公开(公告)号：CN107357871A

公开(公告)日：2017-11-17

申请号：CN201710536083.X

申请日：2017-07-04

Applicant: 东北大学

Inventor： 王波涛 ,  周建鹏 ,  梁伟 ,  李睿 ,  刘广鑫

IPC: G06F17/30 ,  G06F9/50 ,  H04L29/08 ,  H04W4/02

Abstract: 本发明公开了一种面向Storm的基于反馈的连续范围查询负载均衡方法，包括：1)上游worker将范围查询按照查询范围与网格的重叠情况，将范围查询划分为子查询；2)按照最小负载优先的分组策略将范围子查询分发到下游worker，并用评估代价更新下游worker的评估负载；3)下游worker执行具体的范围子查询任务，操作数据库或者从缓存中获取查询范围内的移动对象信息，并评估范围查询的真实代价；4)以范围查询的真实代价反馈给下游worker，更新评估负载，得到真实负载，每次优先将范围查询任务分发到下游负载最小的worker中，从而保证worker之间的负载差值尽量小，提高了系统的负载均衡度和吞吐量，并计算单元真实负载更新预估负载，使系统的负载更加均衡，资源利用率更高。

公开(公告)号：CN107357871B

公开(公告)日：2020-08-11

申请号：CN201710536083.X

申请日：2017-07-04

Applicant: 东北大学

Inventor： 王波涛 ,  周建鹏 ,  梁伟 ,  李睿 ,  刘广鑫

IPC: G06F16/2458 ,  G06F16/2453 ,  G06F9/50 ,  H04L29/08 ,  H04W4/02

Abstract: 本发明公开了一种面向Storm的基于反馈的连续范围查询负载均衡方法，包括：1)上游worker将范围查询按照查询范围与网格的重叠情况，将范围查询划分为子查询；2)按照最小负载优先的分组策略将范围子查询分发到下游worker，并用评估代价更新下游worker的评估负载；3)下游worker执行具体的范围子查询任务，操作数据库或者从缓存中获取查询范围内的移动对象信息，并评估范围查询的真实代价；4)以范围查询的真实代价反馈给下游worker，更新评估负载，得到真实负载，每次优先将范围查询任务分发到下游负载最小的worker中，从而保证worker之间的负载差值尽量小，提高了系统的负载均衡度和吞吐量，并计算单元真实负载更新预估负载，使系统的负载更加均衡，资源利用率更高。

公开(公告)号：CN109614904A

公开(公告)日：2019-04-12

申请号：CN201811463074.3

申请日：2018-12-03

Applicant: 东北大学

Inventor： 王波涛 ,  张凯 ,  梁伟 ,  李俞呈

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明提供一种基于Shapelet的多传感器融合的活动识别方法，本发明所提出的方法将多个传感器信息融合构建机器学习模型，与对每个传感器数据构建一个模型再使用模型分类结果进行投票的方法相比，减少了由于单个传感器分类不准确导致整体分类不准确的问题。该方法首先将时间序列的每一维上提取的Shapelet组成一个SShapelet集合，其次将原始时间序列数据集按照相同的时间间隔组成myInstance集，再通过计算myInstance集与SShapelet集的距离得到新的训练集，最后使用机器学习分类算法对所产生的新的训练集进行训练生成模型，所生成的模型能准确地分类日常活动的传感器数据，同时与传统的基于传感器的活动识别方法相比，可以使用更少的数据集达到更高的准确率。