-
公开(公告)号：CN107172095B
公开(公告)日：2020-04-28
申请号：CN201710543130.3
申请日：2017-07-05
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于经纬网格的路网环境下用户位置隐私保护方法，属于用户隐私安全领域。该方法采用中心服务器架构，通过经纬网格方法让移动终端对真实位置做网格处理以及对提及到的兴趣点做K‑匿名处理，再将初步处理后的请求数据交给匿名服务器，中心服务引入路网信息，采用ARGA算法生成匿名区，采用基于经典SpaceTwist算法形成的多兴趣点增量查询算法向LBS发起请求，获取详细兴趣信息返回给移动终端。本发明结合经纬网格克服了匿名服务器非可信问题，引入路网信息，增强了特殊路网环境下用户隐私安全。
-
公开(公告)号：CN109614210A
公开(公告)日：2019-04-12
申请号：CN201811430695.1
申请日：2018-11-28
Applicant: 重庆邮电大学
Abstract: 本发明涉及大数据处理领域和能耗领域，特别涉及基于能耗感知的Storm大数据节能调度方法，包括构建改进的基于Storm计算框架的大数据计算能耗模型，并建立任务与计算资源的能耗优先顺序表；提交任务后判断在能耗模型的数据库中是否有该任务相关信息，若有则按照数据库中的能耗优先级为低能耗的进程分配任务；否则将该任务分配到集群中各个节点的各个上；监控每个进程上的能耗信息并写入能耗模型的数据库，根据能耗模型评判该任务的优先级，并更新优先级列表，重新提交该任务；本发明的调度策略算法能够提高大数据程序的运行能效，同时满足服务等级协议并可通过提高数据中心大数据计算的能效将会显著地降低整个数据中心的成本。
-
公开(公告)号：CN107704069A
公开(公告)日：2018-02-16
申请号：CN201710452338.4
申请日：2017-06-15
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于能耗感知的Spark节能调度方法。首先构建Spark计算框架下大数据计算能耗模型，基于该模型建立任务与计算资源的能耗和执行时间关系策略表，通过策略表指导并优化Spark任务调度，在保证并行计算效率的前提下有效降低计算总能耗。本发明解决了Spark原有调度策略无法感知能耗的缺陷，该方法具有能耗感知，动态优化调度和高可扩展的特点，有效降低运行在Spark计算框架下的应用程序产生的能耗。
-
公开(公告)号：CN107229752A
公开(公告)日：2017-10-03
申请号：CN201710511816.4
申请日：2017-06-27
Applicant: 重庆邮电大学
IPC: G06F17/30
CPC classification number: G06F16/2465 , G06F16/24568
Abstract: 本发明涉及一种基于嵌套时间窗口的流式数据频繁项集挖掘算法，属于数据流挖掘领域。该算法具体为：首先使用外嵌时间窗口筛选出近期的数据，并将窗口中的所有事务数据映射到时间轴上，然后根据每个数据项的留存因子和期望窗口值来自适应的调整内嵌时间窗口大小，最后利用经典的Eclat算法进行数据挖掘。该算法能够快速有效地提取数据流中近期的主要频繁项集，并且在时间空间复杂度上有一定的提升；具有很强的可扩展性和适应性。
-
公开(公告)号：CN119806416A
公开(公告)日：2025-04-11
申请号：CN202411886083.9
申请日：2024-12-20
Applicant: 重庆邮电大学
IPC: G06F3/06
Abstract: 本发明公开了一种提高ZNS固态硬盘空间利用率的动态映射策略,它包括以下步骤:1、按需分配Strip条带。在负载运行时根据不同大小的SST/WAL文件,为一个逻辑Zone动态分配不同数量的Strip条带；2、一个Zone只存一个文件。为每个SST/WAL文件分配一个新的空逻辑Zone,保证一个Zone内只存放一个SST/WAL文件；3、提供无限逻辑Zone号。设备为上层应用提供无限的逻辑Zone号以充分利用设备内资源；4、文件失效即复位Zone。当一个SST/WAL文件失效时,上层应用直接向该Zone发送复位命令,快速回收Zone空间。本发明能较好解决ZNS SSD上LSM树存储的空间放大和数据迁移问题,能显著提高空间利用率,消除数据迁移开销,进而提升整体I/O性能。
-
Patent Agency Ranking
公开(公告)号：CN119473691A
公开(公告)日：2025-02-18
申请号：CN202411712477.2
申请日：2024-11-27
Applicant: 重庆邮电大学
IPC: G06F11/07 , G06F18/2415 , G06N3/088 , G06F18/25 , G06N3/045 , G06N5/04 , G06F17/16 , G06N3/048 , G06F18/2135 , G06F18/22
Abstract: 本发明涉及一种基于多模态数据的无监督微服务系统故障定位方法，属于服务计算领域；该方法包括以下步骤：S1：构建一个无监督微服务系统故障定位框架模型，模型划分为离线训练阶段与在线故障定位阶段；S2：离线阶段，利用无故障阶段收集微服务系统数据等进行预处理，对模型进行预训练，得到包含自注意力的自编码器模型；S3：在线故障定位阶段中，获取异常发生前t时间窗口内的数据，输入到模型进行推理，通过对比模型的输出和输入的差异进行数据分层，分离出疑似故障数据；S4：在分层出的故障数据中，构建加权状态转移概率矩阵进行最终的故障定位。本发明基于多模态数据和数据分层思想能保证在构建状态转移概率矩阵保持可靠性和定位的准确度。
-
公开(公告)号：CN116113077B
公开(公告)日：2024-05-07
申请号：CN202310106384.4
申请日：2023-02-13
Applicant: 重庆邮电大学
IPC: H04W84/04 , H04W72/1273 , H04W72/12 , H04W72/23
Abstract: 本发明涉及蜂窝网络通信技术边缘计算领域，尤其涉及一种基于5G CPE下行分流技术的专网高可用组网方法，包括将5G融合网络分流器接入本地网络，即专网4G/5G基站、本地企业服务器分别与5G融合网络分流器串联；在本地企业网部署端网络设备5G CPE，端网络设备5G CPE通过有线方式接入5G融合网络分流器，通过空口接入专网4G/5G基站；为端网络设备5G CPE配置固定的蜂窝移动网络的IP地址，将用户终端的目标IP地址设置为端网络设备5GCPE的IP地址，并通过5G融合网络分流器将该IP地址映射到本地企业服务器；本发明保证业务的稳定运行，降低物理专线成本，实现专网下业务不间断的高可用数据传输。
-
公开(公告)号：CN117978660A
公开(公告)日：2024-05-03
申请号：CN202311776817.3
申请日：2023-12-21
Applicant: 重庆邮电大学
IPC: H04L41/0897 , H04L41/149 , H04L41/16 , H04L43/0852 , G06N3/042 , G06N3/08 , G06F17/16 , G06F17/14
Abstract: 本发明公开了一种基于时延预测的微服务弹性伸缩方法及系统，属于微服务技术领域。所述方法包括获取一定时间长度的集群数据；将微服务调用实例构建出有向图，将有向图的邻接矩阵进行变换，得到拉普拉斯矩阵，将微服务调用实例的负载信息进行处理，得到特征张量；将拉普拉斯矩阵和特征张量输入到训练后的基于注意力机制的时空卷积图神经网络中，输出微服务调用节点的预测时延；将所述微服务调用节点的预测时延进行处理，采用基于排队论的上置信界算法搜索得到所述微服务调用节点的最佳伸缩配置。本发明为容器云环境下的微服务提供QoS感知能力，对动态变化的容器云环境进行微服务自适应伸缩，最终保障了QoS的稳定并减少了资源消耗。
-
公开(公告)号：CN117896781A
公开(公告)日：2024-04-16
申请号：CN202311712135.6
申请日：2023-12-13
Applicant: 重庆邮电大学
IPC: H04W28/084 , G06F9/48 , G06F9/50 , G06F12/123 , G06N3/006
Abstract: 本发明属于移动边缘计算领域，具体涉及一种面向移动边缘计算的AR应用计算卸载策略，该策略包括：1)构建一个协同缓存计算卸载系统，并根据AR应用在执行时各个组件的内部子任务及其相互依赖关系，将AR任务抽象成DAG(Directed Acyclic Graph，有向无环图)任务流；2)AR设备将其当前任务的DAG信息发送给协同缓存计算卸载系统的前置边缘计算节点，前置边缘计算节点提取AR任务信息，并采用TurbolSO算法对该任务进行分解，分别得到公共子图和剩余子图任务集合；3)分别将公共子图任务集合与剩余子图任务集合卸载到各边缘计算节点的任务队列；4)各边缘计算节点按照队列调度执行各卸载任务，对于公共子图任务，缓存其结果到边缘计算节点的协同缓存，对于剩余子图任务，根据与公共子图任务的关联性访问协同缓存；本发明能够在边缘计算场景下有效降低AR应用程序的DAG任务流的调度和卸载成本，使得时间消耗达到最优。
-
公开(公告)号：CN117893458A
公开(公告)日：2024-04-16
申请号：CN202211218899.5
申请日：2022-10-07
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机视觉的医学图像处理领域，具体涉及一种基于跨层双线性特征融合的视网膜血栓检测方法，该方法包括：获取人体视网膜图像数据以及医学检测数据，将视网膜图像进行预处理，然后将图像数据与医学检测数据输入到改进的跨层双线性特征融合模型中，得到血栓检测结果；其中，所述的跨层双线性特征融合模型包括：将原始的线性ResNet结构重构成并行的双线性模型，以更好地提取更细粒度的特征。考虑到层间特征的交互，按照多模态融合时间分界提取出三组特征，进行双线性池化得到三组双线性特征，进行级联并输入softmax分类。通过使用跨层双线性特征融合模型检测血栓，较原始的ResNet模型取得良好效果，能在实际应用中为医疗资源相对紧张的地区的患者提供高效、便捷的检测服务，简化患者检测流程，降低就医成本，同时减少医务人员工作量，提高血栓检测效率。
-
-
-
-
-
-
-
-
-
Search Results
147
records
(took 0.019 seconds)
