-
公开(公告)号：CN111061910B
公开(公告)日：2020-12-15
申请号：CN201911294985.2
申请日：2019-12-16
Applicant: 湖南大学
Abstract: 本发明公开了一种基于HBase和Solr的视频特征数据查询方法，包括以下步骤：服务端接收来自用户的特征数据查询请求，并根据该特征数据查询请求在索引存储集合中进行检索，以得到多个特征数据ID值；服务端根据步骤一得到的多个特征数据ID值在HBase数据库中检索对应的特征数据集合，并将该特征数据集合返回给用户；本发明通过建立配置文件，使用特征数据ID值关联特征数据和索引，从而提高数据检索的效率和准确率，因此，能够解决现有视频监控系统由于特征数据存储时间的拉长和特征数据量的增加，导致无法对这些海量特征数据进行准确查询的技术问题。
-
公开(公告)号：CN110955527A
公开(公告)日：2020-04-03
申请号：CN201911296949.X
申请日：2019-12-17
Applicant: 湖南大学
IPC: G06F9/50
Abstract: 本发明公开了一种基于CPU核数预测实现并行任务调度的方法，其通过衡量异构处理器的高计算能力和调度算法的执行效果以及处理器负载均衡等各项性能指标，应用天河一号很强计算能力的节点实测所设计的数据预测并行技术和调度算法的性能指标，可以发现计算时间有明显的减少，预测方法并行执行的时间大大缩减，同时算法的执行更为高效，并且该计算方法保持了很好的处理器负载均衡，得到了一个较优的调度执行结果。本发明可以充分利用现有的硬件资源进行计算，并且在操作中证明了基于异构处理器集群情况下的预测方法的执行高效性，以及所使用的调度算法的并行执行的可靠性，同时也很好的保证了处理器间的负载均衡。
-
公开(公告)号：CN110955527B
公开(公告)日：2022-05-10
申请号：CN201911296949.X
申请日：2019-12-17
Applicant: 湖南大学
IPC: G06F9/50
Abstract: 本发明公开了一种基于CPU核数预测实现并行任务调度的方法，其通过衡量异构处理器的高计算能力和调度算法的执行效果以及处理器负载均衡等各项性能指标，应用天河一号很强计算能力的节点实测所设计的数据预测并行技术和调度算法的性能指标，可以发现计算时间有明显的减少，预测方法并行执行的时间大大缩减，同时算法的执行更为高效，并且该计算方法保持了很好的处理器负载均衡，得到了一个较优的调度执行结果。本发明可以充分利用现有的硬件资源进行计算，并且在操作中证明了基于异构处理器集群情况下的预测方法的执行高效性，以及所使用的调度算法的并行执行的可靠性，同时也很好的保证了处理器间的负载均衡。
-
公开(公告)号：CN111045987B
公开(公告)日：2020-12-15
申请号：CN201911296941.3
申请日：2019-12-17
Applicant: 湖南大学
IPC: G06F16/13 , G06F16/182 , G06K9/62
Abstract: 本发明公开了一种基于Ceph分布式文件系统加速元数据访问的方法，包括：利用时间戳链表获取每个文件元数据的访问次数；采集每个元数据的时间属性和访问次数；重复使用K‑Means算法对这些元数据进行聚类，找到两个聚类中心点；利用上述两个聚类中心，设置预取门槛值，当某个文件的点击次数达到门槛值就去MDS预取。并在MDS服务器中选择符合要求的元数据；本发明能够解决现有Ceph分布式文件系统元数据访问机制中存在的缓存命中率低、元数据传输次数过多、元数据的查询效率低的技术问题。
-
公开(公告)号：CN120014281A
公开(公告)日：2025-05-16
申请号：CN202510488385.9
申请日：2025-04-18
Applicant: 湖南大学
Abstract: 本发明公开了一种节约算力资源的快速图像识别方法，包括以下步骤：步骤一：对原始图像的灰度直方图进行小波分解；步骤二：通过数字低通滤波器和高通滤波器，即Lo_D和Hi_D，对信号进行滤波；步骤三：对滤波结果进行偶数点抽样，从而得到下一级的平滑逼近和细节信息；步骤四：改进的最大类间方差法计算阈值。本发明属于图像识别技术领域，有效的解决了现有的快速图像识别方法中计算复杂度高、资源消耗大，且实时性不足的问题。
-
Patent Agency Ranking
公开(公告)号：CN117762629A
公开(公告)日：2024-03-26
申请号：CN202311797010.8
申请日：2023-12-25
Applicant: 湖南大学
Abstract: 本发明公开了一种面向金融大数据的GPU内核任务并发调度方法，包括：CPU获取用户提交的多个金融大数据实时分析任务，每个金融大数据实时分析任务包括一个内核及其对应的数据，对每个内核kerneli对应的数据data进行分块以得到多个数据分块，并以所有内核的第一个分块数据传送到GPU，GPU在接收到分块数据后，使用每个分块数据对应的内核对该分块数据进行计算处理，以得到该分块数据对应的计算结果，并调用CUDA分析工具接口CUPTI获取该内核在计算处理过程中浮点计算的次数和全局内存的读取次数。本发明能够解决现有面向金融大数据的GPU任务调度系统在金融大数据的实时计算场景下计算效率不高，进而导致金融大数据的处理效率较低、处理准确性较差的技术问题。
-
公开(公告)号：CN111045987A
公开(公告)日：2020-04-21
申请号：CN201911296941.3
申请日：2019-12-17
Applicant: 湖南大学
IPC: G06F16/13 , G06F16/182 , G06K9/62
Abstract: 本发明公开了一种基于Ceph分布式文件系统加速元数据访问的方法，包括：利用时间戳链表获取每个文件元数据的访问次数；采集每个元数据的时间属性和访问次数；重复使用K-Means算法对这些元数据进行聚类，找到两个聚类中心点；利用上述两个聚类中心，设置预取门槛值，当某个文件的点击次数达到门槛值就去MDS预取。并在MDS服务器中选择符合要求的元数据；本发明能够解决现有Ceph分布式文件系统元数据访问机制中存在的缓存命中率低、元数据传输次数过多、元数据的查询效率低的技术问题。
-
公开(公告)号：CN111198696A
公开(公告)日：2020-05-26
申请号：CN201911388983.X
申请日：2019-12-30
Applicant: 湖南大学
Abstract: 本发明公开了一种基于裸机服务器的OpenStack大规模部署方法，以帮助产品化OpenStack实现大规模快速部署，本发明具有三个主要功能：第一是裸机服务器的管理，即可以使用PXE自动化为服务器安装操作系统，并自动将服务器配置为可部署状态；第二，其可以将OpenStack组件打包为容器镜像，并开发专用的自动构建服务以自动将源代码打包到一键式安装包中；第三，其通过ansible脚本，该方法可以智能地部署和维护OpenStack组件。本发明构建了完整的云产品管理系统的总体结构和主要组件。最终目标是将单个节点部署为群集服务。通过裸机管理，可以将物理服务器配置为群集部署的最佳选择，显著的提升了部署效率与部署的成功率。
-
公开(公告)号：CN111061553A
公开(公告)日：2020-04-24
申请号：CN201911296937.7
申请日：2019-12-17
Applicant: 湖南大学
Abstract: 本发明公开了一种用于超级计算中心的并行任务调度方法，提出了基于现有的超算环境下处理器的使用价格和网格作业调度系统中普遍存在的任务并行执行问题的实现方法，通过衡量任务执行的调度价格和调度算法的执行效果以及处理器负载均衡等各项性能指标，本发明能够用更低的价格可以执行同等的任务，在不同的超级计算中心平台上，本发明可以用更低的开销维持更好的性能，同时算法的执行更为高效，并且该计算方法保持了很好的处理器负载均衡，得到了一个较优的调度执行结果。本发明可以充分利用现有的硬件资源进行计算，并且在操作中证明了该方法的执行高效性，以及所使用的调度算法的并行执行的可靠性，同时也很好的保证了处理器间的负载均衡。
-
公开(公告)号：CN117892840A
公开(公告)日：2024-04-16
申请号：CN202410064364.X
申请日：2024-01-16
Applicant: 湖南大学
IPC: G06N20/00 , G06N3/0464
Abstract: 本发明公开了一种用于联邦学习算力网络的合谋攻击溯源方法，包括：服务端将初始卷积神经网络CNN模型发送到计算环境中的每个客户端，其中发给第i个客户端的CNN模型的损失函数中嵌入了与该第i个客户端对应的指纹向量，服务端接收来自每个客户端的CNN模型，并对来自每个客户端的CNN模型进行解析，以获取该CNN模型对应的损失函数，并从该损失函数中提取当前指纹向量，并根据所有客户端对应的当前指纹向量构建指纹向量矩阵a’，服务端根据指纹向量矩阵a’进行更新处理，以得到更新后的指纹向量矩阵a”，服务端根据更新后的指纹向量矩阵a”确定执行攻击的客户端。本发明能够解决现有恶意攻击检测方法通信开销大、算力成本高的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.013 seconds)
