-
公开(公告)号：CN106874112A
公开(公告)日：2017-06-20
申请号：CN201710034431.3
申请日：2017-01-17
Applicant: 华南理工大学
IPC: G06F9/50
Abstract: 本发明公开了一种结合负载均衡的工作流回填方法，首先，依据计算任务特性，对任务进行划分，可分为CPU资源消耗型或者IO资源消耗型；然后对回填策略进行改进，使回填调度策略以工作流为单位；最后是回填任务的投递，即回填策略在任务选择上的改进，回填的任务选择需要匹配主机负载和任务特性，负载高主机选择IO消耗型，负载低则选择CPU消耗型。本发明方法能够有效地调度任务流，减少任务流的执行时间，同时还能够实现高性能计算系统众多节点的负载均衡。
-
公开(公告)号：CN104090813B
公开(公告)日：2017-04-05
申请号：CN201410294872.3
申请日：2014-06-26
Applicant: 华南理工大学
IPC: G06F9/455
Abstract: 本发明公开了一种云数据中心的虚拟机CPU使用率的分析建模方法，包括以下步骤：1)分析模块构建，主要提出单台虚拟机CPU使用率概率分布的分析方法，以及云数据中心中所有虚拟机CPU使用率期望值概率分布的分析方法；2)建模模块构建，主要利用分析模块对实际环境下虚拟CPU使用率任务日志进行了分析，分析单台虚拟CPU使用率的概率分布情况，以及云数据中心所有虚拟机CPU使用率期望值的分布情况，最后利用分析结果之间的关联性进行任务建模；3)通过步骤1)和2)，即可构建出能够产生实际环境下单台虚拟机CPU使用率的分布，而重复步骤2)即可获取多个虚拟机CPU使用率的分布。本发明可以用于更好地分析云计算中针对能耗的虚拟机融合的优缺点。
-
公开(公告)号：CN105718312A
公开(公告)日：2016-06-29
申请号：CN201610037738.4
申请日：2016-01-20
Applicant: 华南理工大学
CPC classification number: G06F9/4881 , G06F9/5088
Abstract: 本发明公开了一种面向生物基因测序计算任务的多队列回填作业调度方法。针对生物基因测序计算任务的作业负载特性，对现有高性能计算系统作业调度技术的缺点与不足进行了改进，提出一个多对列回填作业调度方法。该方法提供了基于内存资源优化的回填调度，结合内存资源的需求进行作业预约与作业回填，充分利用系统的空闲资源，减少作业等待。在此基础上，提供了多对列负载均衡调度，以多对列的方式进行回填调度并且提供了队列级别的负载均衡，并且提出了动态选择阈值策略与优化迁移策略。多队列回填作业调度能够很好的适用于生物信息高性能计算系统，获得良好的系统性能。
-
公开(公告)号：CN102981890B
公开(公告)日：2015-10-28
申请号：CN201210506689.6
申请日：2012-11-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种在虚拟化数据中心内的计算任务及虚拟机部署方法，在允许物理资源及虚拟资源所提供的服务能力以一定比例适当超出其实际所能提供的服务能力的前提下，优化计算任务的QoS需求以及提高数据中心的资源利用率。本发明的步骤包括三个阶段，将计算任务划分为同构计算任务；对同构计算任务的虚拟资源请求进行建模，按需分配虚拟机；根据上一步骤所需部署的虚拟机的物理资源请求进行建模，按需开启物理主机。本发明可应用于具有不同特征的计算任务，适用于不同类型的数据中心场景，并且在满足QoS需求及提高资源利用率之间存在一个合理的资源服务能力偏转比例临界值。
-
公开(公告)号：CN104992406A
公开(公告)日：2015-10-21
申请号：CN201510332329.2
申请日：2015-06-16
Applicant: 华南理工大学
IPC: G06T3/40
CPC classification number: G06T3/4038
Abstract: 本发明公开了一种不封闭交通的公路桥面图像获取方法，首先，使用定点摄像机按照设定的角度和焦距，来回扫描公路桥面获得图像；其次，通过对获得的图像进行识别和装拼，获得桥面各段不含车辆信息的图像；接着对各段桥面图像做畸变矫正，然后把各段桥面的图像重新拼接，最终形成完整的公路桥面图像。与传统的人工获取公路桥面破损信息方式相比，本发明提供了一种无封闭交通，非接触式快捷高效获取公路桥面病害信息方式，将为实现无需封闭交通而能对桥面进行质量检测，打下关键技术基础。与多功能路面信息采集车相比，本发明有着设备要求低且成本低廉的优势。
-
Patent Agency Ranking
公开(公告)号：CN104134017A
公开(公告)日：2014-11-05
申请号：CN201410344712.5
申请日：2014-07-18
Applicant: 华南理工大学
IPC: G06F19/18
Abstract: 本发明公开了一种基于紧凑特征表示的蛋白质作用关系对抽取方法，包括以下步骤：1)选取所需的语料，语料是以句子为单位，已经有了蛋白质实体的标注及实体关系的标注；2)舍弃步骤1)中不包含蛋白质实体或只包含一个蛋白质实体的句子，得到句子集合sen_set；3)用占位符替换句子中相应的蛋白质实体并进行占位符融合，再进行词性标注和句法分析；4)以每个实体对为单位，获取词、词性、句法和模板的特征；5)对步骤4)中获得的特征进行紧凑化表达的操作；6)利用支持向量机对从步骤4)得到的特征进行训练或者利用已训练的模型进行预测。与传统的基于特征实体关系对抽取方法相比，本发明尽最大努力利用句子中可利用的信息，极大地丰富了特征向量的信息量。
-
公开(公告)号：CN103559175A
公开(公告)日：2014-02-05
申请号：CN201310476384.X
申请日：2013-10-12
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于聚类的垃圾邮件过滤系统及方法，系统包括聚类模块、邮件训练模块、特征库存储模块、邮件过滤模块；方法包括：S1.1、从邮件备份系统获取训练邮件及未标记邮件；S1.2、聚类预处理模块对邮件进行预处理；S1.3、聚类分析模块对预处理后的邮件划分成不同的类簇；S1.4、类簇中心计算模块计算各类簇的向量表达；S1.5、训练模块对各类簇中的已标记邮件进行学习，更新对应类簇的特征库；S2.1、从邮件系统获取需要过滤的邮件；S2.2、邮件类属性判别模块计算出与该邮件内容最接近的类簇；S2.3、邮件特征提取模块对待判别邮件进行特征提取；S2.4、邮件判别模块依据邮件特征及对应的特征库给出判别结果。本发明具有提取速度快、准确度高、效果好的优点。
-
公开(公告)号：CN118865373A
公开(公告)日：2024-10-29
申请号：CN202410815254.2
申请日：2024-06-24
Applicant: 华南理工大学
IPC: G06V20/69 , G06V10/44 , G06V10/774 , G06V10/82 , G06F40/30 , G06N3/0455 , G06T7/00
Abstract: 本发明公开了一种基于多模态增强的骨髓细胞识别系统，包括：细胞图像分割模块，为一种用于对骨髓细胞显微镜图像数据进行分割的改进SAM模型；该模块结合了SAM模型和Adapter块；标签文本改造模块，用于将传统的标签文本转换为粗、细粒度文本特征表示；多模态对齐模块，采用一种改进PMC‑CLIP模型实现对标签文本改造模块输出的粗、细粒度文本特征进行图像‑文本对齐。本发明通过粗粒度+细粒度的文本信息提示，可有效提高细胞个数少的种类以及复杂细胞图像的识别准确率，解决细胞种类不平衡和复杂图像难区分的问题，提高模型的识别准确率。
-
公开(公告)号：CN118708893A
公开(公告)日：2024-09-27
申请号：CN202410206340.3
申请日：2024-02-26
Applicant: 华南理工大学
IPC: G06F18/20 , G06F18/213 , G06N3/042 , G06N3/0455 , G06N3/08 , G06N3/0499 , G06F18/23213
Abstract: 本发明公开了一种深度动态图模型的时空解释特征生成方法，包括：构建并训练深度动态图模型；对空间和时间维度进行解耦，使用层级相关性传播方法获取空间和时间相关性分数，分别从空间和时间两个维度对深度动态图模型的预测进行解释特征生成。在结构维度上，利用空间相关性分数，筛选出对模型预测贡献最大的边和节点；在时间维度上，利用时间相关性分数的得到关键时间点的图快照，然后对这些图快照进行聚类分析，识别出能够代表动态图的某些动态模式。本发明通过识别动态图中的规律与模式，有助于揭示影响模型决策的关键要素，提高模型的解释性。
-
公开(公告)号：CN118470322A
公开(公告)日：2024-08-09
申请号：CN202410647152.4
申请日：2024-05-23
Applicant: 中山市华南理工大学现代产业技术研究院 , 中山依数科技有限公司
IPC: G06V10/26 , G06T7/11 , G06T7/00 , G06V10/762 , G06V20/70 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V20/64 , G06V10/74 , G06V10/80
Abstract: 本发明公开了一种小样本三维医疗影像分割系统，使用预训练模型和3D十字交叉注意力挖掘模块来实现在资源受限情况下的三维医疗影像分割，包括：超体素生成模块、3D预训练特征提取模块、3D双十字交叉注意力挖掘模块和小样本原型学习网络模块。具体来说，本发明基于医学图像的3D预训练特征提取模块作为模型的骨干，解决了模型在小样本情况下无法充分表征的问题，充分利用了医学图像的三维空间信息。在此基础上，本发明设计了3D双十字交叉注意挖掘模块来挖掘支持特征和查询特征之间的全局交叉注意力，从而消除了图像背景信息的干扰，捕捉到了目标类别的细微特征，提高了模型的原型表示能力，取得了优秀的分割效果。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.029 seconds)
