公开(公告)号：CN106850726A

公开(公告)日：2017-06-13

申请号：CN201610443332.6

申请日：2016-06-20

Applicant: 北京交通大学 ,  北京工业大学

Inventor： 苑海涛 ,  毕敬 ,  张立波

IPC: H04L29/08 ,  H04L12/803

Abstract: 本发明涉及一种基于SDN的云数据中心负载可感知的请求路由方法，该方法综合考虑了网络拥塞信息和虚拟机负载信息，得到处理某一应用请求最佳的虚拟机和到达该虚拟机路径组合，从而使得响应时间最小化。在这一过程中，提出负载可感知控制器的响应时间计算模型，另外还基于遗传算法获得每一个应用可以将请求送达虚拟机的链路集合，提供了计算每个虚拟机处理当前应用请求所需时间的计算模型，并给出了请求在链路中延迟时间的计算模型，通过计算虚拟机处理该请求的时间与链路的延迟时间，最终得到最小化的总响应时间。本发明缩小了数据中心中应用的延迟时间，提升了用户体验，并且为云数据中心提供商降低了利润的损失。

公开(公告)号：CN108173686A

公开(公告)日：2018-06-15

申请号：CN201711433349.4

申请日：2017-12-26

Applicant: 北京工业大学

Inventor： 毕敬 ,  张立波 ,  乔俊飞

IPC: H04L12/24 ,  H04L29/08 ,  G06F17/14

Abstract: 本发明涉及一种基于ARIMA和小波变换的云数据中心请求流预测方法，包括：获取到云数据中心请求流到访数据集后，得到一条请求流时间序列；利用Savitzky‑Golay算法对请求流时间序列进行平滑操作；对平滑序列进行ADF平稳性检验；使用小波分解对平稳的差分请求流时间序列进行处理，得到原始序列的细节和趋势两种特征序列；对获得的两部分特征序列分别进行ARIMA建模，得到两部分特征的预测模型，继而可以得到两条包含下一时刻特征的新序列；使用小波还原处理两条新的信息序列，最终可以得到下一时刻到达云数据中心的请求流数量。本发明可以提高云数据中心节点运行效率，并且确保云数据中心供应商的利润最大化。

公开(公告)号：CN106850726B

公开(公告)日：2019-11-15

申请号：CN201610443332.6

申请日：2016-06-20

Applicant: 北京交通大学 ,  北京工业大学

Inventor： 苑海涛 ,  毕敬 ,  张立波

IPC: H04L29/08 ,  H04L12/803

Abstract: 本发明涉及一种基于SDN的云数据中心负载可感知的请求路由方法，该方法综合考虑了网络拥塞信息和虚拟机负载信息，得到处理某一应用请求最佳的虚拟机和到达该虚拟机路径组合，从而使得总响应时间最小化。在这一过程中，提出负载可感知控制器的总响应时间计算模型，另外还基于遗传算法获得每一个应用可以将请求送达虚拟机的链路集合，提供了计算每个虚拟机处理当前应用请求所需时间的计算模型，并给出了请求在链路中延迟时间的计算模型，通过计算虚拟机处理该请求的时间与链路的延迟时间，最终得到最小化的总响应时间。本发明缩小了数据中心中应用的延迟时间，提升了用户体验，并且为云数据中心提供商降低了利润的损失。

公开(公告)号：CN107123113B

公开(公告)日：2019-10-18

申请号：CN201710259660.5

申请日：2017-04-20

Applicant: 北京工业大学

Inventor： 冯天智 ,  毕敬 ,  张立波

IPC: G06T7/00

Abstract: 本发明公开一种基于格拉布斯准则与ARIMA的GWAC光变曲线异常检测方法，包括：使用格拉布斯准则对GWAC光变曲线进行过滤，筛选出其中可疑值；将通过格拉布斯准则筛选出的可疑值进行平稳性检测，将不平稳的数据进行差分，使其成为平稳序列；将最终平稳化的数据通过ARIMA模型进行预测；若是对差分序列进行预测则将其还原，得到对可疑值的预测值；对此序列当前可疑值之前的数据做相同预测并求得预测误差的平均值作为预测误差标准将其与可疑值的预测值进行比较，从而最终判断是否为光变曲线的异常值。采用本发明的技术方案，对GWAC观测到的天文星体的亮度所形成的光变曲线进行检测，以便发现其中异常的星体。

公开(公告)号：CN107123113A

公开(公告)日：2017-09-01

申请号：CN201710259660.5

申请日：2017-04-20

Applicant: 北京工业大学

Inventor： 冯天智 ,  毕敬 ,  张立波

IPC: G06T7/00

Abstract: 本发明公开一种基于格拉布斯准则与ARIMA的GWAC光变曲线异常检测方法，包括：使用格拉布斯准则对GWAC光变曲线进行过滤，筛选出其中可疑值；将通过格拉布斯准则筛选出的可疑值进行平稳性检测，将不平稳的数据进行差分，使其成为平稳序列；将最终平稳化的数据通过ARIMA模型进行预测；若是对差分序列进行预测则将其还原，得到对可疑值的预测值；对此序列当前可疑值之前的数据做相同预测并求得预测误差的平均值作为预测误差标准将其与可疑值的预测值进行比较，从而最终判断是否为光变曲线的异常值。采用本发明的技术方案，对GWAC观测到的天文星体的亮度所形成的光变曲线进行检测，以便发现其中异常的星体。