公开(公告)号：CN116382691A

公开(公告)日：2023-07-04

申请号：CN202310414722.0

申请日：2023-04-18

Applicant: 浙江大学

Inventor： 李莹 ,  张心怡 ,  邓水光 ,  尹建伟

IPC: G06F8/38 ,  G06F8/36 ,  G06F11/36

Abstract: 本发明公开了一种前端控件库展示代码生成方法，采用代码分析的方式检测出控件库中控件存在的可能存在的无用的属性与事件声明以供优化，并将其余的属性与事件信息结合模板生成的方式，自动化完成控件库的展示代码，对控件的内部属性设置及其对应的视觉效果进行展示，以供测试人员进行测试。利用本发明，不需要文档与人工信息，而是通过代码分析的方法自动检测代码中出现的可能无效代码以供进一步优化，并抽取待展示控件其他的属性与事件等信息，结合预定义的模板代码，生成控件展示代码，从而加速对控件功能的测试。

公开(公告)号：CN116319506A

公开(公告)日：2023-06-23

申请号：CN202310177931.8

申请日：2023-02-28

Applicant: 浙江大学

Inventor： 尹建伟 ,  唐天舒 ,  赵新奎 ,  庞盛业

IPC: H04L45/00 ,  H04L45/44 ,  H04L12/44 ,  H04L43/0852 ,  H04L67/1001 ,  H04L12/18

Abstract: 本发明公开了一种大规模服务网络场景下的服务路由性能优化方法，包括：构建基于以服务路由节点为骨干节点、向外拓展服务交换节点的树状网络，并将服务信息存储在与服务提供者相连接的服务交换节点处；根据所述树状网络中服务路由节点的服务路由数据平均字节数量，和网络宽带上限，构建基于节点负载水平的负载性能指标；根据所述树状网络中服务路由节点的路由路径延迟，构建节点网络延时的延时性能指标；采用多目标遗传算法对负载性能指标和时性能指标进行优化，并将优化结果输出至各服务路由节点对应的控制器节点，所述控制器节点根据输入的优化结果对所在最小生成树组播网络进行路由策略的调整。本发明提供的方法能够有效提升服务路由性能。

公开(公告)号：CN116192935A

公开(公告)日：2023-05-30

申请号：CN202211693001.X

申请日：2022-12-28

Applicant: 浙江大学德清先进技术与产业研究院

Inventor： 尚永衡 ,  尹建伟 ,  沈正伟

IPC: H04L67/51 ,  H04L67/02 ,  H04L69/16

Abstract: 本发明公开了一种用于遥感大数据共享的服务包装方法。它基于web和okapi技术实现服务的包装，通过服务的包装就可以把遥感源数据、产品数据、算法模型等进行包装，形成可以通过网络，以服务形式进行共享。该技术可以作为一个有效的数字资产控制手段，实现共享者数字资产的保护，同时每次遥感大数据的共享，都相当于对服务的一次调用，可以为后续的交易提供支撑，为建立有效的遥感大数据交易提体系提供支撑。

公开(公告)号：CN111310798B

公开(公告)日：2023-05-16

申请号：CN202010063066.0

申请日：2020-01-19

Applicant: 浙江大学

Inventor： 苏鸽 ,  尹建伟 ,  林博 ,  罗巍

IPC: G06V10/80 ,  G06V40/16 ,  G06N20/00

Abstract: 本发明公开了一种基于几何特征和纹理特征的脸部运动迟缓的检测模型的构建方法，其中构建的基于面部表情特征的检测模型可用于检测与帕金森相关的运动迟缓症状。面部表情特征包括几何特征和纹理特征。几何特征定义了FEF(面部表情因子)和FECF(面部表情改变因子)以量化静态图像的面部表情。然而，这些几何特征只涉及空间信息，其中，SEM面部特征是借鉴普氏分析来构造的。而纹理特征使用扩展的HOG算法来提取在短时间内的动态表情变化。纹理特征结合了空间维度和时间维度，从而弥补了几何特征的缺点。最后，使用五种监督式机器学习方法构建基于面部表情特征的检测模型。实验结果表明，该系统的F1指数最高可达94.46％。

公开(公告)号：CN116048802A

公开(公告)日：2023-05-02

申请号：CN202310055908.1

申请日：2023-01-16

Applicant: 浙江大学

Inventor： 尹建伟 ,  陈振乾 ,  赵新奎 ,  智晨

IPC: G06F9/50 ,  G06F9/48 ,  G06F18/214

Abstract: 本发明公开了一种训练推理一体深度学习的GPU集群调度方法，能够实现推理的在线业务和训练的离线业务混合部署，在保障推理任务服务质量的前提下，提高集群资源利用率，降低训练任务训练开销。本发明充分考虑到训‑推任务混部调度下的挑战，使用低复杂度的背包算法建模和调度训练任务，省去了遗传算法在大规模集群和负载情况下的高调度开销；实现推理调度算法管理训练推理集群计算资源，降低训‑推集群资源借出与回收阶段对训练、推理任务的影响；引入自适应弹性训练，在快速弹性训练的基础上，引入超参数优化环节，在额外开销可以忽略不计的情况下，降低训练任务总体执行时间。

公开(公告)号：CN113239022B

公开(公告)日：2023-04-07

申请号：CN202110419669.4

申请日：2021-04-19

Applicant: 浙江大学

Inventor： 苗晓晔 ,  吴洋洋 ,  朋环环 ,  茹钟莹 ,  尹建伟

IPC: G06F16/215 ,  G16H70/00 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094

Abstract: 本发明公开了一种医疗诊断缺失数据的补全方法及补全装置、电子设备、介质，该方法包括：获取存在数据缺失问题的医疗诊断数据集；将所述原始数据随机划分成初始样本点数据和候选样本点数据，并利用所述初始样本点数据，构建并训练生成对抗网络初始补全模型；利用影响函数估计出样本点对生成对抗网络初始补全模型参数和对生成对抗网络初始补全模型预测结果的影响力；利用二分搜索算法采样所述候选样本点数据中最具影响力的样本点，进一步迭代优化所述生成对抗网络初始补全模型，实现医疗诊断缺失数据补全。本发明针对在医疗诊断数据中存在的数据缺失和数据规模大等问题，提出补全方法，拥有补全效果好、效率高、可扩展性强等优点。

公开(公告)号：CN115373738A

公开(公告)日：2022-11-22

申请号：CN202210871381.5

申请日：2022-07-22

Applicant: 浙江大学滨江研究院

Inventor： 潘晓华 ,  王楦烨 ,  苏蒙蒙 ,  沈诗婧 ,  尹建伟

IPC: G06F8/75 ,  G06F16/33 ,  G06F16/338

Abstract: 本发明公开了一种基于特征融合的算法血缘管理方法，包括：步骤1、获取算法信息与对应的源码数据，对所述源码数据进行解析，获得控制流图与控制流图中节点信息对应的抽象语法树；步骤2、获取源码数据在控制流图中对应的节点信息，计算获得节点嵌入向量；步骤3、获取源码数据在抽象语法树中对应的序列标识符，计算获得词嵌入向量；步骤4、对节点嵌入向量和词嵌入向量进行融合，获得对应的融合特征向量；步骤5、根据算法信息和融合特征向量，对融合特征向量进行可视化分析，获得算法血缘图谱。本发明还提供了一种算法血缘管理装置。本发明提供的方法通过融合算法的多维特征，从而解决算法来源难以追溯，难以管理的问题。

公开(公告)号：CN115361453A

公开(公告)日：2022-11-18

申请号：CN202210994286.4

申请日：2022-08-17

Applicant: 浙江大学中原研究院

Inventor： 邓水光 ,  张城 ,  尹建伟

IPC: H04L67/63 ,  H04L67/1004 ,  H04L41/0823 ,  H04L41/16

Abstract: 本发明公开了一种面向边缘服务网络的负载公平卸载与迁移方法，以边缘系统执行的所有用户任务的效用函数帕累托最优为优化目标，这种方法不仅兼顾了边缘网络资源的约束，也同样保障了系统中所有用户任务的效用函数的最大化，对提升多用户竞争下的任务效用质量提出来一种新的量化衡量指标。此外，本发明采用了图神经网络与强化学习算法对最终优化目标求解，这种算法执行效率高，返回的近似结果较为准确，特别适合于多用户复杂任务的下的边缘网络系统的场景，使得在多用户任务竞争网络资源的时候，边缘计算网络系统可以高效的得出多用户效用函数帕累托最优的结果，大大提高了边缘网络环境的服务质量和用户体验。

公开(公告)号：CN111581189B

公开(公告)日：2022-11-08

申请号：CN202010226776.0

申请日：2020-03-27

Applicant: 浙江大学

Inventor： 苗晓晔 ,  吴洋洋 ,  朋环环 ,  尹建伟

IPC: G06F16/215 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种空气质量检测数据缺失的补全方法及补全装置，该方法包括：获取存在数据缺失问题的原始数据，其中，所述原始数据为存在数据缺失的空气质量检测数据集；根据所获取的原始数据，分别构建基于变分自编码器的生成器模型和构建特征判别器模型；将构建好的基于变分自编码器的生成器模型和特征判别器模型进行结合，利用原始数据对结合后的模型进行优化训练，并通过生成器模型中变分自编码器的重构矩阵对输入原始数据进行数据补全，得到完整数据。本发明针对在数据缺失中存在的数据缺失情况多样化的问题，提出了一种高效且鲁棒的数据补全方法，拥有补全效果好、效率高、鲁棒性强等优点，能够有效的补全各种缺失情况下的缺失数据。

公开(公告)号：CN114818299A

公开(公告)日：2022-07-29

申请号：CN202210401977.9

申请日：2022-04-18

Applicant: 浙江大学

Inventor： 席萌 ,  尹建伟 ,  邓水光 ,  李莹

IPC: G06F30/20 ,  G06F111/06 ,  G06F119/08

Abstract: 本部发明公开了一种基于信心感知的服务模式优化方法，包括以下步骤：(1)输入待优化的原始模式Pa；(2)初始化原始模式Pa的候选列表PaList；(3)初始化温度T；(4)初始化信心C；(5)初始化最大迭代次数IterMax；(6)初始化终止阈值Th；(7)根据模式优化指标，循环搜索目标模式Pa*，循环次数为IterMax；(8)降低温度T；(9)如果步骤(7)循环结束得到的模式Pa*连续Th次保持一致，则得到Pa*为优化后的目标模式，否则跳转到步骤(7)。本发明通过引入信心机制，能够在具有不同优化潜力的搜索空间中动态调整搜索速度和搜索步幅，极大地节省了优化的时间，提升了优化的效果。