“应时”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果31个，建议您升级VIP下载更多相关专利

[发明专利]集群负载均衡方法、装置、设备及可读存储介质-CN202310313834.7在审
发明人：应时;周嘉琪;刘祥瑞;葛心泉 -专利权人：武汉大学
申请日： 2023-03-28 - 公布日： 2023-06-23 - 主分类号： G06F9/50 文献下载
摘要：本发明提供一种集群负载均衡方法、装置、设备及可读存储介质，集群负载均衡方法包括：元控制器根据当前集群资源的利用率，生成子目标；作业调度控制器为待调度作业分配集群资源；弹性伸缩控制器根据当前集群资源的利用率，对集群资源进行资源扩展或资源回收；元控制器根据集群负载均衡度的变化，对元控制器进行奖励，以供更新生成子目标的策略。通过本发明，元控制器根据当前集群资源的利用率生成子目标，在作业调度控制器为待调度作业分配集群资源的同时，弹性伸缩控制器对集群资源进行资源扩展或资源回收，之后对元控制器进行奖励，更新生成更好的生成子目标的策略，从而可以更好的维持集群负载均衡状态并解决资源瓶颈问题。
集群负载均衡方法装置设备可读存储介质

[发明专利]在线日志解析方法、装置、设备及存储介质-CN202211608982.3在审
发明人：应时;周嘉琪;刘祥瑞;葛心泉 -专利权人：武汉大学
申请日： 2022-12-14 - 公布日： 2023-06-06 - 主分类号： G06F40/205 文献下载
摘要：本发明公开了一种在线日志解析方法、装置、设备及存储介质，所述方法通过对原始日志消息进行过滤预处理，获得过滤后的目标日志消息；从所述目标日志消息中获得字符串长度并进行匹配度分析，根据匹配度分析结果和所述字符串长度确定是否新建日志组；获取当前日志组和当前日志消息中的运行内存列表，根据所述运行内存列表对日志模板进行匹配和合并，获得合并日志组模板，能够避免大量人力资源的耗费，避免了解析错误导致后续下游任务的性能下降，提升了日志解析的精度，不需要依赖源代码进行日志解析，后期维护简单便捷，能将日志消息准确解析为模板，适应于不同的解析方式，提高了在线日志解析的速度和效率。
在线日志解析方法装置设备存储介质

[发明专利]基于联盟链DID的多模态成绩上链方法及系统-CN202310031378.7有效
发明人：边小勇;李晨;徐静波;何骏博;杨祖芳;胡成松;彭敏;应时 -专利权人：武汉工商学院
申请日： 2023-01-10 - 公布日： 2023-03-31 - 主分类号： G06F16/27 文献下载
摘要：本发明提供了基于联盟链DID的多模态成绩上链方法及系统，首先搭建一个多节点共识的联盟链网络，接着设计成绩上链智能合约，并创建智能合约管理员、教师、学生及教务人员账户，然后将智能合约部署到联盟链网络；依据区块链项目的信任需求设计多模态成绩上链方法，接着将学生成绩由合适身份的用户提交上链，期间完成对该用户身份的链上验签。后端运行的合约监测事件实时检测到链上数据的变动，最后将链上变动的数据回写到关系数据库中，便于快速查询和统计。本系统利用了区块链去中心化技术结合项目的信任需求，将学生成绩数据分别以前端上链和后端上链模式永久保存在区块链上，具有可溯源、数据不可篡改和去中心化的效果。
基于联盟 did 多模态成绩方法系统

[发明专利]一种基于RNN神经网络和倒排索引的日志自动化解析方法-CN202210588074.6在审
发明人：应时;葛心泉;黄浩;甘庭 -专利权人：武汉大学
申请日： 2022-05-26 - 公布日： 2022-08-30 - 主分类号： G06F16/31 文献下载
摘要：本发明公开了一种基于RNN神经网络和倒排索引的日志自动化解析方法，本发明的日志自动化解析技术分为三个阶段：第一个阶段针对解析完成的日志数据，将日志中的词分为模板类与变量类，并进行标准化处理得到标准化数据；第二个阶段基于RNN神经网络模型对经过处理后的标准化数据进行学习，学习得到能够对日志中词进行二分类的神经网络分类器，根据准确率、召回率和F指标选择最佳模型；第三个阶段根据得到的RNN分类模型，输入待解析的日志消息，对消息内的词进行分类，保留日志消息中模板类的词作为日志模板；利用倒排索引的方式对日志消息进行模板匹配。本发明中的模型具有很强的泛化能力，能够在不同的日志数据集上取得较高的解析精度。
一种基于 rnn 神经网络索引日志自动化解析方法

[发明专利]Apache Spark平台性能预测建模方法以及参数配置方法-CN202210599957.7在审
发明人：应时;程国力;葛心泉;黄浩;甘庭 -专利权人：武汉大学
申请日： 2022-05-26 - 公布日： 2022-08-30 - 主分类号： G06F11/34 文献下载
摘要：本发明公开了Apache Spark平台性能预测建模方法以及参数配置方法，首先对Spark中的任务进行建模，然后对Spark中的任务执行阶段进行建模，最后运用Adaboost算法对已完成建模的部分进行集成。通过运用Adaboost方法对特定的基于Spark的应用进行建模预测，可以有效地选择最佳参数对Spark平台进行配置。本发明公开了一种基于Adaboost对Spark平台进行建模预测的方法，采用经典的投影抽样方法，允许在小训练样本的情况下满足建模精确度的要求，来对性能进行建模预测，指导参数的选择。
apache spark 平台性能预测建模方法以及参数配置

[发明专利]一种基于N-gram与频繁模式挖掘的系统日志解析方法-CN202110195563.0有效
发明人：应时;胡胜康;王冰明 -专利权人：武汉大学
申请日： 2021-02-19 - 公布日： 2022-06-07 - 主分类号： G06F16/17 文献下载
摘要：本发明提出了一种基于N‑gram与频繁模式挖掘的系统日志解析方法。本发明将多行日志消息依次根据空格分解为单个的单词；计算任意两行日志消息之间的N‑gram距离；本发明通过算出N分别取值1,2,3时，任意两行日志消息之间的1‑gram距离、2‑gram距离和3‑gram距离，计算任意两行日志消息的相似匹配值，当匹配值高于设定阈值的日志消息归为一类；设置频繁模式挖掘算法的频繁单词项集的长度以及频繁模式挖掘算法的频繁单词项集的支持度；对每一类别中的所有日志消息使用频繁模式挖掘算法，挖掘出每一类中符合参数设定的候选频繁单词项集，并生成该类的日志模板。本发明在保证分类准确性的前提下，减少计算机处理的时间，节约了计算资源，提高了分类效率。
一种基于 gram 频繁模式挖掘系统日志解析方法

[发明专利]一种基于高斯混合隐马尔可夫模型的系统故障预测方法-CN202110597641.X有效
发明人：应时;田园;王冰明 -专利权人：武汉大学
申请日： 2021-05-31 - 公布日： 2022-04-29 - 主分类号： G06F11/30 文献下载
摘要：本发明公开了一种基于高斯混合隐马尔可夫模型的系统故障预测方法，该方法包括以下步骤：预处理原始日志文件，并进行标记；提取日志文件特征，构造特征向量；用滑动窗口为每种待预测故障构造对应的数据集；为每种待预测的故障分别训练高斯混合隐马尔可夫故障预测模型；通过训练好的高斯混合隐马尔可夫模型预测预测实时日志是否会发生故障以及会发生的故障类型。通过本发明的技术方案，解决了原始日志文件的交错问题和冗余问题，使得提取的特征更少而精；采用高斯混合隐马尔可夫模型对系统发生故障前的系统状态和日志进行建模，从而快速精准地预测系统故障，提高了系统的可用性。
一种基于混合隐马尔可夫模型系统故障预测方法

[发明专利]一种基于密度加权集成规则的日志异常检测方法-CN202110063328.8有效
发明人：应时;刘祥瑞;王冰明;黄浩 -专利权人：武汉大学
申请日： 2021-01-18 - 公布日： 2022-04-15 - 主分类号： G06F16/35 文献下载
摘要：本发明提出了一种基于密度加权集成规则的日志异常检测方法。本发明引入多条软件日志，根据软件日志，构建单词频次向量；根据单词频次向量，使用基于改进的谱聚类方法得到正常簇、异常簇，并计算得到正常日志集和异常日志集，构建平衡日志集；基分类器将平衡日志集作为训练集，用训练后的基分类器构建多基分类器，用多基分类器对待分类的样本进行分类，基分类器产生分类概率向量；根据分类概率向量，通过五个新的集成规则，分别得到五个分类结果，从中选择频次最大的分类结果作为最终的分类结果。本发明优点在于，保证了样本的平衡，且考虑了原始数据的分布，新的集成规则还考虑了待分类样本与历史数据之间的关系，提高了分类结果的准确性。
一种基于密度加权集成规则日志异常检测方法

[发明专利]一种基于变分自动编码器的分布式系统异常检测方法-CN202110300576.X有效
发明人：应时;周全;王冰明;黄浩 -专利权人：武汉大学
申请日： 2021-03-22 - 公布日： 2022-04-15 - 主分类号： G06F11/30 文献下载
摘要：本发明公开了一种基于变分自动编码器的分布式系统异常检测方法。本发明首先通过日志解析和特征提取，获得日志文件中的正常日志执行顺序矩阵和正常日志执行数量矩阵。然后，将正常日志执行顺序矩阵和正常日志执行数量矩阵通过线性归一化法和VAE的训练，获取正常日志执行顺序区间集合和正常日志执行次数区间集合。最后，使用正常日志执行顺序区间集合和正常日志执行次数区间集合对待检测的日志文件进行异常检测。本发明在两个具有不同类型系统的大型数据集HDFS和OpenStack上执行实验，验证方法的可行性和普适性，实验结果表明此方法可用于日志异常检测，并且在不同类型的数据集上能提升异常检测准确率和效率。
一种基于自动编码器分布式系统异常检测方法

[发明专利]一种异常数据检测中谱聚类算法并行化方法及系统-CN202110325195.7在审
发明人：应时;周慧敏;成海龙;段晓宇 -专利权人：武汉大学
申请日： 2021-03-26 - 公布日： 2021-06-18 - 主分类号： G06F16/18 文献下载
摘要：本发明公开了一种异常数据检测中谱聚类算法并行化方法及系统，首先将待聚类分析的数据集样本进行数据分布式存储；然后并行化构建数据集样本的相似矩阵；并行化计算相似矩阵的拉普拉斯矩阵；并行化计算拉普拉斯矩阵的特征向量，获得维度为n×d的特征向量矩阵；最后并行化执行K‑mean聚类算法。经实验结果表明，本发明在面对海量日志数据的聚类分析时，在保证良好聚类效果的同时，算法的执行效率也得到显著提升。
一种异常数据检测中谱聚类算法并行方法系统

[发明专利]一种基于卷积神经网络的SaaS软件故障诊断方法及装置-CN201911397867.4有效
发明人：应时;帕提古丽·阿不力孜;段晓宇;成海龙;原万里 -专利权人：武汉大学
申请日： 2019-12-30 - 公布日： 2021-06-04 - 主分类号： G06F11/36 文献下载
摘要：本发明公开了一种基于卷积神经网络的SaaS软件故障诊断方法，首先对系统产生的日志数据进行过滤；然后对过滤后的日志数据进行类别划分与标注；接着对进行类别划分与标注后的日志数据进行去噪处理；接下来采用Skip‑Gram方法对去噪后的日志数据进行向量化，对向量化后的日志数据进行二维拓扑结构的构造，构造成词向量维度和单词维度两个维度的二维向量数据；再将构造的二维向量数据作为训练数据对预先构建好的卷积神经网络模型进行训练，获得训练好的性能故障诊断模型；最后利用训练好的性能故障诊断模型对未知类型日志数据进行诊断，获得日志数据的故障类型。本发明提高了对未知类型日志数据的诊断准确性和诊断效率。
一种基于卷积神经网络 saas 软件故障诊断方法装置

[发明专利]一种基于日志语义挖掘的系统故障诊断方法及装置-CN201910463679.0有效
发明人：应时;刘辉;王冰明;杨喆;程国力;贾向阳 -专利权人：武汉大学
申请日： 2019-05-30 - 公布日： 2021-04-20 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于日志语义挖掘的系统故障诊断方法及装置。首先，基于神经网络语言模型对输入日志进行训练得到日志事件的语义特征向量。然后，使用改进的K均值聚类算法对日志事件的语义特征向量进行聚类，并使用一种对聚类后的日志向量对应的日志事件进行过滤的方法。最后，应用过滤方法并提取过滤后的日志数据簇中具有代表性的日志事件形成特征日志序列进行检查。本发明的方法可以进行基于日志的系统故障诊断时有效的挖掘日志的相关信息，不仅能够提高故障识别和诊断的效率，还可以提高诊断的有效性，并且降低系统总体成本。
一种基于日志语义挖掘系统故障诊断方法装置

[发明专利]一种基于GBDT决策树的SaaS软件性能故障诊断方法-CN201910247053.6有效
发明人：应时;张娜娜;王蕊;朱坤;陈旭 -专利权人：武汉大学
申请日： 2019-03-29 - 公布日： 2021-04-02 - 主分类号： G06F11/36 文献下载
摘要：为了满足SaaS软件性能维护需求，本发明公开了一种结合性能日志基于GBDT决策树的SaaS软件性能故障诊断方法，采用监控的手段获取软件系统运行时性能日志，并结合警告日志的分析结果进行性能日志的性能故障类型标注，利用同类型均值填补方法以及组合SMOTE和前抽样方法对性能日志进行处理，以提供完整且均衡的性能日志数据，利用机器学习方法中的GBDT算法对性能日志进行分析并建立性能故障诊断模型，并将系统实时产生的性能日志输入到构建的诊断模型中，得到输出的对应性能故障类型，以此来对SaaS软件运行时的性能状态进行诊断。此外，在本发明中还会对实时的性能日志和诊断结果予以保存，每隔一段时间会对诊断模型进行更新，保证诊断模型的实时性，进一步确保诊断结果的准确性。
一种基于 gbdt 决策树 saas 软件性能故障诊断方法

[发明专利]面向减灾任务的时空数据获取与服务组合方案生成方法-CN201710980706.2有效
发明人：应时;朱坤;王蕊;王勇;张火林;陈光耀;陈旭 -专利权人：武汉大学
申请日： 2017-10-19 - 公布日： 2021-03-16 - 主分类号： G06F16/2455 文献下载
摘要：本发明公开了一种面向减灾任务的时空数据获取与服务组合方案生成方法，针对面向任务描述的时空数据获取方法，首先设计减灾任务描述模版，输入减灾任务描述语句，并对其预处理；然后提取用户描述语句中的实体，结合知识库中的规则推理输入数据的属性要求；最后构建标准查询语句中的筛选条件；针对面向减灾任务的服务组合方案生成方法，首先在服务元数据中增加数据关联的描述，并引入服务的功能本体；然后，基于服务间的数据关联，使用依赖图构建算法获得服务依赖图；最后，使用有效路径搜索算法验证并筛选依赖图中每条组合路径的功能，并作为服务组合方案推荐给用户；本发明解决了用户通过任务描述获取数据和构建减灾任务组合方案的困难。
面向减灾任务时空数据获取服务组合方案生成方法

[发明专利]一种基于支持向量机的性能故障的检测方法及装置-CN201910129256.5有效
发明人：应时;段晓宇;成海龙;朱坤;文春雷 -专利权人：武汉大学
申请日： 2019-02-21 - 公布日： 2020-12-18 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于支持向量机的性能故障的检测方法，主要包括日志数据的预处理和预测模型的构建与训练，其中，日志数据的预处理包括对系统产生的性能日志数据进行向量化处理；对进行向量化处理后的日志数据加标签，获得训练数据集；预测模型的构建与训练具体包括：通过高斯核和线性核直积混合的方式选取核函数，基于双线性模式搜索法选择核函数的参数和惩罚因子；根据所述核函数、核函数的参数以及惩罚因子，构建基于支持向量机的预测模型，并利用所述训练数据集对所述预测模型进行训练；最后，采用训练后的预测模型对待测日志数据进行检测。本发明实现了提高预测的效率以及预测准确性的技术效果。
一种基于支持向量性能故障检测方法装置

1
2
3
下一页»
尾页
共 31 条