-
公开(公告)号：CN110430183A
公开(公告)日：2019-11-08
申请号：CN201910698522.6
申请日：2019-07-31
Applicant: 福建师范大学
Abstract: 本发明公开基于会话特征相似性的MH-LSTM异常检测方法，通过设立滑动窗口以收集用户的Web访问数据，利用Min-Hash对Web访问数据进行处理提取序列特征；然后利用LSTM的时间序列分类算法进行检测模型的训练；最后利用训练好的检测模型对抓取的Web会话流数据进行异常用户的检测和定位。本发明不仅能够有效适应流数据环境下的挑战，且能够保持较高的检测率和召回率。
-
公开(公告)号：CN110222923A
公开(公告)日：2019-09-10
申请号：CN201910332409.6
申请日：2015-09-11
Applicant: 福建师范大学
IPC: G06Q10/06 , G06F16/2458
Abstract: 本发明公开了一种可动态配置的大数据分析系统，所述系统包括实时数据存储管理模块、实时流分析计算模块、离线分析模块、可视化模块等四大模块，每一个模块中都设计了至少一个可进行动态配置管理的组件，如数据管理配置组件、实时流分析计算配置组件、离线分析计算配置组件、动态配置组件。本发明还提出了一种大数据分析系统的动态配置方法，设计了各组成模块的数据结构及消息结构，通过动态配置管理器中的警示数据结构的状态信息驱动系统的动态配置，提出了警示冗余度的计算方法及动态配置方法，通过上述方式，本发明能够使系统运行于一个高效率的大数据分析计算水平，有效地解决了大数据分析平台管理的优化过程。
-
公开(公告)号：CN103942445A
公开(公告)日：2014-07-23
申请号：CN201410178014.2
申请日：2014-04-30
Applicant: 福建师范大学
IPC: G06F19/00
Abstract: 本发明涉及一种健身跑运动方案生成方法，包括以下步骤：S1.采集运动者健身跑过程中的速度和心率数据；S2.基于步骤S1采集的速度和心率数据，运用遗传算法对运动者的健身跑运动模型进行参数整定，建立运动者的健身跑运动模型；S3.基于步骤S2建立的健身跑运动模型，以及给定运动时间和安全有效心率区间参数，以在给定运动时间的健身跑过程中，心率落在安全有效心率区间内的时长最长为优化目标，建立运动者的健身跑最优运动方案。该方法可以为运动者建立个性化的健身跑最优运动方案，从而为指导运动者进行安全、有效的健身跑提供了有用的技术手段。
-
-
公开(公告)号：CN117149205A
公开(公告)日：2023-12-01
申请号：CN202310663420.7
申请日：2023-06-06
Applicant: 福建师范大学
Abstract: 本发明涉及一种GCC编译选项选择两阶段优化方法及系统，该方法包括：随机生成初始样本集并分为有无目标改进的样本集；使用正向挖掘和逆向挖掘技术在两个样本集上挖掘出选项是否有改进效果的判定表，进而生成不确定有无目标改进的选项集Sud和确定有目标改进的选项集Sde；通过可执行代码的CRC码基于选项集Sud生成潜在有改进的选项集Spo；合并Sde和Spo得到预选后的选项集；通过遗传算法进行选项选择演化优化以得到最优解；在此过程中，通过外部文档构建选项交互图用于帮助生成高质量的新解，同时基于随机森林构建分类模型，用于预判解的优劣；最终找到具有最小待优化软件执行时间的最佳选项集。该方法及系统有利于在提高优化质量的同时降低优化时间。
-
Patent Agency Ranking
公开(公告)号：CN110704067B
公开(公告)日：2022-09-20
申请号：CN201910984810.8
申请日：2019-10-16
Applicant: 福建师范大学
Abstract: 本发明涉及一种嵌入式软件编译时能耗演化优化方法，包括以下步骤：1、输入嵌入式软件源代码，初始化参数，生成随机种群；2、计算初始种群中各个体的适应度，获取事务表；3、基于事务表，挖掘获取频繁选项模式集表；4、判断演化代数是否小于最大演化代数，是则转下一步，否则转最后一步；5、对种群中个体执行交叉操作，生成临时种群；6、对于临时种群中个体，基于模式集表，运用最大匹配算法进行多点变异生成新个体；7、计算更新后临时种群中各个体的适应度，更新事务表以及挖掘获取模式集表；8、生成下一代种群，并返回步骤4，直至满足终止条件；9、得到并输出最优解。该方法有利于降低软件能耗，加快收敛速度。
-
公开(公告)号：CN109669698A
公开(公告)日：2019-04-23
申请号：CN201811329077.8
申请日：2018-11-09
Applicant: 福州三鑫隆铸业有限公司 , 福建师范大学
IPC: G06F8/41
Abstract: 本发明涉及信息处理技术领域，特别涉及一种基于频繁模式挖掘的能耗优化方法。所述一种基于频繁模式挖掘的能耗优化方法，包括步骤：S1：生成初始随机种群P(t)；S2：计算P(t)中每个个体的适应度值；S3:若t达到指定代数，否则转S4；S4：记录P(t)中有能耗改进效果的个体的信息，并将其作为一条事务存放至预先设计好的事务表中；S5：生成临时种群Pc(t)，并通过对所述事务表进行频繁模式挖掘获得频繁编译选项模式集；S6：基于所述频繁编译选项模式集对Pc(t)进行变异操作，生成临时种群Pm(t)；S7：基于轮盘赌策略在种群Pm(t)和种群P(t)中选择并生成下一代种群P(t+1)。通过该方式，充分考虑到了不同的编译选项之间可能存在的相互影响，使得可以提高解质量和加快收敛速度。
-
公开(公告)号：CN119356666A
公开(公告)日：2025-01-24
申请号：CN202411214495.8
申请日：2024-08-31
Applicant: 福建师范大学
IPC: G06F8/36 , G06N3/006 , G06F11/3668
Abstract: 本发明涉及一种基于代码重构的安卓应用能耗优化方法，根据待优化安卓应用的推荐重构集，通过改进遗传算法，找到一条最优重构序列，以使待优化安卓应用运行时的能耗达到最低，具体包括：初始化种群；构建解优劣预测模型；当演化代数小于最大演化代数时，循环执行：用原始种群复制一份临时种群；对临时种群执行交叉操作生成临时种群；将临时种群与原始种群合并生成新种群；对种群执行变异操作生成临时种群；利用解优劣预测模型和临时种群，通过基于优劣比较的候选解选择策略生成下一代种群；演化代数达到最大演化代数，得到最优个体，从而获得最优重构序列。该方法有利于从庞大且离散的代码重构选择空间中快速获得高质量解，从而优化应用能耗。
-
公开(公告)号：CN114564184B
公开(公告)日：2024-11-08
申请号：CN202210183569.0
申请日：2022-02-25
Applicant: 福建师范大学
Abstract: 本发明涉及一种频繁序列挖掘帮助的LLVM编译时能耗优化方法及系统，该方法首先生成初始候选解集S，并基于候选解集S构建初始的带能耗改进标注的选项序列事务数据库DBE，然后基于DBE挖掘生成带能耗改进标注的频繁选项序列前缀树prefixTreeE和后缀树postfixTreeE，再基于前缀树prefixTreeE和后缀树postfixTreeE生成带能耗改进标注频繁选项序列帮助的新解，评估生成新解并更新DBE；不断生成新解直至达到预设的停机时间或解质量，输出S中的最优解。该方法及系统有利于在同等停机时间下提高解质量及其收敛速度。
-
公开(公告)号：CN111458672B
公开(公告)日：2022-08-05
申请号：CN202010346676.1
申请日：2020-04-28
Applicant: 福建师范大学
Abstract: 本发明涉及一种基于机器学习的多量程电流测量校准系统，包括基于多量程的电流测量终端、负载模拟终端和上位机，电流测量终端的三量程电流测量电路与负载模拟终端连接，为负载模拟终端供电并通过小、中、大三个量程的电路同时采集其产生的模拟电流信号，处理后发送给上位机；负载模拟终端用于产生不同大小的模拟电流信号；上位机的协调模块向负载模拟终端发送不同的电流实际值，负载模拟终端产生对应的模拟电流信号；收发模块接收电流测量终端发送来的各量程电流信号，处理后存入数据库，样本生成模块根据电流实际值及其对应的三个量程电流数据，构成初始校准数据集，输入机器学习模块构建并训练得到校准模型。该系统有利于提高测量精确度。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.021 seconds)
