-
公开(公告)号:CN112861371A
公开(公告)日:2021-05-28
申请号:CN202110230369.1
申请日:2021-03-02
Applicant: 东南大学
Abstract: 本发明公开了一种基于边缘计算的钢铁行业云排产方法,该方法将传统的云排产模式拆分转化为云边协作的排产模式,包含边缘预处理与云平台通用求解两大模块;首先建立云边协作的智能排产框架;然后将生产工艺满足程度刻画为板坯间的综合属性差异;通过最小化生产计划序列中板坯之间的综合属性差异以最大程度地满足工艺需求;在此基础上确定诸如最小化生产时间等所需考虑的优化目标;最后根据上述优化目标与所得函数关系,确定边缘服务器的边缘处理模块与云排产平台的通用型求解模块两部分计算任务。
-
公开(公告)号:CN112784968A
公开(公告)日:2021-05-11
申请号:CN202110134151.6
申请日:2021-01-29
Applicant: 东南大学
Abstract: 本发明提供一种加速深度神经网络分布式训练的混合流水线并行方法,主要解决传统GPU集群分布式训练过程中资源利用不充分,无法实现高效分布式训练的问题。本发明的核心机制主要包含三个部分,分别是深度学习模型刻画、模型混合划分与混合流水线并行划分。本发明首先针对深度学习应用在GPU训练过程中的资源需求,刻画出其训练过程中计算量、中间结果通信数量、参数同步量等相应指标,并将其作为模型混合划分与任务放置的输入。然后根据模型刻画结果和GPU集群的环境,设计两个基于动态规划的划分算法,实现模型混合划分与混合流水线并行划分,目的是最小化划分之后各阶段任务执行时间的最大值,以确保负载均衡,实现深度神经网络的高效分布式训练。
-
公开(公告)号:CN111061430B
公开(公告)日:2021-02-19
申请号:CN201911181431.1
申请日:2019-11-27
Applicant: 东南大学
Abstract: 本发明公开了一种多云环境下异构I/O细粒度感知的数据放置方法,解决多云环境下存储系统数据可用性差和访问性能低的问题。本发明分为数据I/O模式分类与数据放置两部分:数据I/O模式分类部分使用决策树算法对用户数据根据I/O访问模式进行分类,将数据I/O模式分为读多写多,读少写多,读多写少,读少写少四种类型,实现海量异构I/O模式数据集分类方法。数据放置部分首先针对四种I/O模式集合的数据分别制定不同的数据放置策略以优化数据访问性能,其次通过数据编码为数据添加冗余保证数据可用性,最后通过网络通信模块将各集合的数据放置在多个存储服务商中。本发明在处理大量异构I/O模式的数据时访问性能具有明显优势。
-
公开(公告)号:CN110688492B
公开(公告)日:2020-12-08
申请号:CN201910910212.6
申请日:2019-09-25
Applicant: 东南大学
IPC: G06F16/36 , G06F16/9035 , G06F16/9038 , G06F16/31 , G06F16/901
Abstract: 本发明公开了一种基于轻量级图索引的关于电影知识图谱的查询方法。本发明以无权无向图存储电影关系,图的顶点表示电影或者电影人物,边表示电影人物与电影之间的关系。在构建图索引时,先从具有最多电影关系的电影或电影人物中选取种子,并为每个种子计算L维向量以表示其特征,基于此推算出所有的特征,并保存在索引中。在执行查询时,从给定电影或电影人物出发,依次查找与其相关的电影或电影人物,如果找到满足查询条件的电影或电影人物,则选其为候选结果,最后,基于轻量级图索引进一步筛选候选结果,选择最优的k个结果作为最终的查询结果返回给用户。
-
公开(公告)号:CN110347500A
公开(公告)日:2019-10-18
申请号:CN201910525863.3
申请日:2019-06-18
Applicant: 东南大学
IPC: G06F9/50
Abstract: 本发明公开一种用于边缘计算环境中面向深度学习应用的任务卸载方法,首先将深度神经网络划分为若干个模型分块,采集系统中的相关数据并分析相应的特征;将得到的特征数据作为输入参数,建立M/M/n排队模型,得到终端设备层和边缘服务器层的平均任务数的期望,及任务在终端设备上开始执行以及将任务直接卸载到边缘服务器上开始执行的任务完成时间期望;以上述两个期望的最小最大值为目标函数,构建最小化任务执行时间的优化模型;使用启发式算法求解优化模型,得到最优卸载方案。此种方法能够实现针对不同的深度学习应用提出多模式,细粒度的个性化任务卸载方案,最小化任务完成时间,提高终端设备的资源利用率,从而满足高精度、低延迟的应用需求。
-
公开(公告)号:CN108156621A
公开(公告)日:2018-06-12
申请号:CN201711268709.X
申请日:2017-12-05
Applicant: 东南大学
CPC classification number: H04W24/04 , H04L69/06 , H04L69/26 , H04W72/042 , H04W72/0453 , H04W72/0473 , H04W72/0493 , H04W84/12
Abstract: 本发明公开了一种基于OpenFlow协议的密集WLAN干扰控制方法,包括:(1)传输协议制定:将OpenFlow协议进行扩展,包括扩展OpenFlow消息集合和扩展OpenFlow协议数据传输消息所支持的数据类型;(2)WLAN干扰控制策略制定:以降低域内AP与域外AP的干扰以及域内AP间干扰为目标,制定域内AP的信道分配策略,再以降低域内AP之间的干扰为目标制定功率配置策略;(3)WLAN干扰控制策略实施:按照网络状态信息采集、信道分配策略执行、信道分配命令下发、网络状态信息更新、功率配置策略执行和功率配置命令下发执行,其中,信息传输采用制定的OpenFlow扩展协议。本发明可以降低WLAN域内AP与域外AP的干扰,并兼顾降低域内AP之间的干扰。
-
公开(公告)号:CN107066974A
公开(公告)日:2017-08-18
申请号:CN201710250296.6
申请日:2017-04-17
Applicant: 东南大学
Abstract: 本发明提供一种抗浏览器指纹改变的终端设备识别方法。本发明包括:Ⅰ、通过过滤冗余属性以及分割粗粒度属性,提取多属性特征形成细粒度的指纹生成方案;Ⅱ、根据指纹属性间的相互关系,构建对应的贝叶斯网络结构并进行参数学习;Ⅲ、对于未知设备进行指纹匹配分类,并反馈结果。本发明通过对相关属性的分析和过滤,抽取多个细粒度属性组合形成浏览器指纹,并根据指纹变化情况推测属性间相互关系,构建对应的贝叶斯网络,实现指纹改变情况下终端设备的准确识别。
-
公开(公告)号:CN106470242A
公开(公告)日:2017-03-01
申请号:CN201610809567.2
申请日:2016-09-07
Applicant: 东南大学 , 焦点科技股份有限公司
IPC: H04L29/08
CPC classification number: H04L67/10 , H04L67/1097
Abstract: 本发明公开了一种云数据中心大规模异构集群节点快速定量分级方法,本发明逻辑上主要包括三个部分,分别是集群节点性能参数预处理、集群节点性能参数矩阵标定和集群节点性能参数软聚类。本发明首先针对云数据中心集群节点中各种不同量纲级的性能参数进行采集量化并做标准化处理;然后对标准化后的集群节点性能参数值进行标定,基于标定值引入相似系数法建立云数据中心中所有集群节点的性能参数模糊相似矩阵;最后基于传递闭包法对得到的模糊相似矩阵进行改造,使其变成模糊等价矩阵,并在适当的截距水平上对其进行截取,最终得到大规模集群节点性能参数聚类图。为云数据中心后续的数据布局、能耗优化等管理提供节点性能参照依据。
-
公开(公告)号:CN105871718A
公开(公告)日:2016-08-17
申请号:CN201610162083.3
申请日:2016-03-21
Applicant: 东南大学 , 焦点科技股份有限公司
IPC: H04L12/715 , H04L12/741 , H04L12/751
CPC classification number: H04L45/04 , H04L45/02 , H04L45/54 , H04L45/745
Abstract: 本发明公开了一种SDN域间路由实现方法,在此方法下,SDN自治域的控制器承担域间路由功能,负责与相邻SDN自治域的控制器交互BGP路由信息,依据本自治域的路由策略生成最优路径,并将路径通告给邻居自治域;SDN自治域的控制器实现OpenFlow协议和BGP协议的交互接口,根据生成的最优路径和域内拓扑信息,计算得到域内OpenFlow交换机流表的更新表项,并下发流表项到指定的交换机,实现自身的路由策略。本发明公开的方法的优势在于能够在不破坏现有SDN网络结构的前提下将BGP协议应用于SDN域间路由,并且为控制器设计了协议交互接口,助其实现路由策略。
-
公开(公告)号:CN102394934B
公开(公告)日:2015-08-26
申请号:CN201110349179.8
申请日:2011-11-08
Applicant: 东南大学
Abstract: 本发明涉及服务计算领域,提出了一种基于效益折扣和议题关联的Web服务双边协商模型,引入讨价还价模型中的折扣率,提出协商参与者效益的计算方法,动态描述了协商参与者的得益情况;利用讨价还价模型改进传统协商中的协商协议和协商过程,综合时间代价、对手提议、协商管理者MA建议这几个方面计算和实现协商策略;引入协商管理者参与协商过程,从全局协调和监管协商流程;提出了协商议题关联度的概念,将大部分协商议题转化为简单的易于实现的线性求解方式,降低多维协商的维数和协商复杂度,同时采用联合协商方式求解有关联的协商议题,保证了协商结果的准确度。
-
-
-
-
-
-
-
-
-