-
公开(公告)号：CN110070613A
公开(公告)日：2019-07-30
申请号：CN201910342759.0
申请日：2019-04-26
Applicant: 东北大学
Abstract: 本发明提供一种基于模型压缩和异步加载的大型三维场景网页展示方法，涉及计算机图形学技术领域。本发明步骤如下：步骤1：获取待重建场景的二维图片，利用三维重建技术生成待重建场景的三维模型；步骤2：根据三维模型将模型中的点云空间划分小立方体，并利用八叉树形成结构化的数据；步骤3：计算八叉树模型的节点大小和深度；步骤4：构建八叉树模型；步骤5：在服务器端对用户请求的八叉树模型进行压缩，通过网络传输到浏览器进行渲染显示；步骤6：根据层次细节技术在网页上动态加载八叉树模型的节点，同时对节点进行渲染，最终得到待重建场景的三维场景图。该方法保证了网页模型展示中模型渲染的实时性，大大缩短了用户的等待时间。
-
公开(公告)号：CN110069790A
公开(公告)日：2019-07-30
申请号：CN201910387882.4
申请日：2019-05-10
Applicant: 东北大学
Abstract: 本发明提供一种通过译文回译对照原文的机器翻译系统及方法，涉及自然语言处理与机器翻译技术领域。本发明步骤如下：步骤1：获取需要翻译的源语言句子数据集，所述训练集中的数据为经过人为添加标签序列的源语言句子；步骤2：建立译文回译神经网络模型；通过最小化损失函数的值来调节译文回译神经网络模型参数；步骤3：将验证集中的源语言句子E作为译文回译神经网络模型的输入，输出句子D。该方法可以降低损失的方式，进一步提高机器翻译的准确度，进一步降低语言在翻译过程中信息的扭曲或丢失。
-
公开(公告)号：CN104581633B
公开(公告)日：2017-12-01
申请号：CN201410855423.1
申请日：2014-12-31
Applicant: 东北大学
Abstract: 本发明涉及支持隐私保护的障碍空间内的区域最近邻查询系统及方法，本发明提出一种QO‑tree索引结构，该方法为当用户提交用户自身的准确位置发送至可信服务器时，可信服务器将用户自身的准确位置处理为包含用户位置的矩形区域R，并发送至LBS服务器，LBS服务器将实际地图中的查询目标建筑物抽象为数据点，将障碍建筑物抽象为障碍物线段，并基于障碍物线段构建QO‑tree索引结构，对于包含用户准确位置的矩形区域R利用QO‑tree索引结构，进行障碍空间最近邻查询，并发送给可信服务器，可信服务器根据LBS服务器返回的查询结果和用户自身的准确位置，计算出查询结果中距离用户最近的数据点，并利用移动终端反馈给用户。
-
公开(公告)号：CN119884754A
公开(公告)日：2025-04-25
申请号：CN202510075096.6
申请日：2025-01-17
Applicant: 东北大学
IPC: G06F18/214 , G06F18/10 , G06F18/22 , G06N3/0895 , G06N3/045
Abstract: 本发明提供一种针对多模态场景下预训练模型投毒攻击的高效防御方法，涉及深度学习模型投毒攻击的防御技术领域。该方法涉及三个阶段：第一阶段为模型训练前，清洗过滤训练集中中毒数据；第二阶段为模型训练中，利用随机文本池进行进一步去毒；第三阶段为模型训练后，引入干净数据进行模型微调；该方法第一阶段能过滤掉训练数据集中50％的中毒样本；第二阶段利用高效随机文本池在预训练过程中去毒，可以更进一步去除训练集中的毒化样本，并提升整体的训练效率；第三阶段通过后置微调去毒，可以进一步弥补随机文本池对训练模型准确率的影响，同时引入外部干净数据，使去毒效果进一步提升。
-
公开(公告)号：CN119814781A
公开(公告)日：2025-04-11
申请号：CN202411877483.3
申请日：2024-12-19
Applicant: 东北大学
IPC: H04L67/10 , H04L41/0668 , H04L43/10
Abstract: 本发明提供了一种云边端环境上基于Paxos协议的高可扩展共识方法，属于分布式计算、边缘计算和云计算技术领域。该方法将分布式共识系统的节点层次划分为上层和下层；并计算上层节点的权重；修改EPaxos协议的仲裁集计算方法使分布式共识系统保持高可用性和高性能；采用基于延迟批提交的优化策略来优化EPaxos协议的提交策略；基于EPaxos协议的提案复制和领导者切换机制保证分布式共识系统的高可用性和稳定性；根据节点的实时状态和历史表现动态调整上层节点的权重分配，使分布式共识系统能够适应网络环境的变化和节点故障；通过优化提案提交策略提高分布式共识系统吞吐量和共识成功率。
-
Patent Agency Ranking
公开(公告)号：CN114510581B
公开(公告)日：2025-04-01
申请号：CN202210141390.9
申请日：2022-02-16
Applicant: 东北大学
IPC: G06F16/36 , G06F40/30 , G06F40/205 , G06F16/31
Abstract: 本发明提供了一种条件知识图谱的表示和构建方法，涉及工业制造领域；首先提出了一种新型的条件知识图谱表示方法即嵌套三元组表示。其次，本发明设计了一种新型的抽取策略，利用一个文本层次解析模块来抽取事实与条件之间的语义关系；再用三元组抽取模块实现三元组的抽取。此外，本发明设计了相应的物理存储和查询方案对条件知识进行管理，方便下游应用。本发明很好的解决了传统的知识图谱丢失重要的条件约束信息，现有的条件知识图谱忽略了事实三元组与条件三元组之间的语义关系以及条件三元组之间的逻辑关系的问题。
-
公开(公告)号：CN117909416A
公开(公告)日：2024-04-19
申请号：CN202410098314.3
申请日：2024-01-24
Applicant: 东北大学
Abstract: 本发明提供面向分布式数据库的自调节分区键推荐系统及方法，涉及分布式关系型数据库技术领域。该系统包括：工作负载预测模块用于获取历史工作负载预测并预测未来工作负载，判断未来工作负载的特征是否发生变化；数据监测模块用于计算并监测每次事务执行完毕后数据库系统中各个表的大小降序排序是否发生变化以及各个表的相对大小权重是否超过预设值；代价估计模块用于根据基于决策树的XGBoost模型构建的预测模型来估计在数据分区方式下SQL查询语句的执行时间；分区键推荐模块用于根据未来工作负载为数据库管理系统中的每张表确定对应的分区方案，重新部署数据库管理系统中的数据；提高了分布式数据库管理系统的全局性能。
-
公开(公告)号：CN117874030A
公开(公告)日：2024-04-12
申请号：CN202410046508.9
申请日：2024-01-12
Applicant: 东北大学
IPC: G06F16/22 , G06F16/242 , G06F8/41 , G06F16/2453 , G06N3/0499
Abstract: 本发明提供一种基于工作负载压缩的智能数据库索引调优系统，涉及数据库索引技术领域。该系统包括工作负载压缩模块和索引调优模块；工作负载压缩模块在用于索引调优的输入工作负载中找到一个更小的查询子集，实现工作负载压缩；索引调优模块由查询分析模块、候选索引生成模块与索引选择模块三个子模块构成；查询分析模块对查询日志中的每一条查询进行解析，获取到相应查询上的投影、选择与排序操作使用到的字段组合；候选索引生成模块基于查询分析模块产生的字段组合生成候选索引；索引选择模块从候选索引中选择一组索引总大小不超过用户给定空间阈值的索引集合。该系统能够根据不同工作负载调整索引选择策略。
-
公开(公告)号：CN112650770B
公开(公告)日：2023-08-01
申请号：CN202011637925.9
申请日：2020-12-31
Applicant: 东北大学
IPC: G06F16/242 , G06F16/28 , G06F18/2415 , G06N3/047 , G06N3/086
Abstract: 本发明提供一种基于query workload分析的MySQL参数推荐方法，首先收集不同query workload下的样本，并筛选出与待确定query workload相匹配的样本，构成匹配样本集，然后构建贝叶斯神经网络模型，利用参数最优的贝叶斯神经网络模型对数据库参数进行吞吐量的预测，得到吞吐量的预测值，最后根据吞吐量的预测值随机生成h组数据库参数，利用参数最优的贝叶斯神经网络模型对h组数据库参数进行预测，经过遗传算法的w次迭代，将最优值对应的一组数据库参数作为待确定query workload的数据库参数，本发明可以对query workload的相关信息进行有效分析，在多query workload的训练样本集中进行数据匹配，可以适应多种环境的参数推荐任务，在未收集过训练样本的query workload上也能推荐出优秀的数据库参数。
-
公开(公告)号：CN113157814B
公开(公告)日：2023-07-18
申请号：CN202110127114.2
申请日：2021-01-29
Applicant: 东北大学
IPC: G06F16/28 , G06F16/22 , G06F16/2458 , G06F9/50 , G06N3/044 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种关系数据库下查询驱动的智能工作负载分析方法，涉及数据库技术领域。本发明通过采集数据库中和workload相关的信息，包括物理特征、逻辑特征以及查询到达率三个方面的特征。首先物理特征是采集DBMS执行查询是使用的资源量和其他的运行指标，逻辑特征则是基于查询日志，对查询日志进行相关分析，得到的该workload的逻辑结构上的信息，通过将SQL解析成语法树，同时将语法树经过一些设计的规则转化成词向量，将这些向量作为表征workload的逻辑特征；最后基于查询日志，将查询日志进行模板化，计算时间间隔内模板到达率，通过机器学习模型学习出一种workload的精确表示。最后基于workload的精确表示进行相关的匹配算法，从而识别未知workload的类别，进行更好的参数配置。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.023 seconds)
