-
公开(公告)号：CN104301403A
公开(公告)日：2015-01-21
申请号：CN201410512536.1
申请日：2014-09-26
Applicant: 东北大学 , 辽宁北方实验室有限公司
Abstract: 一种基于组件服务副本增删的云服务资源动态配置系统及方法，该系统包括注册模块、质量参数生成模块、监测模块、评价模块和控制模块。方法包括对SLA进行注册；提取SLA中的信息，生成约定质量参数；周期性采集云服务环境中的虚拟机资源状态、云服务性能状态数据并保存；得出各虚拟机资源信息、组件服务质量、组件服务重要性、组件服务资源需求量；确定适合删除最优组件服务副本的虚拟机和适合部署瓶颈组件服务副本的虚拟机，得出组件服务副本增删决策；进行组件服务增删。本发明通过对历史数据的学习，预测用户的并发请求量，通过判断瓶颈组件服务和最优组件服务得出组件服务副本增删策略，达到实现云服务的性能保证的效果。
-
公开(公告)号：CN104283946B
公开(公告)日：2017-08-25
申请号：CN201410505945.9
申请日：2014-09-26
Applicant: 东北大学 , 辽宁北方实验室有限公司
Abstract: 一种单物理机下多虚拟机的资源自适应调整系统及方法，该系统在单物理机中实现，包括数据采集模块、预处理模块、预测模块、资源调整策略生成模块、资源调整策略收益计算模块、监测模块、策略评价模块和历史数据库；该方法包括：采集服务器的历史数据并将其存入历史数据库中；对服务器的历史数据进行预处理；对下一时刻并发用户请求量进行预测，再利用并发用户请求量预测值得出虚拟机资源需求量预测区间；确定最优资源调整策略；进行CPU资源调整和内存资源调整；对最优资源调整策略进行评价；将当前最优资源调整策略及其评价值存入历史数据库。本发明能动态调整单物理机上各虚拟机资源量来适应动态变化的资源需求，使单物理机资源得到最大的收益。
-
公开(公告)号：CN104301403B
公开(公告)日：2017-09-26
申请号：CN201410512536.1
申请日：2014-09-26
Applicant: 东北大学 , 辽宁北方实验室有限公司
Abstract: 一种基于组件服务副本增删的云服务资源动态配置系统及方法，该系统包括注册模块、质量参数生成模块、监测模块、评价模块和控制模块。方法包括对SLA进行注册；提取SLA中的信息，生成约定质量参数；周期性采集云服务环境中的虚拟机资源状态、云服务性能状态数据并保存；得出各虚拟机资源信息、组件服务质量、组件服务重要性、组件服务资源需求量；确定适合删除最优组件服务副本的虚拟机和适合部署瓶颈组件服务副本的虚拟机，得出组件服务副本增删决策；进行组件服务增删。本发明通过对历史数据的学习，预测用户的并发请求量，通过判断瓶颈组件服务和最优组件服务得出组件服务副本增删策略，达到实现云服务的性能保证的效果。
-
公开(公告)号：CN104283946A
公开(公告)日：2015-01-14
申请号：CN201410505945.9
申请日：2014-09-26
Applicant: 东北大学 , 辽宁北方实验室有限公司
CPC classification number: G06F9/45504 , G06F9/45533 , G06F9/5077 , G06F2009/4557
Abstract: 一种单物理机下多虚拟机的资源自适应调整系统及方法，该系统在单物理机中实现，包括数据采集模块、预处理模块、预测模块、资源调整策略生成模块、资源调整策略收益计算模块、监测模块、策略评价模块和历史数据库；该方法包括：采集服务器的历史数据并将其存入历史数据库中；对服务器的历史数据进行预处理；对下一时刻并发用户请求量进行预测，再利用并发用户请求量预测值得出虚拟机资源需求量预测区间；确定最优资源调整策略；进行CPU资源调整和内存资源调整；对最优资源调整策略进行评价；将当前最优资源调整策略及其评价值存入历史数据库。本发明能动态调整单物理机上各虚拟机资源量来适应动态变化的资源需求，使单物理机资源得到最大的收益。
-
公开(公告)号：CN113989927B
公开(公告)日：2024-04-26
申请号：CN202111252149.5
申请日：2021-10-27
Applicant: 东北大学
IPC: G06V40/20 , G06V20/40 , G06V30/19 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06V10/82
Abstract: 本发明公开了一种基于骨骼数据的视频群体暴力行为识别方法及系统，涉及行为识别技术领域。该方法及系统基于从待识别视频内容中获取的骨骼数据，构建并训练一个深度学习模型，对视频进行特征提取和内容理解，识别个体与个体之间交互行为的分解动作，根据分解动作识别结果的时序关系，判断行为是否属于暴力。克服了现有方法无法很好应用骨骼数据，忽略时序信息和个体间交互信息的缺点，且将群体行为转化为双人交互行为，减少了数据计算量，对行为类别的判断更加容易。
-
Patent Agency Ranking
公开(公告)号：CN112668495B
公开(公告)日：2024-02-02
申请号：CN202011619964.6
申请日：2020-12-30
Applicant: 东北大学
IPC: G06V20/40 , G06V10/44 , G06V10/62 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 本发明公开了一种基于全时空卷积模块的暴力视频检测算法，基于全时空卷积模块的暴力视频检测算法实现了时序特征在局部空间和全时序的特征融合，能够有效地提取了暴力视频的局部空间和全时序特征，有效提高了检测的准确度和模型的泛化能力，该方法相比于以往的2DCNN+LSTM和基于3DCNN的相关算法在暴力视频检测领域具有更大的优势。本发明中的全时空卷积模块可以被应用在其他的网络架构中，充分利用其时间空间的特征融合能力来达到更好的视频行为分类效果。(56)对比文件Yutong Cai等.Multi-scalespatiotemporal information fusion networkfor video action recognition《.2018 IEEEVisual Communications and ImageProcessing 》.2019,正文1-4.Zhenhua T等.FTCF: Full temporal crossfusion network for violence detection invideos《. Applied Intelligence 》.2022,第53卷4218-4230.
-
公开(公告)号：CN113506603B
公开(公告)日：2023-09-26
申请号：CN202110635922.X
申请日：2021-06-08
Applicant: 东北大学
Abstract: 本发明公开一种基于桡屈动静态特征的腕关节康复训练效果评估方法，该方法由深度摄像头采集患者在康复过程中的骨骼点信息，接着对采集的骨骼点信息数据进行预处理后，分别计算桡屈的静态特征集合和动态特征集合，根据静态特征集合和预设的康复动作的静态特征集合计算桡屈动作完成度；然后将患者所完成的康复动作的静态特征、动态特征以及动作完成度，上传到服务器中，由服务器根据训练结果评估患者的完成速度、动作流畅性以及动作的难易程度，结合桡屈动作完成度为患者打分。本发明消除因不同患者患肢体型差异对评价准确性的影响，基于桡屈动静态特征，结合医学量表—FMA量表，科学准确的对患者的腕关节康复训练效果和康复程度的定量化评价。
-
公开(公告)号：CN116108379A
公开(公告)日：2023-05-12
申请号：CN202310116131.5
申请日：2023-02-15
Applicant: 东北大学
IPC: G06F18/241 , G06F18/214 , G06F16/25 , G06Q40/04
Abstract: 本发明提供一种基于域泛化的股票形态相似性查询系统与方法，涉及深度学习技术领域。本系统包括数据层、匹配模型层、分析层；本发明通过获取股票历史数据，对数据进行预处理；然后使用RReliefF算法进行特征选择进行数据分割；使用Lasso算法结合域泛化方法对模型进行训练；进行匹配相似股票数据，并得到结果分析进行反馈。本发明能够更准确地匹配相似股票数据，给用户提供更可靠的辅助结果。
-
公开(公告)号：CN110162406B
公开(公告)日：2023-01-17
申请号：CN201910466883.8
申请日：2019-05-31
Applicant: 东北大学
IPC: G06F9/50
Abstract: 本发明提出一种支持性能保障的操作模式虚拟机数量评估方法，包括：初始化参数；求出资源可用量和资源需求量；求出需要调整的虚拟机数量；据虚拟机当前数量、虚拟机调整数量的和与虚拟机的最少数量之间的大小关系，调整操作模式虚拟机数量来应对服务突发并发量。根据并发量预测结果调整操作模式虚拟机数量以满足用户需求，当性能不足时，需要从热备份转移一定数量的虚拟机到操作模式。当性能过高时，减少一部分操作模式虚拟机会使系统可靠性增加并减低能耗。确定操作模式转移数量不仅会对性能造成影响，还会影响可靠性和能耗，本发明制定相应操作模式虚拟机资源调整策略，建立支持性能保障的操作模式数量调整方法。
-
公开(公告)号：CN110096335B
公开(公告)日：2022-06-21
申请号：CN201910355147.5
申请日：2019-04-29
Applicant: 东北大学
Abstract: 本发明提供一种针对虚拟机不同类型的业务并发量预测方法，涉及云计算技术领域。一种针对虚拟机不同类型的业务并发量预测方法，首先采集虚拟机的历史业务并发量，并进行预处理，然后基于改进的1最近邻‑动态时间调整方法1NN‑DTW判断虚拟机业务并发量的类型；最后采用分类回归树拟合不具有周期变化的业务并发量；采用傅里叶级数FS和分类回归树CART拟合具有周期变化的业务并发量；本发明提供的针对虚拟机不同类型的业务并发量预测方法，对虚拟机各业务的并发量进行预测，可以为下一步虚拟机的增加或者减少提供依据，同时有助于准确估计虚拟机的软件老化状况，以达到提高工作虚拟机性能和可靠性的目的。
-
-
-
-
-
-
-
-
-
Search Results
185
records
(took 0.074 seconds)
