-
公开(公告)号：CN108182115A
公开(公告)日：2018-06-19
申请号：CN201711468879.2
申请日：2017-12-28
Applicant: 福州大学
IPC: G06F9/50
Abstract: 本发明涉及云计算技术领域，特别是一种云环境下的虚拟机负载均衡方法，包括如下步骤：根据云平台的历史任务数据集，构建随机森林回归模型；获取云平台当前的任务集合和虚拟机集合；使用构建的随机森林回归模型，预测云平台当前的任务集合中每个任务的执行时间；根据云平台当前的任务集合中每个任务向云平台请求的CPU使用量、内存使用量、任务数据处理规模以及预测得到的任务执行时间，使用粒子群优化算法，以云平台中虚拟机的负载均衡度为优化目标，获得全局最优的粒子编码；将全局最优粒子编码解码成任务到虚拟机的分配方案并输出。该方法能够在均衡虚拟机资源使用率的同时减少任务总执行时间。
-
公开(公告)号：CN108182109A
公开(公告)日：2018-06-19
申请号：CN201711468801.0
申请日：2017-12-28
Applicant: 福州大学
Abstract: 本发明涉及云计算技术领域，特别是一种云环境下的工作流调度与数据分配方法，包括如下步骤：获取云平台当前的工作流；根据调度模型计算工作流中每个任务的高度，并按照高度升序排列任务；使用粒子群优化算法，以工作流的执行时间以及执行成本为优化目标，获得全局最优的粒子编码；将全局最优的粒子编码解码成工作流调度与数据分配方案并输出。该方法考虑了数据存储，减少了跨节点之间的传输时间，优化了云平台中工作流的任务执行效率和执行成本。
-
公开(公告)号：CN107578136A
公开(公告)日：2018-01-12
申请号：CN201710830381.X
申请日：2017-09-14
Applicant: 福州大学
Abstract: 本发明涉及一种基于随机游走与种子扩展的重叠社区发现方法，运用了随机游走选取种子社区、相似度计算与优化自适应函数社区扩展，实现大规模社交网络上的社区发现，包括以下步骤：1、读取原始数据，获取网络结构及节点近邻信息；2、根据节点的转移概率矩阵、评分矩阵以及节点与社区的相似度，获得种子社区集合Seeds；3、根据社区间相似度优化种子社区集合Seeds；4、根据种子与社区的相似度和自适应fitness函数扩展社区；5、根据节点与社区相似度和社区间相似度处理网络中的自由节点并合并相似社区；6、输出网络重叠社区结构。该方法可以高效、准确得发现重叠社区。
-
公开(公告)号：CN105046708B
公开(公告)日：2017-11-17
申请号：CN201510410621.1
申请日：2015-07-14
Applicant: 福州大学
Abstract: 本发明涉及一种与主观感知相一致的颜色校正客观评估方法，包括以下步骤：步骤S1：读取参考图像和目标图像，使用场景映射算法生成匹配图像作为新的参考图像；步骤S2：使用对比度相似度评估方法对目标图像进行评估获得对比度相似度评估结果CS；步骤S3：使用基于平均值的像素差值评估方法对目标图像进行评估获得差值评估结果DV1；步骤S4：使用融合最大差值的像素差值评估方法对目标图像进行评估获得差值评估结果DV2；步骤S5：使用线性融合模型对评估结果CS、DV1和DV2进行融合获得最终的客观评估得分值V。该方法可有效对图像间颜色一致性进行评估，与用户主观评分之间具有较好的相关性与准确性，可应用于图像拼接和三维图像左右视图颜色一致性评估领域。
-
公开(公告)号：CN107122732A
公开(公告)日：2017-09-01
申请号：CN201710277191.X
申请日：2017-04-25
Applicant: 福州大学
Abstract: 本发明涉及一种监控场景下高鲁棒性的快速车牌定位方法，包括以下步骤：步骤S1：对车牌训练图像进行语义分组，即将车牌图像分为车牌和非车牌两个语义组，并按组将训练图像输入到支持向量机中进行训练；步骤S2：采用基于Epanechikov核密度估计自适应快速车辆检测方法对车辆区域进行快速检测；步骤S3：利用基于AFRD的帧滑动算法对视频帧进行过滤，得到感兴趣的帧图像；步骤S4：对感兴趣帧图像中车辆区域采用形态学、颜色和MSER相结合的方法对车牌进行检测；步骤S5：对步骤S4中得到的候选车牌运用步骤S1中训练好的支持向量机进行二元分类，得到正确的车牌。本发明的定位方法能够改善车牌识别系统在低对比度、低光照等恶劣环境下的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN105678775B
公开(公告)日：2017-03-08
申请号：CN201610017543.3
申请日：2016-01-13
Applicant: 福州大学
Abstract: 本发明涉及一种基于机器学习的颜色校正评估方法，包括以下步骤：S1：输入参考图像和目标图像，目标图像即为失真图像，采用基于图像配准的全参考图像质量评估方法对目标图像进行特征提取，获得特征集F1；S2：采用图像重定向评估方法对目标图像进行特征提取，获得特征集F2；S3：综合特征集F1和F2，将其作为机器学习算法的特征集F，并通过机器学习算法和三等分交叉验证方法学习得出客观评估模型；S4：采用客观评估模型对目标图像进行客观评估，得到最终的目标图像的质量评估得分值。该方法可有效的对图像间颜色一致性进行评估，与用户主观感知之间具有较高的相关性与准确性。
-
公开(公告)号：CN105574885B
公开(公告)日：2017-03-08
申请号：CN201610017544.8
申请日：2016-01-13
Applicant: 福州大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于机器学习并融合视觉特征的全参考图像质量评估方法，包括以下步骤：分别采用客观全参考图像质量评估方法、结合图像显著性分布的客观全参考图像质量评估方法、结合局部图像质量排序的客观全参考图像质量评估方法、结合局部图像质量数据统计的客观全参考图像质量评估方法对目标图像提取特征，获得特征集F1、F2、F3和F4；综合特征集F1、F2、F3和F4，将其作为机器学习算法的特征集T，通过机器学习算法和三等分交叉验证方法学习得出客观评估模型；采用客观评估模型对图像进行质量评估，得到客观全参考图像质量评估得分值。该方法可有效的对全参考图像的质量进行评估，与用户主观评分之间具有较好的相关性与准确性。
-
公开(公告)号：CN105045880A
公开(公告)日：2015-11-11
申请号：CN201510430517.9
申请日：2015-07-22
Applicant: 福州大学
IPC: G06F17/30
CPC classification number: G06F17/30864 , G06F17/30985
Abstract: 本发明涉及一种不同数据源的兴趣点的模糊匹配方法，包括以下步骤：1、分别从两个不同的网站中采集兴趣点数据构成数据集A、B；2、提取名称完全匹配的兴趣点配对形成数据样本，通过数据样本计算平均位置偏差并确定匹配范围；3、分别从数据集A、B中取待匹配点和待匹配集；4、对待匹配点和待匹配集中所有兴趣点的名称进行逐级地址分词，然后通过地址词典过滤名称中的地址信息；5、采用KMP算法对待匹配点和待匹配集中每个兴趣点进行匹配，通过匹配率判断兴趣点是否相同；6、同理，对数据集A中的其他兴趣点，在数据集B中找出与其匹配的兴趣点。该方法有利于精确匹配不同数据源的兴趣点数据，过滤重复的数据。
-
公开(公告)号：CN104123377A
公开(公告)日：2014-10-29
申请号：CN201410368076.X
申请日：2014-07-30
Applicant: 福州大学
IPC: G06F17/30
CPC classification number: G06F17/3089 , G06Q50/01
Abstract: 本发明涉及社交网络技术领域，特别是一种微博话题热度预测系统及方法，所述方法包括如下步骤：首先，根据用户关系及话题因素计算用户影响力；接着根据话题相关的微博和用户影响力，计算话题能量值，量化话题热度；最后结合小波变换与ARIMA回归模型，预测话题热度。所述系统和方法可以实现社交网络热点话题的热度预测，挖掘话题被关注的情况及变化趋势，从海量微博信息中了解并预测出用户所关注话题的热度趋势，并且具有较高的准确度。
-
公开(公告)号：CN103729475A
公开(公告)日：2014-04-16
申请号：CN201410034425.4
申请日：2014-01-24
Applicant: 福州大学
IPC: G06F17/30
Abstract: 本发明涉及社交网络技术领域，特别是一种社交网络中的多标签传播重叠社区发现方法，包括如下步骤：读取社交网络数据，构造以社交网络用户为节点，用户关系为边的社交网络图；根据社交网络图，进行社交网络的初步社区划分，采用综合考虑节点中心度以及标签度分布约束的标签传播方法进行社区发现，获得非重叠社区结构；根据获得的非重叠社区结构以及节点在所属社区的中心度值，标记节点所属的层级；根据节点所属层级，计算不同层级节点之间的标签传播增益，并利用多标签传播进行重叠节点挖掘，得到社交网络的重叠社区结构。该方法可有效挖掘社交网络中的重叠社区结构，有利于提高社区检测的精度和效率，可应用于目标群体挖掘、精确营销等领域。
-
-
-
-
-
-
-
-
-
Search Results
224
records
(took 0.038 seconds)
