-
公开(公告)号：CN103425535B
公开(公告)日：2016-08-10
申请号：CN201310224694.2
申请日：2013-06-05
Applicant: 浙江大学
Abstract: 本发明涉及云计算的弹性计算领域，公开了一种云环境下的敏捷弹性伸缩方法，具体步骤如下：根据数据中心的历史负载数据对下个时间片进行负载预测，所述负载预则使用ARIMA模型和ARMA模型，以所述时间片为周期以实现负载预测；包括对虚拟机的保存操作和恢复操作，保存操作将虚拟机的内存状态进行保存以实现虚拟机的挂起，随后通过恢复操作恢复虚拟机的内存状态恢复虚拟机的使用；利用所述负载预测步骤得到的数据中心的负载预测，应用所述虚拟机快速供给步骤将一个或者多个应用就绪的虚拟机挂起或者快速投入使用，实现对数据中心应用集群的资源的动态调整。本发明的优点在于，根据应用集群当前状况实时地调整集群规模大小，减少数据中心的能耗。
-
公开(公告)号：CN105677850A
公开(公告)日：2016-06-15
申请号：CN201610008374.7
申请日：2016-01-07
Applicant: 浙江大学
CPC classification number: G06F17/30752 , G06F17/30761 , G06N3/04
Abstract: 本发明公开了一种基于神经网络模型的上下文感知音乐推荐方法，包括：S1基于神经网络模型的音乐特征的提取和用户全局兴趣的建模；S2用户收听上下文兴趣的提取；S3上下文感知的音乐推荐。本发明利用神经网络模型从用户的音乐收听序列中提取音乐的特征和用户的全局兴趣特征，再从用户的完整收听序列中提取用户的收听上下文兴趣，最后在推荐的时候综合考虑用户的全局兴趣和当前收听上下文兴趣，从而能够让推荐的音乐符合用户的实时需求和偏好，从而减少用户的搜索成本并提高用户的满意度。
-
公开(公告)号：CN105608105A
公开(公告)日：2016-05-25
申请号：CN201510726112.X
申请日：2015-10-30
Applicant: 浙江大学
IPC: G06F17/30
CPC classification number: G06F17/30761
Abstract: 本发明提供了一种在音乐推荐中结合用户收听上下文提高音乐推荐效果的方法，主要是利用神经语言模型从用户的音乐收听序列中提取音乐的特征向量，再从用户的完整收听序列和最近收听子序列中提取用户的全局兴趣和收听上下文兴趣，最后在推荐的时候综合考虑用户的全局兴趣和当前收听上下文兴趣，从而能够让推荐的音乐符合用户的实时需求和偏好。
-
公开(公告)号：CN105577751A
公开(公告)日：2016-05-11
申请号：CN201510911794.1
申请日：2015-12-11
Applicant: 浙江大学
Abstract: 本发明涉及软件优化技术，尤其涉及一种性价比驱动的Mashup构造方法，所述Mashup构造方法包括如下步骤：S101：应用GA4MC算法为所需要构造的Mashup中的每个任务选择最优Web服务和云平台；S102：对S101中选择得到的Web服务进行服务组合，得到Mashup；以及S103：将构造得到的Mashup部署到云平台上。与现有技术相比，本发明提供的技术方案具有如下优点：（1）本发明提供的性价比驱动的Mashup构造方法从性价比的角度出发构造性价比最优的Mashup；（2）本发明提供的性价比驱动的Mashup构造方法将价格关联关系和响应时间关联关系考虑在内，以提高Mashup的性价比；（3）本发明提供的性价比驱动的Mashup构造方法不仅考虑服务选择，还考虑了Mashup的平台部署，通过对部署平台的选择进一步提高Mashup的性价比。
-
公开(公告)号：CN103150215B
公开(公告)日：2016-03-02
申请号：CN201310043423.7
申请日：2013-02-04
Applicant: 浙江大学
Abstract: 本发明公开了虚拟环境下细粒度的CPU资源使用预测方法,该方法基于Xenmon与Sar两种系统性能监控工具收集的CPU利用率的差值，采用统计学习方法，提出虚拟机管理器调度的额外CPU消耗预测模型。在此基础上，针对突发性和非突发性两种不同负载特征提出相应的CPU使用概率密度函数预测方法。这种细粒度的CPU资源使用预测方法为系统资源优化配置提供了良好的基础。
-
Patent Agency Ranking
公开(公告)号：CN103150197B
公开(公告)日：2016-01-20
申请号：CN201310048664.0
申请日：2013-02-07
Applicant: 浙江大学
IPC: G06F9/45
Abstract: 本发明涉及计算机应用领域的动态二进制翻译技术，公开了一种基于静态划分的代码Cache管理方法，在TB信息中增加表示基本块执行次数的execution_times和表示目标体系代码块大小的generated_size，增加变量L1_base和L1_ptr，增加变量L2_head和L2_rear，增加TB备份数组。本发明的优点在于，Cache管理灵活，管理开销较低，通过考虑程序的执行特征，降低了Cache中缓存的代码块的缺失率。
-
公开(公告)号：CN103150196B
公开(公告)日：2015-12-23
申请号：CN201310048645.8
申请日：2013-02-07
Applicant: 浙江大学
Abstract: 本发明涉及计算机应用领域中的动态二进制翻译技术，公开了一种动态二进制翻译中代码Cache管理方法，所述代码Cache包括非跳转目标Cache和跳转目标Cache，所述代码Cache采用FIFO策略，包括以下具体步骤：确定带翻译基本块的类型，所述基本块为非跳转目标基本块时，执行非跳转目标基本块处理流程，所述基本块为跳转目标基本块时，执行跳转目标基本块处理流程。本发明的优点在于，可以高效地缓存已经翻译过的代码，减少重复翻译。
-
公开(公告)号：CN104965869A
公开(公告)日：2015-10-07
申请号：CN201510312733.3
申请日：2015-06-09
Applicant: 浙江大学
IPC: G06F17/30
CPC classification number: G06F16/9535
Abstract: 本发明公开了一种基于异构信息网络的移动应用排序和聚类方法，由于排序结果主要是反映对象的重要性程度，聚类过程中引入该排序结果使得聚类结果更有意义，并且采用迭代的方法使得排序结果与聚类结果不断调整，相辅相成，从整体上提升了聚类的效果。传统的，能够用于移动应用聚类的方法中，通常只使用一种或者两种类型的信息，本发明基于由应用的四种类型信息组成的异构信息网络，使用的信息源更多，可以从本质上提升聚类的正确率。
-
公开(公告)号：CN104778205A
公开(公告)日：2015-07-15
申请号：CN201510101179.4
申请日：2015-03-09
Applicant: 浙江大学
Abstract: 本发明公开了一种基于异构信息网络的移动应用排序和聚类方法，由于排序结果主要是反映对象的重要性程度，聚类过程中引入该排序结果使得聚类结果更有意义，并且采用迭代的方法使得排序结果与聚类结果不断调整，相辅相成，从整体上提升了聚类的效果。传统的，能够用于移动应用聚类的方法中，通常只使用一种或者两种类型的信息，本发明基于由应用的四种类型信息组成的异构信息网络，使用的信息源更多，可以从本质上提升聚类的正确率。
-
公开(公告)号：CN104765820A
公开(公告)日：2015-07-08
申请号：CN201510161396.2
申请日：2015-04-07
Applicant: 浙江大学
Abstract: 本发明公开了一种非侵入式的服务依赖关系发现方法，设计一种分步计算方法，为了照顾特殊节点，同时设计了一个综合考虑资源使用情况相似度和TCP/UDP连接数相似度的方法来度量服务之间的距离，服务聚类更准确：通过对比基于资源使用情况和TCP/UDP连接数的层次聚类算法聚类结果，获取有效描述每个服务类的代表中心点，然后通过将剩余服务向中心点靠拢的方式来完成聚类，聚类结果较单纯的层次聚类算法更准确，聚类算法复杂度更低：相对于传统KMeans不断迭代所有服务来寻找最优的中心组，本方法通过重叠类过滤的方式，降低了中心服务寻找的复杂度。
-
-
-
-
-
-
-
-
-
Search Results
698
records
(took 0.105 seconds)
