一种基于ITSM平台的任务调度方法与系统

    公开(公告)号:CN118939403B

    公开(公告)日:2025-02-07

    申请号:CN202411378327.2

    申请日:2024-09-30

    Abstract: 一种基于ITSM平台的任务调度方法,包括:获取ITSM平台的用户行为;将ITSM平台操作流程的各项操作划分为最基本的子操作项,基于所述子操作项构建个性化运维方法知识库;按第一预设规则对所述个性化运维方法知识库的子操作项独立性程度进行判别;按第二预设规则对所述个性化运维方法知识库的子操作项集中值进行计算;基于所述用户行为,对用户个性化操作进行预测;基于所述子操作项独立性和集中值,结合预测的用户个性化操作,对ITSM平台的任务进行调度。本发明通过对各用户操作行为的分析,以及对各项操作的分解,有效合并较短时间段内的相同资源,避免相同操作反复执行,提高平台任务的执行效率。

    一种基于多模态模型的多系统数据管理方法

    公开(公告)号:CN118861331A

    公开(公告)日:2024-10-29

    申请号:CN202411338496.3

    申请日:2024-09-25

    Abstract: 本发明提供了一种基于多模态模型的多系统数据管理方法,属于多模态数据处理技术领域,该方法包括:步骤S1、根据目标人物所对应的文本描述数据从互联网中获取包含有目标人物的目标图片数据;步骤S2、根据目标图片数据从多媒体数据库中获取包含有目标人物的目标视频段数据,多媒体数据库中至少包括多个视频文件;步骤S3、从目标视频段数据中提取出目标人物的目标语音段数据;步骤S4、建立文本描述数据与目标语音段数据的关联关系。本发明的技术方案将目标人物的文本描述数据与目标图片数据、目标视频段数据、目标语音段数据依次进行关联,从而最终达到将文本描述数据与目标语音段数据实现关联的目的,有利于实现人物的多模态数据管理。

    一种网络流量大数据分析方法

    公开(公告)号:CN116886453A

    公开(公告)日:2023-10-13

    申请号:CN202311158322.4

    申请日:2023-09-08

    Abstract: 本发明涉及数据处理技术领域,具体涉及一种网络流量大数据分析方法,包括:根据历史流量数据获得历史网络数据包平均数量和历史疑似异常用户;根据历史网络数据包平均数量和历史疑似异常用户计算时间段长度,根据时间段长度和每个IP地址的网络数据包获得每个IP地址的网络数据包数量;根据时间段长度、每个IP地址的网络数据包数量,计算每个IP地址的网络数据包的异常特征值;根据所有IP地址的网络数据包的异常特征值计算k距离值;将所有IP地址转换为坐标系中的数据点,将k距离值作为LOF算法的参数筛选出所有数据点中的异常数据点,对根据异常数据点获得的异常IP地址进行处理。本发明加强对异常IP地址的监测,提高监测准确度。

    一种基于ITSM平台的任务调度方法与系统

    公开(公告)号:CN118939403A

    公开(公告)日:2024-11-12

    申请号:CN202411378327.2

    申请日:2024-09-30

    Abstract: 一种基于ITSM平台的任务调度方法,包括:获取ITSM平台的用户行为;将ITSM平台操作流程的各项操作划分为最基本的子操作项,基于所述子操作项构建个性化运维方法知识库;按第一预设规则对所述个性化运维方法知识库的子操作项独立性程度进行判别;按第二预设规则对所述个性化运维方法知识库的子操作项集中值进行计算;基于所述用户行为,对用户个性化操作进行预测;基于所述子操作项独立性和集中值,结合预测的用户个性化操作,对ITSM平台的任务进行调度。本发明通过对各用户操作行为的分析,以及对各项操作的分解,有效合并较短时间段内的相同资源,避免相同操作反复执行,提高平台任务的执行效率。

    一种基于多模态模型的多系统数据管理方法

    公开(公告)号:CN118861331B

    公开(公告)日:2025-02-07

    申请号:CN202411338496.3

    申请日:2024-09-25

    Abstract: 本发明提供了一种基于多模态模型的多系统数据管理方法,属于多模态数据处理技术领域,该方法包括:步骤S1、根据目标人物所对应的文本描述数据从互联网中获取包含有目标人物的目标图片数据;步骤S2、根据目标图片数据从多媒体数据库中获取包含有目标人物的目标视频段数据,多媒体数据库中至少包括多个视频文件;步骤S3、从目标视频段数据中提取出目标人物的目标语音段数据;步骤S4、建立文本描述数据与目标语音段数据的关联关系。本发明的技术方案将目标人物的文本描述数据与目标图片数据、目标视频段数据、目标语音段数据依次进行关联,从而最终达到将文本描述数据与目标语音段数据实现关联的目的,有利于实现人物的多模态数据管理。

    基于深度学习技术的伪随机数预测方法

    公开(公告)号:CN119292560A

    公开(公告)日:2025-01-10

    申请号:CN202411260956.5

    申请日:2024-09-10

    Inventor: 张晓奇

    Abstract: 本发明提出了一种基于深度学习的伪随机数预测方法。所述方法包括:步骤1至步骤5,通过Xorshift算法和线性同余生成器(LCG)生成大量伪随机数序列,构建包括全连接神经网络(FCNN)和CNN‑LSTM混合模型的深度学习架构,并使用这些伪随机数序列对模型进行训练和优化。在独立的未知伪随机数序列数据集上进行预测,识别算法生成的随机数中的模式和结构,评估其随机性质,揭示伪随机数生成器(PRNG)的潜在弱点,并提出改进策略以增强PRNG的安全性。本发明不仅聚焦于伪随机数的预测,更在预测过程中融入了深度神经网络的结构特性,实现了预测模型的效能强化。

Patent Agency Ranking