对每一个聚类中的图像的手动注释中生成对新图像的聚类专用概率性注释。使用对应于所有聚类的关联概率和聚类专用概率性注释来生成对新图像的最终注释。
-
-
公开(公告)号：CN101427581B
公开(公告)日：2011-03-30
申请号：CN200780014072.X
申请日：2007-04-19
申请人： 微软公司
摘要： 各种系统和方法提供了基于视觉的图像压缩。在一个实现中，内部涂色是被选为扩充常规的基于信号处理技术的基于视觉技术。对于源图像的某些区域，示例性系统高效地提取并组织结构边缘信息而不是压缩这些区域。在一个实现中，该系统应用二进制曲线拟合以捕捉该边缘信息。解码器中的知晓结构的内部涂色器然后能够通过该边缘信息来恢复这些区域，这占用非常少的数据空间或从编码器发送至解码器的比特流中的最少带宽。该图像的关键视觉分量仍然能够按常规压缩。提取某些区域的边缘信息而不是压缩它们相当程度上增加了整体图像压缩。
-
-
-
-
-
-
-
-
-
搜索结果
48 条记录 (耗时 0.026 秒)
