-
公开(公告)号：CN108664217B
公开(公告)日：2021-07-13
申请号：CN201810294987.0
申请日：2018-04-04
Applicant: 安徽大学
IPC: G06F3/06
Abstract: 本发明公开了一种降低固态盘存储系统写性能抖动的缓存方法：S1、在新写请求到达缓存系统时，将该新写请求数据存储至匹配的缓存簇；S2、基于该新写请求数据生成指纹信息，且将所述指纹信息与目标指纹库进行匹配，并根据匹配结果判断本次新写请求的操作类型；S3、根据本次新写请求的操作类型选择该新写请求数据在其所在缓存簇写回闪存时的处理方式。本发明通过指纹库技术，尽可能的选择更新数据页较多的簇写回闪存，并在原数据块所在存储单元空闲时，对原数据块执行垃圾回收，提高缓存空间利用率的同时降低了缓存中频繁更新数据写回闪存产生的大量无效数据页，减少了垃圾回收操作，降低固态盘写性能抖动。
-
公开(公告)号：CN107247624B
公开(公告)日：2020-10-13
申请号：CN201710413186.7
申请日：2017-06-05
Applicant: 安徽大学
Abstract: 本发明公开了一种面向Key‑Value系统的协同优化方法及系统，所述方法包括：当主机端接收的读写请求需要调度compaction线程时，主机端向存储端发送compaction调度请求；存储端将compaction调度请求分割为主机端子任务和存储端子任务；主机端和存储端分别对主机端子任务和存储端子任务信息进行合并排序操作，得出第一结果和第二结果；存储端对第一结果和第二结果进行合并优化操作。本发明在靠近数据源的存储设备端进行计算操作，充分利用了主机端和存储设备端的计算能力，同时上述操作方法实现了compaction任务的动态分割并与主机端CPU协同的计算模式，对compaction任务的系统级并行性进行了挖掘并充分利用了存储设备端的计算能力、降低了compaction操作的延时，增加写入吞吐量，提高了系统性能。
-
公开(公告)号：CN110796303A
公开(公告)日：2020-02-14
申请号：CN201911018674.3
申请日：2019-10-24
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学
Abstract: 一种基于EWT和ODBSCAN的短期电力负荷预测方法，可解决单一的预测模型对于具有复杂变化及随机特性的负荷序列，预测难以获得理想的精度的技术问题。本发明提出基于EWT和ODBSCAN的组合预测方法，首先，采用EWT分解负荷，得到不同的固有模态分量；其次，采用合理的方法对各分量进行预测。其中，低频、中频分量采用IRF预测；高频分量具有不确定性，使用ODBSCAN根据气象因素温度和湿度聚类，再根据每类的样本特性选择处理方法。最后，叠加各个分量的预测结果，获取总的预测结果。根据某地市现场实测负荷数据进行实验，预测结果分别与EWT-IRF、EWT-RF、EMD-IRF模型的预测结果进行对比，可以获得更高的预测精度，体现实际负荷的变化规律。
-
公开(公告)号：CN110796303B
公开(公告)日：2023-11-07
申请号：CN201911018674.3
申请日：2019-10-24
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学
IPC: G06Q10/04 , G06F18/23 , G06F18/214 , G06Q50/06
Abstract: 一种基于EWT和ODBSCAN的短期电力负荷预测方法，可解决单一的预测模型对于具有复杂变化及随机特性的负荷序列，预测难以获得理想的精度的技术问题。本发明提出基于EWT和ODBSCAN的组合预测方法，首先，采用EWT分解负荷，得到不同的固有模态分量；其次，采用合理的方法对各分量进行预测。其中，低频、中频分量采用IRF预测；高频分量具有不确定性，使用ODBSCAN根据气象因素温度和湿度聚类，再根据每类的样本特性选择处理方法。最后，叠加各个分量的预测结果，获取总的预测结果。根据某地市现场实测负荷数据进行实验，预测结果分别与EWT‑IRF、EWT‑RF、EMD‑IRF模型的预测结果进行对比，可以获得更高的预测精度，体现实际负荷的变化规律。
-
公开(公告)号：CN115604436A
公开(公告)日：2023-01-13
申请号：CN202211279104.1
申请日：2022-10-19
Applicant: 安徽大学(CN)
Abstract: 边缘环境下基于DDQN的无人机协同视频处理方法，移动边缘服务器UES内运行的步骤如下：SA1、移动边缘服务器UES采集系统信息；SA2、将系统状态输入到DDQN算法训练的模型中；SA3、判断移动边缘服务器UES是否移动，当移动时，移动边缘服务器UES移动到指定位置并与选择的智能摄像机EC建立通信链接，否则进入步骤SA6；SA4、根据分配的端口号建立视频分析的进程；SA5、接收选择的智能摄像机EC传输的数据流，处理完后将结果返回至选择的智能摄像机EC，然后判断系统中是否存在电量耗尽的智能摄像机EC，当有时，工作结束，当没有时，进入步骤SA6；SA6、移动边缘服务器UES悬停等待，进入步骤SA1。本申请可以为电量更少的智能摄像机EC分担任务处理的能耗开销，延长其工作寿命。
-
Patent Agency Ranking
公开(公告)号：CN113395679B
公开(公告)日：2022-08-05
申请号：CN202110572660.7
申请日：2021-05-25
Applicant: 安徽大学 , 安徽国通亿创科技股份有限公司
Abstract: 一种无人机边缘服务器的资源和任务分配优化系统，云服务器端包括任务资源分配和无人机定位模块；任务资源分配和无人机定位模块在收集需要卸载任务的请求后，以相关设备的状态信息和需要卸载的任务信息为判断依据，使用深度学习算法和进化算法来将非凸分数规划问题转化为可解形式，分解为优化卸载决策和无人机定位两个过程，根据决策结果得到任务和资源分配方案，然后将生成的任务和资源分配方案传送给指定的设备以进行任务卸载。本发明解决了现有的研究方法未综合考虑无人机信号有效覆盖范围与多层系统计算资源充分利用，未能发挥出系统资源的最大性能的问题。
-
公开(公告)号：CN113887794A
公开(公告)日：2022-01-04
申请号：CN202111144517.4
申请日：2021-09-28
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽大学 , 国网安徽省电力有限公司
Abstract: 本发明公开了一种配电网无功优化的方法及装置，所述方法包括以下步骤：将配电网的历史负荷、拓扑数据以及对应的历史无功优化策略输入改进的CNN网络进行特征提取；特征提取后的配电网数据中历史负荷、拓扑数据作为DBN网络的输入，对应的历史无功优化策略作为DBN网络的输出，训练DBN网络，直到达到预设的迭代次数或者网络损耗不变的时候停止训练得到无功优化模型；将实时获取的历史负荷、拓扑数据输入无功优化模型，得出实时的无功优化策略，利用实时的无功优化策略对配电网进行无功优化；本发明的优点在于：配电网无功优化过程的计算时间短以及精度高。
-
公开(公告)号：CN111479048A
公开(公告)日：2020-07-31
申请号：CN202010319810.9
申请日：2020-04-22
Applicant: 安徽大学
Abstract: 本发明涉及监控装置技术领域，尤其为一种基于边缘计算的智能视频图像处理设备，包括图像通道处理模块、图像编码处理模块、视频流处理服务器、边缘智能处理模块等，数据采集模块采集原始图像数据后，原始数据经由图像通道处理模块进行分流处理并分别传送至视频流处理服务器、边缘智能处理模块，其中，边缘智能处理模块对编码后数据根据相应的智能算法进行处理。本发明，解决现有传统视频图像处理设备图像处理能力弱，无法满足高清摄像机的发展带来的海量大数据即使处理的问题，达到减少视频数据的上传，降低视频存储空间，高效处理提取视频有用信息的作用，同时满足视频数据的实时传输，缓解带宽压力，节省监控终端存储空间的技术效果。
-
公开(公告)号：CN107291541B
公开(公告)日：2020-07-10
申请号：CN201710486056.6
申请日：2017-06-23
Applicant: 安徽大学
Abstract: 本发明公开了面向Key‑Value系统的compaction粗粒度进程级并行优化方法及系统，所述方法包括：主进程接收到读写请求后判断是否需要调度compaction线程，若是，主进程将compaction线程中的任务信息分割为主进程子任务和从进程子任务；主进程和从进程分别对主进程子任务和从进程子任务进行compaction操作；主进程在主进程完成主进程子任务compaction操作且从进程完成从进程子任务compaction操作后对Key‑Value系统的文件进行优化。本发明利用主进程完成Key‑Value系统中compaction任务的动态分割，并实现了与从进程协同compaction处理的新模式，挖掘了compaction任务的进程级并行性，充分利用了CPU的计算资源，提高了CPU资源的利用率，且优化了compaction消耗的时间，不仅提高了数据处理的实时性，而且提高了系统性能以及吞吐量。
-
公开(公告)号：CN106777003B
公开(公告)日：2020-04-03
申请号：CN201611114427.X
申请日：2016-12-07
Applicant: 安徽大学
IPC: G06F16/22
Abstract: 本发明公开了一种面向Key‑Value存储系统的索引查询方法和系统，该方法包括：S1、获取Key‑Value数据项存入block，根据block节点生成前缀完全二叉树；S2、获取key值，根据二叉树高度确定key值运用位数k，key值为二进制；S3、获取key值前k位，从key值前k位首位遍历，检索key值前k位中第一个“1”，记录第一个“1”前的位数j；S4、判断j是否小于k，若j小于k，则目标结果i＝2j，执行S5；若j不小于k，则目标结果i＝2k‑1‑1，执行S6；S5、从key值第j+2位循环检索，检索到“1”时，i＝2×(i+1)；否则，i＝2×i+1；直到j＝k，停止检索得到目标结果i，执行S6；S6、通过所述i值，在前缀完全二叉树中检索block[i]，判断block[i]是否非空，若block[i]非空，输出目标结果i值；若block[i]为空，将k＝k‑1后执行S3，直到k＝0。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.026 seconds)
