-
公开(公告)号：CN113672608A
公开(公告)日：2021-11-19
申请号：CN202110978851.3
申请日：2021-08-25
Applicant: 东北大学
IPC: G06F16/215 , G06F16/22 , G06F16/31 , G06F16/23 , G16Y20/00
Abstract: 本发明公开一种基于自适应约简阈值的物联网感知数据约简系统及方法，系统包括数据加载模块、自适应数据约简模块和数据重建模块；采用这个系统进行数据约简的方法基于实时的物联网感知数据，在传感器端通过概念漂移检测对数据变化趋势建模，基于漂移检测动态自适应确定卡尔曼滤波器的约简阈值，基于卡尔曼滤波器的数据估计与实际值之差约简数据并将约简后的数据和建模的数据趋势上传至边缘端，在边缘端根据约简后数据与数据趋势重建数据，最终达到在保证数据准确率和数据质量的前提下减少数据采集和传输的目的，同时可以显著降低传感器节点的能源消耗以及边缘端数据存储。
-
公开(公告)号：CN111556630B
公开(公告)日：2021-06-01
申请号：CN202010604225.3
申请日：2020-06-29
Applicant: 东北大学
IPC: H05B47/105 , H05B47/11 , H05B47/13 , H05B47/165 , G06K9/62
Abstract: 本发明提供一种基于贝叶斯网络的智能灯自适应场景识别系统及方法，涉及机器学习和物联网技术领域。该系统包括灯光传感器、距离传感器、红外传感器、树莓派、数据收集及管理模块、智能灯自适应场景识别模块和智能灯动态调节模块。本方法能够基于环境信息和用户对智能灯的调控信息对场景进行预测，让智能灯系统根据人们的习惯进行自学习，达到无论在什么场景下都能让人们在一个舒适的光照环境下生活和工作，实现智能灯控制系统的个性化和自适应调节。
-
公开(公告)号：CN113673684A
公开(公告)日：2021-11-19
申请号：CN202110973801.6
申请日：2021-08-24
Applicant: 东北大学
Abstract: 本发明公开一种基于输入修剪的边缘端DNN模型加载系统及方法，系统包括管理模块和压缩模块，其中管理模块包括样本管理模块、模型训练模块和模型管理模块；压缩模块包括压缩模式选择模块、数据压缩模块、模型压缩与重训练模块和压缩日志记录模块；采用该系统本发明基于样本数据构建贝叶斯网络并对网络进行训练，根据贝叶斯网络对模型的输入与输出进行关联性分析，并根据帕累托最优构建代表输入影响度的双向列表，以优化逐个删除输入属性带来的较高时间复杂度；最后结合聚类算法对输入数据属性间的相似性进行分析，并根据以上两种压缩策略及它们的衍生压缩策略完成对模型的个性化和智能化压缩加载，提升了边缘端的整体性能和部署模型的数量。
-
公开(公告)号：CN111563162A
公开(公告)日：2020-08-21
申请号：CN202010349631.X
申请日：2020-04-28
Applicant: 东北大学
IPC: G06F16/35 , G06F40/289 , G06F40/216 , G06Q10/06 , G06Q50/20
Abstract: 本发明提供一种基于文本情感分析的MOOC评论分析系统及方法，涉及数据挖掘与情感分析技术领域。本发明包括用户模块，课程数据管理模块、评论分析模块、概率分析模块以及前端界面；本发明通过对神经网络模型进行训练，对基于文本情感分析的MOOC评论分析系统进行操作，能够对用户欲了解的课程进行历史评论分析，根据用户需求，最终自动化地相应给用户所需要的分析数据。
-
公开(公告)号：CN102088475B
公开(公告)日：2013-09-04
申请号：CN201010563748.4
申请日：2010-11-29
Applicant: 东北大学
Abstract: 一种控制流集中数据流分布的组合服务执行系统及执行方法，该系统包括一个中心节点和分布在网络中不同节点上的多个服务代理。本发明的优点：通过发送控制消息通知服务何时、往何处发送数据，从而既能够解决分布式执行方式缺乏对组合服务整体运行情况的监控能力，又能够解决集中式执行方式由于数据流都经过中心节点中转而易存在系统性能瓶颈的问题。同时，该方法采用中心节点控制组合服务的全局执行逻辑，能够兼容当前的主流组合服务执行语言BPEL，从而可以有效地支持组合服务应用的执行。
-
Patent Agency Ranking
公开(公告)号：CN112685139B
公开(公告)日：2024-07-19
申请号：CN202110030466.6
申请日：2021-01-11
Applicant: 东北大学
Abstract: 本发明提供一种基于K8S和Kubeedge的云边深度学习模型管理系统及模型训练方法。所述系统包括云端服务器、边缘智能设备和云边通信模块，首先在云端服务器上创建深度学习任务，根据用户配置参数构建深度学习模型并进行预训练，如果需要云边协同训练时，通过云边通信模块将边缘侧深度学习任务以及预训练模型传输给边缘智能设备，利用采集的样本数据对预训练模型再次进行训练，并将训练后的模型上传回云端服务器，通过云端服务器进行模型参数的融合，生成云边协同训练后的模型，本发明借助边缘智能设备采集的应用场景的样本数据训练深度模型，让云端服务器的模型掌握不同应用场景的环境差异和需求，从而解决样本不足和应用环境间差异的问题。
-
公开(公告)号：CN109612488B
公开(公告)日：2022-09-20
申请号：CN201811601248.8
申请日：2018-12-26
Applicant: 东北大学
IPC: G01C21/34
Abstract: 本发明提供基于大数据微服务的混合出行方式路径规划系统及方法，涉及大数据服务与微服务技术领域。本发明步骤如下：步骤1：对用户请求中的出行参数进行解析，将参数转换成符合核心算法函数的输入参数；步骤2：根据参数中的出行出发点和目的地确定出行涉及到的范围；步骤3：根据出行范围，从本地数据库中提取基础路网数据和交通信息；步骤4：处理数据和信息，得到带有出行方式权值的邻接矩阵；步骤5：根据用户给定的标准和邻接矩阵，生成最优的多条推荐路径；步骤6：根据步骤5生成多个符合条件的最优出行方案将数据响应给用户。本方法摆脱了以公交为基础出行方式的生成限制，可根据用户出行方式需求，最终形成符合条件的最优组合。
-
公开(公告)号：CN102123056B
公开(公告)日：2013-07-24
申请号：CN201010563710.7
申请日：2010-11-29
Applicant: 东北大学
Abstract: 一种端到端Web服务质量监测系统及方法，该监测系统包括以下四个模块：注册模块、SNMP代理模块、监测模块和评价模块；该监测方法按如下步骤进行：步骤A：注册；步骤B：生成约定质量的各个参数及参数值；步骤C：发送将约定质量参数；步骤D：获取服务会话信息，步骤E：获取服务会话的管理信息；步骤F：得到与约定质量参数所对应的交付质量参数值及感知质量参数值；步骤G：监测模块将交付质量参数值、感知质量参数值和传输质量参数值发送给评价模块；步骤H：评价模块对该服务的质量信息进行评估和统计。本发明的优点：简单有效且开销较低，并能够客观的、综合的反映服务会话质量信息，以便为服务选取提供客观依据。
-
公开(公告)号：CN102123056A
公开(公告)日：2011-07-13
申请号：CN201010563710.7
申请日：2010-11-29
Applicant: 东北大学
Abstract: 一种端到端Web服务质量监测系统及方法，该监测系统包括以下四个模块：注册模块、SNMP代理模块、监测模块和评价模块；该监测方法按如下步骤进行：步骤A：注册；步骤B：生成约定质量的各个参数及参数值；步骤C：发送将约定质量参数；步骤D：获取服务会话信息，步骤E：获取服务会话的管理信息；步骤F：得到与约定质量参数所对应的交付质量参数值及感知质量参数值；步骤G：监测模块将交付质量参数值、感知质量参数值和传输质量参数值发送给评价模块；步骤H：评价模块对该服务的质量信息进行评估和统计。本发明的优点：简单有效且开销较低，并能够客观的、综合的反映服务会话质量信息，以便为服务选取提供客观依据。
-
公开(公告)号：CN102088475A
公开(公告)日：2011-06-08
申请号：CN201010563748.4
申请日：2010-11-29
Applicant: 东北大学
Abstract: 一种控制流集中数据流分布的组合服务执行系统及执行方法，该系统包括一个中心节点和分布在网络中不同节点上的多个服务代理。本发明的优点：通过发送控制消息通知服务何时、往何处发送数据，从而既能够解决分布式执行方式缺乏对组合服务整体运行情况的监控能力，又能够解决集中式执行方式由于数据流都经过中心节点中转而易存在系统性能瓶颈的问题。同时，该方法采用中心节点控制组合服务的全局执行逻辑，能够兼容当前的主流组合服务执行语言BPEL，从而可以有效地支持组合服务应用的执行。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.017 seconds)
