-
公开(公告)号：CN114661472A
公开(公告)日：2022-06-24
申请号：CN202210319871.4
申请日：2022-03-29
Applicant: 海南大学
Abstract: 本发明属于资源分配技术领域，公开了一种基于机器学习的服务资源动态分配方法及其系统，所述的方法包括如下步骤：基于机器学习建立服务资源预测模型；实时采集服务集群中各服务的实时服务数据；提取服务集群中目标服务的实时服务数据，并将实时服务数据输入服务资源预测模型进行预测，得到目标服务的服务资源预测结果；根据服务集群中各服务的实时服务数据、目标服务的服务资源预测结果及服务优先级进行动态分配，得到目标服务的服务资源分配决策；根据服务资源分配决策分配目标服务的服务资源。本发明解决了现有技术存在的资源分配方式费时费力、不合理的资源分配策略导致服务性能不能有效发挥、资源利用率低以及影响其他服务正常运行的问题。
-
公开(公告)号：CN110460463B
公开(公告)日：2021-12-14
申请号：CN201910671422.4
申请日：2019-07-24
Applicant: 海南大学
Abstract: 本发明公开了一种基于深度神经网络的服务质量预测方法及其系统，涉及网络服务技术领域。该方法包括以下步骤：输入请求上下文变量信息，并通过实体表达矩阵在编码模块进行编码，以得到嵌入式请求矩阵；将经过编码的所述上下文变量信息进行压缩并进行特征提取，以得到所述请求上下文变量信息的按照时序的嵌入式请求矢量；根据所述时序依次输入所述嵌入式请求矢量至LSTM网络模块，以输出所述深度神经网络对下一次输入请求上下文变量信息的预测数据信息；对所述预测数据信息进行感知，以得到解码后的所述预测数据信息，将所述解码后的所述预测数据信息还原为服务质量数据并输出。
-
公开(公告)号：CN110971683A
公开(公告)日：2020-04-07
申请号：CN201911191031.9
申请日：2019-11-28
Applicant: 海南大学
Abstract: 本发明公开了一种基于强化学习的服务组合方法，所述服务组合满足动态约束，其包括如下步骤：根据用户的功能性需求建立工作流，为工作流中的每个任务选取候选服务，对所有候选服务的QoS非功能属性进行数据预处理；根据建立的工作流结构搭建基于强化学习的自适应模型；每一次训练自适应模型时，均将根据建立工作流结构随机生成的训练集、用户对QoS非功能属性的偏好和约束输入自适应模型中，循环迭代若干次训练，以得到收敛的自适应模型；将工作流中每个任务的候选服务属性、用户对QoS非功能属性的偏好和约束输入收敛的自适应模型中，输出合适的工作流候选服务序列。本发明的基于强化学习的服务组合方法弥补了传统Q-learning的不足，大大减少了服务组合过程中耗费的资源。
-
公开(公告)号：CN105245399A
公开(公告)日：2016-01-13
申请号：CN201510565636.5
申请日：2015-09-08
Applicant: 海南大学
IPC: H04L12/26 , H04L12/801
Abstract: 本发明涉及一种端到端网络通信路径中瓶颈链路的度量方法，包括S1、捕获探测数据包队列在每一个链路上的平均传输间隔，从而确认拥塞链路；S2、度量拥塞链路的容量；S3、计算拥塞链路的可用带宽；S4、在拥塞链路中找出待测路径的瓶颈链路，并输出它的位置、容量和可用带宽信息。通过发送一组探测数据包队列，该组数据包队列从源节点传送到目标节点，跟踪该队列在每一段链路上的内部数据包传输间隔，捕获探测数据包队列在每一个链路上的平均传输间隔即PPD值，确认拥塞链路；在一个度量周期内，获知端到端通信路径中瓶颈链路的位置、可用带宽、带宽物理容量上限；且基于主动探测机制，无需在网络路径的沿途各节点中安装软件，适用范围广泛。
-
公开(公告)号：CN105159998A
公开(公告)日：2015-12-16
申请号：CN201510566216.9
申请日：2015-09-08
Applicant: 海南大学
IPC: G06F17/30
CPC classification number: G06F16/35
Abstract: 本发明涉及一种基于文档聚类关键词计算方法，所述方法包括(1)获取文本文档集合；(2)将文档集合中各文档内容采用分词算法进行词条切分；(3)建立文档向量；(4)采用TF-IDF计算文档向量：(5)对文档向量进行维度压缩；(6)进行文档聚类计算；(7)计算各组文档的代表性关键词。本发明的有益效果为：本发明提供了完整可行的计算步骤，并创新性地支持文档向量维度的压缩，计算效率高。本发明在执行文档向量的降维处理时，采用了不同于任何现有技术的一种简洁、高效的新方法。本发明是首个连接不同的环节，以切实可行的计算步骤，确保从文档集合中计算出代表性关键词的技术方案。
-
Patent Agency Ranking
公开(公告)号：CN111694913B
公开(公告)日：2023-07-11
申请号：CN202010507856.3
申请日：2020-06-05
Applicant: 海南大学
Abstract: 本发明涉及一种基于卷积自编码器的船舶AIS轨迹聚类方法和装置。本发明的基于卷积自编码器的船舶AIS轨迹聚类方法包括：获取船舶的连续轨迹，将连续轨迹划分为若干子轨迹；对若干子轨迹进行特征工程提取，得到子轨迹特征矩阵；将子轨迹特征矩阵输入多特征融合自编码器，获得位置特征向量、速度特征向量和航向特征向量；对位置特征向量、速度特征向量和航向特征向量进行拼接操作，获得船舶轨迹的潜在特征向量；对提取后的船舶轨迹特征向量进行轨迹聚类操作，得到船舶轨迹聚类结果。本发明的方法不需要根据相关数据量和轨迹类型，计算复杂度，噪声和其他影响因素来选择时空轨迹度量方法，不需要相似度距离公式，从而节省了计算时间和资源。
-
公开(公告)号：CN114691195A
公开(公告)日：2022-07-01
申请号：CN202210306272.9
申请日：2022-03-25
Applicant: 海南大学
Abstract: 本发明属于代码检测技术领域，公开了一种基于事件嵌入和事件依赖图的代码克隆检测方法，包括如下步骤：基于事件嵌入、事件依赖图以及神经网络，建立代码克隆检测模型；将目标源代码输入代码克隆检测模型进行检测，得到克隆检测结果。本发明解决了现有技术存在的没有考虑程序的动态特征，限制了检测语义相似的能力，缺乏较为准确高效的检测能力的问题。
-
公开(公告)号：CN114511141A
公开(公告)日：2022-05-17
申请号：CN202210090571.3
申请日：2022-01-26
Applicant: 海南大学
Abstract: 本发明属于数据预测技术领域，公开了一种基于多特征融合的股票趋势预测系统及其方法，所述的系统包括Web服务单元、数据库单元、数据获取与处理单元、模型预测单元以及模型训练单元；所述的方法包括如下步骤：初始化股票趋势预测系统；获取互联网的互联网股票数据和用户上传的用户股票数据，并进行标准化处理；提取标准化数据并作为训练数据进行模型训练，得到股票趋势预测模型和性能指标；若性能指标满足要求，则输出股票趋势预测模型，否则返回上一步骤；基于股票趋势预测模型进行多特征融合预测。本发明解决了现有技术存在的股票趋势难度大、准确性低，预测方法步骤简单、缺乏融合预测的问题。
-
公开(公告)号：CN112068847B
公开(公告)日：2022-05-13
申请号：CN202010930267.6
申请日：2020-09-07
Applicant: 海南大学
Abstract: 本发明涉及一种基于kubernets平台的计算环境部署方法及装置，在获取到请求端提交的部署请求和计算请求，若计算请求满足集群的资源限制时，则将用户代码镜像文件注册至集群的镜像服务。进一步地，根据部署请求部署对应的计算框架组件，并由计算框架组件调用集群计算资源执行与计算请求相对应的计算任务，最后将计算框架组件的计算执行结果反馈回请求端。基于此，通过计算环境的协同部署，为上层服务提供稳定可靠的基础计算环境支撑。
-
公开(公告)号：CN114461921A
公开(公告)日：2022-05-10
申请号：CN202210216014.1
申请日：2022-03-07
Applicant: 海南大学
Abstract: 本发明属于物品推荐技术领域，公开了一种基于知识图谱的物品推荐方法，包括如下步骤：基于知识图谱建立物品推荐预测模型；获取若干推荐物品和目标用户的用户数据；将所有推荐物品和目标用户的用户数据输入物品推荐预测模型进行预测，得到所有推荐物品的物品推荐预测结果；根据物品推荐预测结果对所有推荐物品进行排序和筛选，得到物品推荐清单。本发明解决了现有技术存在的物品推荐准确性低，不符合实际情况，用户的使用满意度低的问题。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.019 seconds)
