-
公开(公告)号：CN110286699A
公开(公告)日：2019-09-27
申请号：CN201910451515.6
申请日：2019-05-28
Applicant: 东南大学
Abstract: 本发明公开了一种无线传感网数据采集中基于实际模型的无人机最优速度调度方法。本发明的方法包括三个部分，分别是场景信息预处理、“段”的有效速度的计算、无人机飞行速度的设置。本发明首先针对传感器信息进行处理并初始化“段”的信息；然后根据有效距离、有效时间等参数计算每个“段”的有效速度；最后对获取的有效速度进行筛选，最终可以得到无人机最优的速度规划。
-
公开(公告)号：CN102843385B
公开(公告)日：2015-04-15
申请号：CN201210356355.5
申请日：2012-09-24
Applicant: 东南大学
IPC: H04L29/06
Abstract: 本发明公开了一种用于云计算环境中防范旁路攻击虚拟机的方法，该方法包括以下步骤：步骤 1) 根据进行旁路攻击的虚拟机的行为特征和普通虚拟机的行为特征，实时采集数据中心执行周期中的所有虚拟机的行为数据；步骤2) 对步骤1)实时采集的所有虚拟机的行为数据，采用贝叶斯方法进行分类，得到各虚拟机的高、中、低、或者极低级别的安全信任级别；步骤3) 读取当前数据中心拓扑中所有虚拟机的安全信任级别，对当前环境中存在威胁的虚拟机进行迁移，将不同安全信任级别的虚拟机放置在不同的物理主机中。该方法在物理上隔离恶意用户和普通用户，从而终止旁路攻击虚拟机行为，保护云计算环境中虚拟机的数据与隐私安全。
-
公开(公告)号：CN104216782A
公开(公告)日：2014-12-17
申请号：CN201410410274.8
申请日：2014-08-19
Applicant: 东南大学
IPC: G06F9/50
Abstract: 本发明公开了一种高性能计算和云计算混合环境中的动态资源管理方法，主要解决目前集群数据中心运行的多种任务对不同的计算模式的需求问题，核心机制为此混合环境中的动态资源管理机制。本发明首先利用集群物理资源构建高性能计算和云计算双栈式混合环境，然后针对混合系统云环境里的虚拟机资源建立物理资源最大化利用的优化模型，提出虚拟机迁移算法，最终实现高性能计算和云计算混合环境的动态资源管理，提高底层资源的利用率，进而有效满足应用需求。
-
公开(公告)号：CN102739785B
公开(公告)日：2014-12-17
申请号：CN201210205574.3
申请日：2012-06-20
Applicant: 东南大学
Abstract: 本发明公开了一种基于网络带宽估计的云计算任务调度方法，本发明平台分为数据中心、机架、计算节点三级，并由管理节点统一管理，计算节点负责执行任务和采集可用带宽信息；当执行任务时，计算节点从本地硬盘或通过网络读取输入数据，当任务完成后，计算节点向管理节点请求新的任务；管理节点负责管理可用带宽信息和调度任务，在管理可用带宽信息时，管理节点收集计算节点的带宽数据，指定不同机架内的两台计算节点执行可用带宽估计程序，并统计可用带宽信息；当计算节点请求任务时，管理节点结合机架内网络带宽、机架间可用带宽、数据中心负载，做出任务调度决策。
-
公开(公告)号：CN116883229A
公开(公告)日：2023-10-13
申请号：CN202310892762.6
申请日：2023-07-20
Applicant: 东南大学
IPC: G06T1/40 , G06N3/084 , G06V10/82 , G06V10/94 , G06V10/764
Abstract: 本发明提供了一种异构GPU集群中加速神经网络训练的流水线并行方法，核心机制主要包含三个部分，分别是深度学习模型刻画、同构GPU模型划分及任务放置与异构GPU模型划分及任务放置。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，刻画出使用不同类型的GPU时训练过程中计算量、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，设计基于动态规划的划分算法，实现异构GPU和异构带宽感知的流水线混合并行模型划分与任务放置，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。
-
Patent Agency Ranking
公开(公告)号：CN113723279A
公开(公告)日：2021-11-30
申请号：CN202111000951.5
申请日：2021-08-30
Applicant: 东南大学
Abstract: 本发明公开了一种边缘计算环境中基于时空间优化的多目标跟踪加速方法，属于边缘计算、视频分析和深度学习领域。该方法包括：步骤1、利用TensorRT推理优化框架对执行多目标跟踪的深度神经网络模型进行结构优化；步骤2、使用基于时空间优化的实时多目标跟踪算法执行模式对多目标跟踪任务执行进行加速；步骤3、针对基于时空间优化的实时多目标跟踪算法中特征提取部分的深度学习推理，建立并求解自适应的端边协同数据并行模型；步骤4、基于步骤3所执行的端边协同数据并行模型，将其结果在进行合并并完成后处理计算，输出多目标跟踪结果。本方法的应用提升了目前目标跟踪视频分析系统的执行速度并最大化利用了系统内的计算资源。
-
公开(公告)号：CN109831321A
公开(公告)日：2019-05-31
申请号：CN201910008291.1
申请日：2019-01-04
Applicant: 东南大学
Abstract: 本发明公开了一种数据中心中RDMA应用传输参数自适应选择方法，该方法包括以下步骤：步骤(1)分析和采集RDMA应用传输参数选择相关的应用特性以及服务器资源状态；步骤(2)构建基于应用特性和服务器资源状态的RDMA传输参数组合选择决策树模型，自适应地给不同应用选择最佳的RDMA传输参数组合；步骤(3)将步骤(2)得到的决策树模型以及RDMA通信编程的参数选择过程封装成通用的API给应用使用。该方法通过理论分析和实验构造应用可用的RDMA传输参数组合，根据应用特性和服务器资源状态建立RDMA传输参数组合选择决策树模型，为应用提供最佳的RDMA传输参数选择，从而优化RDMA应用的性能，同时降低RDMA应用开发难度和开发周期，赋能数据中心新型延迟敏感应用创新。
-
公开(公告)号：CN108092803A
公开(公告)日：2018-05-29
申请号：CN201711292739.4
申请日：2017-12-08
Applicant: 江苏省邮电规划设计院有限责任公司 , 东南大学
CPC classification number: H04L41/08 , G06F9/45558 , G06F2009/45595 , H04L41/12
Abstract: 本发明公开了网络功能虚拟化环境中实现网元级并行化服务功能的方法，包括：遍历服务功能链，运行服务功能分解分析算法，将各服务功能分解为基本的报文处理单元称之为网元，分析、综合服务功能中的网元特性，确定各服务功能对报文的操作及操作域信息并保存。利用得到的各服务功能的操作及操作域信息，先运行可并行判定算法，确定服务功能链中可进行并行优化的服务功能组合，再执行并行优化算法，并行化服务功能组合。结合不可并行的服务功能和并行优化后的服务功能，按照原服务功能顺序编排组合，创建生成新服务功能链，新服务功能链有效地缩短原服务功能链长度，提高各服务功能之间的并行度，显著地减少报文通过服务功能链时的延时开销。
-
公开(公告)号：CN103530801A
公开(公告)日：2014-01-22
申请号：CN201310519850.8
申请日：2013-10-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于动态定价策略的多数据中心成本优化方法，包括如下步骤：步骤1）基于排队论对多数据中心用户受益情况和服务质量建模；步骤2）根据步骤1）所建立的模型，确立各数据中心的最优定价策略；步骤3）根据所确定的最优定价策略，确定多数据中心之间的负载路由策略。本发明方法从服务提供商的利益出发，将多数据中心间的负载分配，服务定价以及能耗成本优化统一起来；在满足服务提供商利益的基础上通过负载均衡算法，实现对数据中心能耗成本的优化。
-
公开(公告)号：CN102685237A
公开(公告)日：2012-09-19
申请号：CN201210151219.2
申请日：2012-05-16
Applicant: 东南大学
Abstract: 发明公开了一种集群环境下请求会话保持与调度的方法，主要包含调度与数据备份同步的系统架构、服务请求的会话保持及调度策略、运行时会话数据的存储算法、目标服务器宕机及调度服务器宕机的切换策略。基于服务器真实负载进行任务调度并融合SESSION数据同步的系统架构引入调度与映射服务、监控服务、SESSION存储与备份服务等多个处理服务，实现实时监控目标服务器CPU、I/O、NETWORK、DISK的负载状态从而在首次调度时选出负载最低的服务器来处理请求，后继的同一SESSION请求会被保持到同一目标服务器，SESSION数据会在另外的服务器上备份而非在集群中广播。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.044 seconds)
