一种多源异构大数据的一致性表示方法

    公开(公告)号:CN105893612A

    公开(公告)日:2016-08-24

    申请号:CN201610266857.7

    申请日:2016-04-26

    CPC classification number: G06F16/217 G06F16/215 G06F17/2785

    Abstract: 本发明公开了一种多源异构大数据的一致性表示方法。本方法针对多源异构数据的特征异构性问题,利用多源异构数据间的语义互补性,基于子空间学习方法,将多源异构数据投影到一个中层冗余特征同构空间。并在这个同构空间中,将来自不同来源的相关描述耦合到一起。为了挖掘出中层空间中同构描述之间的语义一致性,利用先验知识,将特征同构描述投影到高层语义共享子空间上,进而消除冗余和噪声信息。由此,可以获得多源异构数据的语义一致模式。本发明有助于在多媒体分析、信息检索和医疗诊断等领域,获得准确且鲁棒的多源数据评估分析结果。

    一种多源异构大数据的缺失源补全方法

    公开(公告)号:CN105893610A

    公开(公告)日:2016-08-24

    申请号:CN201610265744.5

    申请日:2016-04-26

    CPC classification number: G06F16/215 G06F2216/03

    Abstract: 本发明公开了一种多源异构大数据的缺失源补全方法。本方法针对多源异构数据的缺失源问题,利用多源异构数据间的语义互补性和分布相似性,基于子空间学习方法,通过对完整的多源异构数据的语义互补性和分布相似性的挖掘,获得一个不同来源间的特征同构的语义共享子空间,从而在这个特征同构空间中,利用学习到的语义互补性和分布相似性,补全多源异构数据的缺失来源。本方法中,假设不同的来源都服从正态分布,那么缺失源的数据矩阵可以塑造为低秩(捕捉类间差异,代表期望)加稀疏(捕捉类内差异,代表方差)两个成分的和。由此,利用异源间的语义互补性和等同分布补全多源异构数据的缺失描述。

    一种多源异构大数据的冗余源协同缩减方法

    公开(公告)号:CN105843896A

    公开(公告)日:2016-08-10

    申请号:CN201610166631.X

    申请日:2016-03-22

    CPC classification number: G06F16/215

    Abstract: 本发明涉及一种多源异构大数据的冗余源协同缩减方法。该方法包括两个模型,一个为异构流形平滑学习(HMSL)模型,另一个为基于相关性的多源冗余缩减(CMRR)模型。其中,HMSL模型将多源异构数据线性投影到一个低维特征同构空间,并在这个空间中,使信息相关描述的流形距离更近,而语义互补样本的欧氏距离更近;CMRR模型利用基于梯度能量竞争策略的广义初等变换约束,在由HMSL模型学习得来的特征同构空间中,消除多源冗余数据的三向冗余和双层异构性。本发明能够消除多源冗余数据的三向冗余和双层异构性,进而精简多源异构数据的冗余源。

    一种基于联邦学习的车载网络信用优先任务卸载方法

    公开(公告)号:CN114489964B

    公开(公告)日:2025-03-04

    申请号:CN202111517469.9

    申请日:2021-12-08

    Abstract: 本发明公开了一种基于联邦学习的车载网络信用优先任务卸载方法,其步骤包括:1)EC、CV分别将自己的位置信息和可用资源信息发送给CC;其中,EC为边缘云服务器,CV为车辆网中的车辆,CC为云中心;2)当CV需要进行任务卸载时,发送卸载任务信息给DC;其中,DC为车辆网中的决策中心;3)对于当前一批待处理的卸载任务,DC从CC获取发送卸载任务的各CV的信誉值;然后根据信用值设置各卸载任务的处理优先级,优先为处理优先级高的卸载任务制定任务卸载决策并发送给对应的EC和CV;其中,CC根据CV的行为信息计算对应CV的所述信誉值。本发明将信誉值用在任务卸载决策中,从而实现决策性能的提高。

    GPU上的基于边着色与信息更新率优化的置信传播方法

    公开(公告)号:CN112257866B

    公开(公告)日:2024-09-27

    申请号:CN202010940904.8

    申请日:2020-09-09

    Abstract: 本发明公开了一种GPU上的基于边着色与信息更新率优化的置信传播方法。本方法针对在全局都有较高收敛速度的计算需求,直接使用信息残差大的边对信息残差小的边进行一次着色操作,则信息残差大的边会对与其相连的所有边进行着色,只更新这些信息残差大的边上的信息,降低了每次迭代置信传播的计算量,提升了置信传播算法在整个计算过程中的收敛速度。以及针对在算法稳定后有较高收敛度的计算需求,提出通过逐步降低未收敛信息的更新率,使得算法在整个计算过程中都保持较高的收敛速度,并且算法稳定时有较高的收敛度。本发明提升了置信传播方法整体的运行效率。

    一种微服务远程调用关系的拓扑发现方法及系统

    公开(公告)号:CN118250177A

    公开(公告)日:2024-06-25

    申请号:CN202410259758.0

    申请日:2024-03-07

    Abstract: 本发明公开了一种微服务远程调用关系的拓扑发现方法及系统。本系统包含代理端和服务端,通过代理端和服务端协同工作,对微服务远程调用关系实时监控和更新;代理端利用eBPF技术在不侵入应用程序的情况下,从操作系统内核层面捕获微服务应用层的信息和网络数据包,包括源微服务、源微服务版本、目的微服务、目的微服务版本、端口、调用路径、协议和请求方法等,随后将这些数据上传至服务端;服务端接收到代理端上传信息后,根据这些数据构建微服务之间的远程调用关系图。这种关系图能够实时展示微服务的调用路径、频率、延迟等关键信息,并且根据代理端持续上传的信息实时更新微服务拓扑,实现高性能、低延迟的微服务远程调用关系的拓扑发现。

    一种面向Spark-Sql检索的元数据实时更新方法

    公开(公告)号:CN107391555A

    公开(公告)日:2017-11-24

    申请号:CN201710422553.X

    申请日:2017-06-07

    CPC classification number: G06F16/2379 G06F16/24552 G06F16/27

    Abstract: 本发明涉及一种面向Spark-Sql检索的元数据实时更新方法。该方法在Spark Sql进行检索时,会将使用的元数据进行缓存,将被检索的数据块文件元数据以集合的形式缓存于内存中;当获得文件元数据的增量信息时,将首先检查该增量信息所属的表的检索元数据是否存在于缓存之中,若存在,则将增量的文件元数据增加至缓存的该表文件元数据的集合之中,由此完成Spark Sql检索元数据的增量更新。本发明还提出了对Spark Sql检索元数据增加情况的处理方法,可以实时的对检索元数据的增加情况进行处理,提高检索结果的实时性。本发明可以避免对检索元数据进行经常性的全量更新,以减少更新元数据时的时间和资源开销。

Patent Agency Ranking