-
公开(公告)号：CN112270405A
公开(公告)日：2021-01-26
申请号：CN202011345927.0
申请日：2020-11-26
Applicant: 湖南大学
Abstract: 本发明公开了一种基于范数的卷积神经网络模型的滤波器剪枝方法，包括以下步骤：(1)将卷积神经网络模型的所有滤波器进行可视化，根据可视化输出特征图聚类为多个蔟；(2)根据每个蔟的平均范数确定该蔟的剪枝率；(3)根据每个蔟被剪枝后的模型精度损失大小，判断该蔟能否被剪枝；(4)每个卷积层剪枝后的结构，构成新的卷积神经网络模型。本发明在保证模型精度的情况下尽可能大的对模型进行压缩，在对冗余滤波器进行剪枝的同时保留了提取特定特征且范数较小的滤波器，保证了卷积神经网络模型的功能完整性。
-
公开(公告)号：CN111061910B
公开(公告)日：2020-12-15
申请号：CN201911294985.2
申请日：2019-12-16
Applicant: 湖南大学
Abstract: 本发明公开了一种基于HBase和Solr的视频特征数据查询方法，包括以下步骤：服务端接收来自用户的特征数据查询请求，并根据该特征数据查询请求在索引存储集合中进行检索，以得到多个特征数据ID值；服务端根据步骤一得到的多个特征数据ID值在HBase数据库中检索对应的特征数据集合，并将该特征数据集合返回给用户；本发明通过建立配置文件，使用特征数据ID值关联特征数据和索引，从而提高数据检索的效率和准确率，因此，能够解决现有视频监控系统由于特征数据存储时间的拉长和特征数据量的增加，导致无法对这些海量特征数据进行准确查询的技术问题。
-
公开(公告)号：CN111061862B
公开(公告)日：2020-12-15
申请号：CN201911293797.8
申请日：2019-12-16
Applicant: 湖南大学
IPC: G06F16/34 , G06F40/30 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于注意力机制生成摘要的方法来生成文本摘要，本发明一共包括两个阶段：第一个阶段是句子排序过程，第二阶段是摘要生成过程，其输入是通过第一阶段得到的与文章主题最相关的N个句子。在第一阶段中，对于带有标题的文章本文提出一种监督式的排序方法，首先计算每一个句子与标题之间相似度，再根据相似度对文章进行排序，最后选取相似度最高的N个句子。对于第二阶段，本发明提出了一种新的计算编码器和解码器之间注意分布的方法，即在不同时间里，解码器应该关注编码器中的不同部分。本发明通过排序方法和摘要生成方法，缓解了文章过长时必须直接截断一部分文本作为摘要生成模型的输入所导致的文章信息衰减问题。
-
公开(公告)号：CN110175158B
公开(公告)日：2020-11-10
申请号：CN201910431788.4
申请日：2019-05-23
Applicant: 湖南大学
IPC: G06F16/18 , G06F16/2458 , G06F40/194 , G06F40/186
Abstract: 本发明公开了一种基于向量化的日志模板提取方法，其结合了离线日志模板提取和在线日志模板提取两个过程，离线日志模板提取先将所有的日志记录向量化后映射到一个高维向量空间，然后对所有向量进行聚类以实现对日志记录的分类，最后从每个类中提取出其中所有日志记录的最长公共单词子序列并用通配符替代不同的部分以作为该类的模板，在线日志模板提取基于离线提取的结果，对随着时间推移新产生的日志记录逐条进行处理，计算其向量化后的结果与已知各模板向量化后的结果的距离。本发明能够解决现有日志模板提取方法存在的不适合处理大量日志、普适性差、复杂性比较高的技术问题。
-
公开(公告)号：CN110147424B
公开(公告)日：2020-10-27
申请号：CN201910439318.2
申请日：2019-05-21
Applicant: 湖南大学
IPC: G06F16/29 , G06F16/22 , G06F16/242 , G06F16/248
Abstract: 本发明公开了一种Top‑k组合空间关键字查询方法，其目标是找到k个代价最小的查询结果。本发明最终能够返回规模可控的查询结果，为用户提供更多的选择；此外，通过引入参数k，得到k组既满足覆盖所有关键字的要求、同时实现最小代价的结果集合。本发明能够解决现有空间关键字查询方法由于仅仅返回单一的查询结果所导致的用户体验效果差、以及适用性和普及性欠佳的技术问题，以及由于使用索引结构进行对象存储所导致的索引结构更新的时间开销大的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN111309771A
公开(公告)日：2020-06-19
申请号：CN202010115413.X
申请日：2020-02-25
Applicant: 湖南大学
IPC: G06F16/2455 , G06F16/2453
Abstract: 本申请涉及一种不确定数据Top-k范围查询方法、装置、计算机设备和存储介质，针对待查询需求，获取待查询的约束条件参数和数据集，根据自身运行的线程数量，将数据集划分为多个子数据集，针对每个子数据集根据约束条件参数进行剪枝，构建新数据集，针对新数据集中不确定元组对象举行全局Top-k概率计算，基于全局Top-k概率计算结果和约束条件参数中携带的概率阈值，确定查询结果集。整个过程中，采用并行处理的方式提高搜索效率，并且针对数据集进行剪枝，有效缩小查询范围，减少查询过程中不必要的数据处理过程，可以高效实现对不同确定数据Top-k范围查询。
-
公开(公告)号：CN110955527A
公开(公告)日：2020-04-03
申请号：CN201911296949.X
申请日：2019-12-17
Applicant: 湖南大学
IPC: G06F9/50
Abstract: 本发明公开了一种基于CPU核数预测实现并行任务调度的方法，其通过衡量异构处理器的高计算能力和调度算法的执行效果以及处理器负载均衡等各项性能指标，应用天河一号很强计算能力的节点实测所设计的数据预测并行技术和调度算法的性能指标，可以发现计算时间有明显的减少，预测方法并行执行的时间大大缩减，同时算法的执行更为高效，并且该计算方法保持了很好的处理器负载均衡，得到了一个较优的调度执行结果。本发明可以充分利用现有的硬件资源进行计算，并且在操作中证明了基于异构处理器集群情况下的预测方法的执行高效性，以及所使用的调度算法的并行执行的可靠性，同时也很好的保证了处理器间的负载均衡。
-
公开(公告)号：CN110321476A
公开(公告)日：2019-10-11
申请号：CN201910428131.2
申请日：2019-05-21
Applicant: 湖南大学
IPC: G06F16/9535 , G06Q30/06 , G06F16/22 , G06F9/50
Abstract: 本发明提供了一种基于局部敏感哈希的并行矩阵分解计算实现方法。所述方法包括如下步骤：根据评分矩阵计算评分平均值u，随机初始化用户偏执项bu、项目偏执项bi、用户因子pu、项目因子qi及邻域模型因子w和隐式反馈因子c，并分配CPU和GPU的内存空间；将CPU内存数据转移到GPU的全局内存；通过GPU编程语言CUDA分别实现对每个项目的评分计算其哈希值、对多次哈希值都相等的项目两两计算相似度值，计算每个项目的最相似的TOP-K个相似项目及对bu、bi、pu、qi、w和c进行更新；根据所需精度要求确定学习速率以及迭代次数；将GPU全局内存数据转移到CPU内存；处理结果展示。与相关技术相比，本发明的基于局部敏感哈希的并行矩阵分解计算实现方法提高计算效率。
-
公开(公告)号：CN110246549A
公开(公告)日：2019-09-17
申请号：CN201910526239.5
申请日：2019-06-14
Applicant: 湖南大学
IPC: G16C20/10
Abstract: 本申请涉一种多物理耦合应用处理方法、装置、计算机设备和存储介质。方法包括：获取根据待处理多物理耦合应用的离散程度生成的有向无环图；获取输入的化学反应优化算法参数，构建化学反应算法分子并执行化学反应优化算法，获取目标最小时间开销值；根据最小时间开销值对应的化学反应算法分子，确定有向无环图中各独立任务的最优执行序列，根据最优执行序列处理多物理耦合应用。本申请的多物理耦合应用处理方法通过多物理耦合抽象出的有向无环图中来构建化学反应算法分子，并通过化学反应优化算法确定任务以最小时间开销，并确定待处理多物理耦合应用的最优执行序列，从而可以以最高执行效率的方式来进行多物理耦合应用的处理。
-
公开(公告)号：CN102075440B
公开(公告)日：2012-11-28
申请号：CN201110043498.6
申请日：2011-02-23
Applicant: 湖南大学
Abstract: 本发明提供一种服务质量敏感的802.11e多媒体数据分组调度方法，针对802.11e中EDCA机制对多媒体数据调度的不公平问题，结合QoS延时敏感性，实时计算多个媒体业务流中数据分组的紧急度，根据紧急度，调整业务流所对应AC队列的参数，改变AC队列优先级，使紧急业务流有更多机会竞争到信道访问权，从而保证紧急业务流相对于高优先级业务流竞争信道的公平性。实验结果证明，紧急业务流分组调度方案中，紧急业务流的带宽需求得到了保证。
-
-
-
-
-
-
-
-
-
Search Results
166
records
(took 0.04 seconds)
