-
公开(公告)号：CN111858469B
公开(公告)日：2024-01-26
申请号：CN202010722766.6
申请日：2020-07-24
Applicant: 成都成信高科信息技术有限公司 , 成都信息工程大学
IPC: G06F16/11 , G06F16/13 , G06F16/16 , G06F16/172 , G06F16/182
Abstract: 本发明公开了一种基于时间滑动窗口的自适应分级存储的方法，应用于分布式文件存储系统，在分布式文件存储系统中建立SSD‑HDD的分层式存储结构，文件根据系统制定的迁移策略在存储结构中动态迁移，实现分级存储；其中，文件的迁移策略为全局实时迁移策略和时间窗口迁移策略并行。本发明将全局监控和实时性监控结合，使用两种并行的迁移策略，完善文件的迁移调控机制，从而提供实时性更强的文件升级。同时，根据业务行为日志分析业务数据访问规律和
-
公开(公告)号：CN111858098B
公开(公告)日：2023-11-17
申请号：CN202010722793.3
申请日：2020-07-24
Applicant: 成都成信高科信息技术有限公司 , 成都信息工程大学
Abstract: 本发明公开了一种基于海量数据的数据交换方法，集中式数据中心接收到消息请求后，获取最不经常使用的数据从节点信息；通过消息队列与最不经常使用的数据从节点进行通信，向其所在的主题队列发送消息以及对应的镜像文件；数据从节点订阅消息队列中的主题；数据从节点自动去本地镜像仓库拉取所需的算法镜像；拉取的镜像赋予数据从节点一定的计算能力，对采集的数据进行预处理；数据从节点将处理结果发送到集中式数据中心的接收主题所对应的队列；集中式数据中心从接收主题队列中获取到处理结果后，记录在本地然后直接返回给消息请求者。有效解决了集中式数据中心的数据传输压力，提高数据传输与数据分析效率及数据安全性。
-
公开(公告)号：CN111882061B
公开(公告)日：2023-05-23
申请号：CN202010722584.9
申请日：2020-07-24
Applicant: 成都成信高科信息技术有限公司 , 成都信息工程大学
IPC: G06N3/08 , G06N3/0464 , G06F17/16
Abstract: 本发明公开了一种基于分层随机梯度下降的卷积神经网络训练方法，包括：采用图像数据集分类划分方法，对图像数据集进行分类划分；统计各个类别下的样本数量，计算出与所有样本数量的比重作为权重，按照各个分类的权重，乘以批样本数量的大小，作为从各类别中抽取与批样本数量相同的样本；按照正常的梯度下降法对模型进行训练，并按照变换后的模型参数公式更新模型参数。本发明提出基于分层随机采样，进行数据集的采样，并结合随机梯度下降法进行卷积神经网络的训练，以解决简单随机采样过程中抽样误差的问题，增强模型泛化能力。
-
公开(公告)号：CN110764742B
公开(公告)日：2023-05-23
申请号：CN201910993465.4
申请日：2019-10-18
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种气候观测数据线性相关度高速计算方法及系统，包括以下步骤：构建独立的相关度计算服务；构建相关度计算服务集群；相关度计算；返回数据并展示；还包括Web服务器、Nginx负载均衡代理和至少一个线性相关计算服务器，Web服务器包括Jboss容器、Nginx服务器和GPU服务器，线性相关计算服务器包括至少一个线性相关计算服务；Web服务器通过Nginx负载均衡代理连接线性相关计算服务器。从底层到架构层进行优化，基于分布式架构完成加速计算过程，加快气候分析的处理效率，同时使算法保持较好的扩展性；使得线性相关算法在使用SOA架构的开发平台上能加快开发效率，与其他气候分析算法之间保持低耦合、易集成的特性。
-
公开(公告)号：CN111427844B
公开(公告)日：2023-05-19
申请号：CN202010296769.8
申请日：2020-04-15
Applicant: 成都信息工程大学 , 成都成信高科信息技术有限公司
IPC: G06F16/11 , G06F16/172 , G06F16/182
Abstract: 本发明公开了一种面向文件分级存储的数据迁移系统及方法，根据周期内文件的访问次数和最近访问时间为依据对文件进行冷热程度的判别；并在数据的性质由潜热数据转变为潜冷数据时引发真正的文件迁移；包括迁移速率控制和数据迁移的控制流程。本发明通过数据冷热程度算法对数据性质进行分类，并通过计算时间长度确定负载状态，达到通过内部的数据存储调度和迁移调度，以及在业务场景下的数据自动评估方法，实现系统中数据的自动迁移，从而达到在降低数据存储成本的同时保证数据访问的高性能访问的发明目的。
-
Patent Agency Ranking
公开(公告)号：CN111639082B
公开(公告)日：2022-12-23
申请号：CN202010514803.4
申请日：2020-06-08
Applicant: 成都信息工程大学
Abstract: 本发明公开了基于Ceph的十亿级节点规模知识图谱的对象存储管理方法及系统，方法包括：图存储架构的构建设计，获取与目标业务对应的多个实体的实体数据，并根据实体数据生成所述目标业务对应的知识图谱并进行存储，并以Ceph作为分布式资源存储器，同时新增外部索引后台机制，利用分布式计算引擎将大任务分解成多个子任务，分发给不同机器去执行，完成后汇总，以提供大规模数据处理能力来支撑OLAP需求，供用户基于知识图谱进行数据分析。本发明还提供了基于Ceph的十亿级节点规模知识图谱的对象存储管理系统。本方案引用了分布式资源管理器，具有可扩展和高可用特征，同时能存储和表达海量知识，支持数十亿节点数据量，有着可靠、易用、高效的特性。
-
公开(公告)号：CN114548595A
公开(公告)日：2022-05-27
申请号：CN202210202985.0
申请日：2022-03-03
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于注意力机制的强对流天气物理特征量预测方法及系统，其中方法主要体现在搭建模型，所述模型包括注意力机制模块、编码模块以及解码模块，当输入数据进入到所述模型时，输入数据经过所述注意力机制模块，根据上一次的隐藏状态预测当前输入结果，将当前输入结果和当前输入数据叠加在一起并经过解码编码模块进行编码形成当前隐藏状态，将历史隐藏状态和当前隐藏状态相加后，通过所述解码模块解码后进行卷积生成预测结果。本发明有效解决了多维度、多输入的时空序列预测问题。
-
公开(公告)号：CN114355482A
公开(公告)日：2022-04-15
申请号：CN202210002182.0
申请日：2022-01-04
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于光流和气象数值预报的强对流天气识别方法及系统，其中方法主要体现在计算光流，搭建模型并训练模型，所述模型包括NWP stream模块和Optical flow模块，在训练器中输入的一次训练数据包含一个NWP数据以及所述NWP数据所对应的光流数据，其中光流数据的计算方法为：在数据集中根据样本数据的时间戳向前查找上一个时间戳所对应的数据集文件，基于这两个文件所对应的计算光流的函数，计算出对应的光流数据，NWP数据输入NWP stream模块的分支，光流数据输入Optical Flow模块的分支，所述NWP数据以及所述光流数据同时进行卷积运算，同时进行求导，在模型最后进行矩阵相加，输入SoftMax层得出最终结果。本发明可以实现强对流天气的细粒度分类。
-
公开(公告)号：CN109165351B
公开(公告)日：2021-11-26
申请号：CN201810982638.8
申请日：2018-08-27
Applicant: 成都信息工程大学
IPC: G06F16/9535 , G06F40/253
Abstract: 本发明涉及一种基于语义的服务构件搜索推荐方法，其包括：(1)根据用户输入的搜索语句进行分词，获取不同命名实体；(2)将命名实体转换为词向量方式，在构件中心寻找与该命名实体相近的构件；(3)将寻找出的基于语义的构件，按照相似度从大到小以列表形式展现；(4)用户根据业务场景需求选择所需构件；(5)在选择所需构件后，用户可直接可视化拖拽使用构件；(6)当用户选择某一构件使用在具体流程后，通过构件推荐功能直接给出推荐结果列表，显示出在此业务场景下，用完所选构件后可能会使用的下一个构件；(7)用户在使用推荐结果整个过程中，用户的使用数据将会被记录在数据中心，供推荐结果的更新。本发明能实现用户能够更全面查询所需构件，并减少用户的构件查询次数，有效提高软件开发效率。
-
公开(公告)号：CN113327301A
公开(公告)日：2021-08-31
申请号：CN202110570222.7
申请日：2021-05-25
Applicant: 成都信息工程大学
Abstract: 本发明提供一种基于深度类比网络在多维度雷达数据下的强对流外推方法及系统，方法包括以下步骤：(1)特征图像编码：对多个雷达图像进行编码获得多个特征图像；(2)利用深度视觉类比网络学习所述多个雷达图像与所述多个特征图像，得到外推雷达图像；(3)将所述特征图像喂入外推网络得到外推特征图像；(4)利用优化器对所述外推特征图像与所述外推雷达图像进行第一次优化，再对第一次优化后的输出进行二次优化。该方法利用两个网络同时外推出雷达图像和基于编码的特征图像，再用优化器对它们分别做优化，最后在对双网络的输出做二次优化，优化了强对流外推的过程，得到的强对流预测图像也更加精确且方法简单易行。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.07 seconds)
