-
公开(公告)号：CN116860392A
公开(公告)日：2023-10-10
申请号：CN202310815034.5
申请日：2023-07-05
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于综合利用率的数据中心容器迁移方法。首先，搭建容器迁移场景，初始化物理机与容器状态；获取所有物理机的各类资源利用率；按照特定的比例计算出该物理机的资源综合利用率，并以此确定该物理机的状态；计算出每一个容器在其物理机上的所对应的综合资源相关度；将过载主机上的容器按此排序逐一放入待迁移列表，直至该主机的综合资源利用率降为正常；建立容器迁移优化模型；使用改进后的蜉蝣算法进行容器迁移模型的求解，并进行迁移；将仍然处于欠载状态的物理机上的容器逐一迁入拥有剩余资源且能容纳其的物理机上；本发明可以使得数据中心的物理机的负载更为均衡、能量消耗更小。
-
公开(公告)号：CN116489039A
公开(公告)日：2023-07-25
申请号：CN202310401557.5
申请日：2023-04-16
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于机器学习的云资源预测方法，包括5个步骤：步骤S1.数据归一化；步骤S2.使用WGAN‑GP训练数据；步骤S3.利用BIGRU网络提取信息；步骤S4.计算相似度；步骤S5.预测方法；对数据进行预测，通过上述相似度的度量，集中各模型的预测更加贴合真实值，提高模型的预测性能。借鉴已有GAN技术，提出在云计算资源的预测研究中使用生成对抗网络对云资源数据进行学习扩充，针对传统循环神经网络无法全面利用数据时间相关信息这一局限性，使用双向门控循环单元网络作为预测模型，有效地学习原始样本的数据分布规律，并生成与原始样本高度相似的较高质量的新数据，从而弥补数据匮乏导致预测精度低的缺陷，提高模型预测性能。
-
公开(公告)号：CN115659604A
公开(公告)日：2023-01-31
申请号：CN202211222814.0
申请日：2022-10-08
Applicant: 桂林理工大学
IPC: G06F30/20 , G06Q10/0631 , G06Q10/083 , G06F119/02
Abstract: 本发明公开了一种考虑多行程的一车两挂甩挂接驳运输方法。包括问题分析模块、状态变量模块、基于状态的混合整数规划模型模块、验证模块。通过引入多种状态变量，对挂车类型和数量进行刻画，解决多行程的构建问题，并基于状态变量构建非线性混合整数规划模型。针对非线性模型无法被直接求解的问题，对模型进行线性化处理，构建线性混合整数规划模型进行求解。该方法对于牵引车的挂车数量及执行运输任务的行程进行优化，提高集装箱甩挂接驳运输效率，降低运输成本。
-
公开(公告)号：CN115292385A
公开(公告)日：2022-11-04
申请号：CN202210940841.5
申请日：2022-08-07
Applicant: 桂林理工大学
IPC: G06F16/2458 , G06F16/26 , G06Q30/06
Abstract: 本发明公开了一种基于LOF算法的个性化定制订单异常检测系统，采用两道筛选机制，实现更为智能化的订单异常检测机制；通过对个性化订单的向量编码，依据订单之间的相似度矩阵，以满足智能化筛选机制，将与类群不相似的订单抛出；本发明所述个性化定制订单的异常检测系统拥有较强的安全性能，同时能够完成订单的智能化并抛出异常。在订单的异常筛选机制中，不满足生产条件的订单也可识别出。可广泛应用于定制行业，满足消费者定制需求，同时也能够为生产者的生产效力赋能。本发明能够有效地分辨出异常订单，同时可在各类定制服务行业广泛应用，进而满足用户所提交的消费者订单与生产者之间的统一协调。
-
公开(公告)号：CN115223731A
公开(公告)日：2022-10-21
申请号：CN202210837179.0
申请日：2022-07-15
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于DS证据理论的药物相互作用预测方法。首先获取药物的多模态数据构建药物相互作用数据集；然后提取药物的多模态特征作为深度神经网络的输入，构建多模态的药物相互作用的预测模型并对预测模型进行训练；然后利用训练后的预测模型进行药物相互作用的预测。预测模型使用Dirichlet分布计算分类概率和不确定性值并通过Dempster‑Shafer证据理论融合得到基于多模态的预测结果和整体的不确定性值。与现有预测方法相比，本发明使用了多模态的药物数据不仅具有较低的预测误差，而且还能提供有意义的不确定性信息用于指导多模态预测融合和表达预测的置信度，具有更高的可靠性和稳健性。
-
Patent Agency Ranking
公开(公告)号：CN115063075A
公开(公告)日：2022-09-16
申请号：CN202210694003.4
申请日：2022-06-20
Applicant: 桂林理工大学
Abstract: 本发明公开了一种OPM原材料采购时机推荐方法。首先，获取产品零部件的历史价格和用户定制产品订单所需的对应零部件个数与种类，分别建立ARIMA预测模型和Holt‑Winters模型，基于熵权法确定两种预测模型的权系数，建立组合模型预测未来零部件的价格，获得产品所需的总价格的预测序列，根据预测价格和零部件选购、运输、组装周期及客户预定交货时间确定最佳购入零部件时间。本发明所提供的一种OPM原材料采购时机推荐方法，此方法能有效提高预测模型的预测精度，能够对产品零部件选购时期进行指导，能有效降低生产成本，提高企业利润。
-
公开(公告)号：CN114997800A
公开(公告)日：2022-09-02
申请号：CN202210787267.4
申请日：2022-07-04
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于卷积神经网络的人脸识别智能签收系统。包括前端模块和后端模块。其中，前端模块包括：操作界面子模块、服务器子模块；后端模块包括：数据存储子模块、数据管理子模块、人脸识别子模块、物流签收子模块。针对传统物流行业的用户身份认证很容易被伪造的问题，本发明使用了一种深度可分离的卷积神经网络将人脸识别技术融入物流签收环节，可有效提升人脸识别智能签收系统的人脸识别准确度并减少取件时间，可有效提升物流签收的工作效率，支持人脸一键扫描取走包裹，可防止别人拿错包裹，有效防范风险，保证包裹的安全性。本发明可广泛应用于物流签收领域，可满足安全且快速的人脸识别取件的业务需求。
-
公开(公告)号：CN114862512A
公开(公告)日：2022-08-05
申请号：CN202210484028.1
申请日：2022-05-05
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于OPM模式的电子产品个性化定制系统。包括前台模块、后台模块和系统模块。前台模块主要为客户提供电子产品在线可视化交互；后台模块主要通过各种工具及算法实现本系统的核心功能；系统模块负责本系统的底层设施构建，制造业数据接入以及和现有企业系统的集成。本发明所述电子产品个性化定制系统能精准命中客户的需求痛点，满足客户的个性化定制需求；能将底层工厂的电子产品生产数据接入系统，并通过在线可视化技术将工厂电子产品的生产、装配流程及其3D可视化等信息生动具体地呈现给客户；能集成现有企业系统，实现企业相关人员对电子产品从定制到生产再到交付的整个流程的精准可控。
-
公开(公告)号：CN114819092A
公开(公告)日：2022-07-29
申请号：CN202210495490.1
申请日：2022-05-08
Applicant: 桂林理工大学
Abstract: 本发明提供一种基于概率神经网络的传感器故障诊断方法，包括以下步骤：S1.原始数据采集，采集传感器收集到的数据，用于神经网络训练集的建立；S2.构建诊断模型，构建一个4层的神经网络模型，用于采样值的预估，神经网络模型包含输入层、模式层、求和层、输出层；S3.实验数据比对，比对实验数据，判断是否发出警报；S4.故障诊断预警，根据估计值与测量值的误差大小判断是否发出警报。本发明所提供的一种基于概率神经网络的传感器故障诊断方法，方法采用大规模并行模拟处理和连续时间动力学等技术，相对于传统复杂耗时的故障诊断方法，减少了能量消耗，更加稳定。
-
公开(公告)号：CN114237884A
公开(公告)日：2022-03-25
申请号：CN202111506847.3
申请日：2021-12-10
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于灰色马尔科夫链的云计算数据中心能耗优化方法。首先，获取云计算中心一周内的主机历史数据，通过获取的主机历史数据建立灰色预测模型，对主机未来时段的CPU负载数据进行预测，然后使用马尔科夫链对预测结果进行修正从而获得精度更高的预测结果。以修正过后的预测数据作为基准数据，选出负载过高的目标迁出主机，对这些主机实施主机迁出算法，使得各主机负载平衡，从而防止高负载主机所导致的能耗激增现象。本发明所提供的一种基于灰色马尔科夫链的云计算数据中心能耗优化方法，具有可以提高各主机的服务质量、降低云计算数据中心的能耗、降低二氧化碳排放量和节约大量能源等有益优点。
-
-
-
-
-
-
-
-
-
Search Results
154
records
(took 0.026 seconds)
