一种校园网环境下基于数据网格的文件快速传输方法

    公开(公告)号:CN101483650B

    公开(公告)日:2011-08-03

    申请号:CN200910024653.2

    申请日:2009-02-25

    Abstract: 本发明是一种基于数据网格的校园网数据文件快速传输方法。通过在普通校园网广泛使用的FTP系统基础上增加了接口机制,从而快速过渡到数据网格环境,使用数据网格的优势进行文件快速传输。通过系统发现模块、资源发现模块、功能发现模块、转化模块、请求应答转化模块等的运行将原FTP系统资源自动导入到新的数据网格环境,同时在数据网格运行过程中兼容已有数据传输软件,从而降低了数据网格使用门槛,解决了数据网格应用开发周期长、难以与已有资源结合、普通用户难以掌握等缺点。

    一种校园网格数据传输服务中数据索引方法

    公开(公告)号:CN101442496B

    公开(公告)日:2010-10-27

    申请号:CN200810243422.6

    申请日:2008-12-17

    Abstract: 校园网格数据传输服务中数据的索引方法,在网格环境下的校园GridFTP中提出了一种索引机制,方便资源的发现与数据的查询。该机制下的体系结构包括:数据传输日志、监控器和索引服务器。关键在于建立资源服务器、索引服务器和GridFTP服务器三者之间的联系。图5所示,为MDS和ganglia集成后获得数据资源列表,在索引服务器中建立GridFTP站点,将数据数据资源列表信息映射到GridFTP站点中去,方便GridFTP服务器对数据资源进行查询。

    一种基于支持向量回归机的网格负载预测方法

    公开(公告)号:CN101639793A

    公开(公告)日:2010-02-03

    申请号:CN200910184148.4

    申请日:2009-08-19

    Abstract: 一种基于支持向量回归机的网格负载预测方法,首先对节点的历史性能数据,采用时间序列法进行自回归(AR)建模,根据AR模型的阶数估计出SVR中的输入向量的维数,然后对历史数据进行SVR学习,构造出SVR的回归函数,以后根据此回归函数以及测得历史性能数据预测下一时刻节点的性能,并且根据预测结果误差对SVR回归函数进行在线调节。采用本方法,能够为网格资源调度及性能优化等提供数据依据,避免被动盲目的任务调度,提高整个网格环境的效率。

    一种提高网格数据访问性能的方法

    公开(公告)号:CN101309296A

    公开(公告)日:2008-11-19

    申请号:CN200810124134.9

    申请日:2008-06-13

    Abstract: 一种提高网格数据访问性能的方法是一种新型的网格数据传输体系,糅合了C/S技术和P2P技术的混合体。来解决在普通网格环境下如何提高数据访问性能的问题。在一个G-GridFtp网格环境中有多个Group Server,如何保证所有基于对等关系的Group Server保持相同的目录数据库来为用户描述G-GridFtp的数据信息,本方法里提出了DGS(指定Group Server)和BDGS(备用指定Group Server)的概念。在G-GridFtp发生节点更新的时候,DGS将收到的目录数据库更新的消息转发到G-GridFtp中的其他Group Server,另外设定,在一定的时间内,若是G-GridFtp没有发生节点更新,DGS依然向外广播特殊的目录数据库信息,以宣称DGS的存在。

    一种动态自适应的网格数据迁移方法

    公开(公告)号:CN101299198A

    公开(公告)日:2008-11-05

    申请号:CN200810124152.7

    申请日:2008-06-13

    Abstract: 一种动态自适应的网格数据迁移方法是一种对网格下数据需要迁移时的一种动态自适应的机制,它主要有数据迁移控制器、目标节点选择器、索引分析器以及数据迁移操作核心等部分组成。当网格中某节点的数据如果不能满足当前用户的数据服务质量,或者造成了网络带宽的浪费时,此时该节点上的数据需要进行迁移,通过选择该节点的可达带宽、该节点的本地管理系统属性、本节点的数据访问负载以及当前待迁移数据的大小等因素,然后对这些因素进行预处理,利用基因表达式编程的算法思想来挖掘目标节点与这些因素的函数关系,通过挖掘得到的函数关系可以更好地进行目标节点的选择。

    一种基于CNN-LSTM的高压用户用电数据预测方法

    公开(公告)号:CN119577328A

    公开(公告)日:2025-03-07

    申请号:CN202411625308.5

    申请日:2024-11-14

    Abstract: 一种基于CNN‑LSTM的高压用户用电数据预测方法,以高压用户用电数据为研究对象,使用LOF方法对高压用户的历史电力消费数据进行清理,去除不合理的离群数据,减低了离群数据对预测模型的性能的影响。通过数据分类与特征工程,将原始数据转换为更具代表性的特征集,便于模型学习。通过数据归一化降低数据的波动性,从而提高模型训练的稳定性和收敛速度。然后构建CNN‑LSTM混合模型,即在长短期记忆网络LSTM的基础上加入卷积神经网络CNN。该混合模型由CNN和LSTM两部分组成,CNN用于提取数据的局部特征,LSTM用于捕捉时间序列的依赖关系,进而进行较为精确的电力消费预测。完成模型的构建与训练后,本发明还通过均方误差和图形化方法对模型的预测结果进行有效直观评估。

    一种物联网流量数据增强方法
    99.
    发明公开

    公开(公告)号:CN118820777A

    公开(公告)日:2024-10-22

    申请号:CN202410784584.X

    申请日:2024-06-18

    Abstract: 本发明公开一种物联网网络流量数据增强方法,属于不平衡数据集数据增强领域;首先,采集物联网网络流量数据包,提取关键特征字段,进行预处理,并划分为训练集和测试集;采用高斯分布的SMOTE算法对训练集中的少数类样本进行初步过采样;接着引入降噪自编码器DAE,生成接近真实数据分布的少数类样本,传入鉴别器中进行质量评估,迭代优化直至鉴别器难以区分真实样本与生成样本,合并生成样本和真实样本,形成数据增强后的数据集;旨在解决物联网网络流量的类不平衡问题,本发明在增加数据集的类平衡性的同时优化生成数据的质量。

Patent Agency Ranking