“殷昱煜”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118个，建议您升级VIP下载更多相关专利

[发明专利]基于最佳缝合线自选区域渐入渐出算法的图像拼接方法-CN202011421523.5在审
发明人：贾刚勇;黄燕琳;李尤慧子;殷昱煜;蒋从锋;张纪林 -专利权人：杭州电子科技大学
申请日： 2020-12-08 - 公布日： 2021-02-12 - 主分类号： G06T7/181 文献下载
摘要：本发明涉及一种基于最佳缝合线自选区域渐入渐出算法的图像拼接方法。本发明通过使用sift算法对目标图像以及参考图像分别进行特征点提取，建立特征描述子集合，利用比较最近邻距离与次近邻距离的匹配方式得到初始匹配结果，对初始匹配结果使用RANSAC算法剔除外点保留内点完成图像配准；使用改进的基于最佳缝合线的渐入渐出融合算法进行图像融合，包括使用动态规划的方法寻找最佳缝合线，根据最佳缝合线限定融合范围，最后使用渐入渐出融合算法在限定融合范围内进行融合，完成图像拼接。本发明较好的解决了图像拼接结果不自然，存在拼接缝的问题，增强了图像结果，可用于图像拼接中。
基于最佳缝合线自选区域渐入渐出算法图像拼接方法

[发明专利]一种基于用户历史行为序列的广告点击率预测方法-CN202011154969.6在审
发明人：周仁杰;钱豪;万健;张纪林;殷昱煜;蒋从锋 -专利权人：杭州电子科技大学
申请日： 2020-10-26 - 公布日： 2021-01-29 - 主分类号： G06Q30/02 文献下载
摘要：本发明公开了一种基于用户历史行为序列的广告点击率预测方法，该方法包括：采集目标用户特征信息、广告信息以及用户历史行为信息，构建广告相关图，并运用图嵌入方法对用户历史行为信息数据进行增强表示，学习得到能充分表达广告特征的表示向量；在点击率预估模型中加入自注意力机制层，能够更直接地学习到用户历史行为之间的内部相关性，减少了对外部信息的依赖。在多个公开的亚马逊商品点击数据集以及盘石公司广告点击数据集上的实验显示，本发明提供的技术方案提高了点击率预测的准确性，从而可以更准确地向用户展示其感兴趣的广告。
一种基于用户历史行为序列广告点击率预测方法

[发明专利]一种基于日志语义分析的在线服务异常检测方法-CN202011072695.6在审
发明人：李冬青;蒋从锋;万健;欧东阳;闫龙川;殷昱煜;张纪林;黄震;赵子岩;李妍 -专利权人：杭州电子科技大学
申请日： 2020-10-09 - 公布日： 2021-01-05 - 主分类号： G06F16/35 文献下载
摘要：本发明涉及一种基于日志语义分析的在线服务异常检测方法。本发明对TextCNN做了改进，提出了可变卷积和池化卷积神经网络用于日志分类。本发明提出的VCNN的主要考虑词嵌入维度的影响因素。本发明所进行的多卷积和多池化操作不仅在句子长度上，而且还更多地应用于词嵌入维度以提取丰富的语义特征信息，以弥补词嵌入维度中语义信息的不足。另外，在池化层中提出的平均池化操作有利于保存提取的特征的重要特征信息。本发明核心是基于日志语义和服务完成强度的日志分类和基于改进贝叶斯的性能异常分类。本发明主要适用于在线服务异常的检测，通过利用日志来推断影响系统性能的日志集群，可以支持异常检测和查找与影响服务性能相关日志。
一种基于日志语义分析在线服务异常检测方法

[发明专利]一种基于混合深度神经网络模型的互联网广告推荐方法-CN202010862465.3在审
发明人：周仁杰;刘臣;万健;张纪林;殷昱煜;蒋从锋 -专利权人：杭州电子科技大学
申请日： 2020-08-25 - 公布日： 2020-12-08 - 主分类号： G06Q30/02 文献下载
摘要：本发明公开了一种基于混合深度神经网络模型的互联网广告推荐方法。本发明从基于深度学习用于广告点击率预估的模型出发，在DeepFM网络提供特征自动组合的基础上，利用RNN模型从用户历史点击行为记录中精准建模用户的兴趣，提高了广告点击率的预估性能；模型不需要超大规模的广告ID作为输入，降低了对现有广告系统的数据要求，也降低了模型的过拟合风险。本发明在应用到对用户兴趣刻画要求严格的互联网广告投放系统中，能提升广告的点击率，同时不影响模型的更新训练速度。
一种基于混合深度神经网络模型互联网广告推荐方法

[发明专利]一种基于电子病历的心脑血管病知识图谱问答方法-CN202010842689.8在审
发明人： 殷昱煜;梁炎炎;万健;梁婷婷 -专利权人：杭州电子科技大学
申请日： 2020-08-20 - 公布日： 2020-11-27 - 主分类号： G16H50/20 文献下载
摘要：本发明公开了一种基于电子病历的心脑血管知识图谱问答方法。本发明方法包含三部分内容：1.构建爬虫提取百科及心脑血管医疗知识，融合病历数据构建心脑血管领域词典和电子病历脱敏处理；2.构建基于电子病历的知识图谱包括使用语言模型、双向长短期记忆网络、条件随机场和卷积神经网络实现实体关系抽取，使用word2vec筛选实体关系存储到neo4j；3.构建基于传统规则的问答方法，以医疗特征词集及领域词典构建ACTree和问句模板进行问句解析和意图识别，生成Cypher查询语句并返回答案。本发明基于电子病历和线上知识库，实现了心脑血管知识图谱构建及基于知识图谱的用户主诉问答。
一种基于电子病历脑血管病知识图谱问答方法

[发明专利]一种基于排队论的自动驾驶系统实时性分析方法-CN202010842734.X在审
发明人：贾刚勇;施康康;殷昱煜;周丽;李尤慧子 -专利权人：杭州电子科技大学
申请日： 2020-08-20 - 公布日： 2020-11-27 - 主分类号： G06F9/48 文献下载
摘要：本发明涉及一种基于排队论的自动驾驶系统实时性分析方法。本发明中的多级任务发布器，将自动驾驶任务子集按照紧急程度分为EIA、IA、GA三级，各级任务发布过程均为泊松流的输入过程。本发明中的就绪队列，作为发布器和任务调度器的衔接组件，主要用于存放已经发布或因中断而重新进入就绪队列的任务，就绪队列的任务按照一定规则排序等待下次被调度器调度执行。本发明中的任务调度器，主要负责将就绪队列中的任务调度至硬件执行单元运行，包括完全公平调度和带优先级抢占式调度两种调度策略。本发明能有效地提升整个自动驾驶系统任务实时性分析准确率。
一种基于排队自动驾驶系统实时分析方法

[发明专利]一种基于目标像素面积和宽高比的单目实时测距方法-CN202010629609.0在审
发明人：贾刚勇;陈硕;李尤慧子;殷昱煜;蒋从锋;张纪林;万健 -专利权人：杭州电子科技大学
申请日： 2020-07-03 - 公布日： 2020-10-16 - 主分类号： G01C3/00 文献下载
摘要：本发明涉及一种基于目标像素面积和宽高比的单目实时测距方法。本发明方法包含四部分的内容：采用ssd模型实现目标的检测处理，实现较为准确的框定；对相机进行参数标定，获取相机的内部参数和图像分辨率，基于目标检测的宽和高，求目标物的像素面积和宽高比值；通过目标检测的像素面积与距离的关系和特定目标像素宽高比的特性，实现多角度不同距离下的单目测距；由于目标检测的不稳定，在实时测距过程中引入卡尔曼滤波，实时测距的稳定性。本发明针对不同角度成像不同以及实时目标检测的不稳定，提出基于目标像素面积和宽高比的测距方法，并引入卡尔曼滤波方法，提高了多角度测距的适用性，从而提高了实时移动目标测距的稳定性。
一种基于目标像素面积实时测距方法

[发明专利]一种基于网络重配置的分布式机器学习系统加速方法-CN202010587173.3在审
发明人：裘翼滔;蒋从锋;欧东阳;闫龙川;殷昱煜;张纪林;黄震;赵子岩;李妍 -专利权人：杭州电子科技大学
申请日： 2020-06-24 - 公布日： 2020-10-13 - 主分类号： G06F9/50 文献下载
摘要：本发明涉及一种基于网络重配置的分布式机器学习系统加速方法。本发明包括以下步骤：步骤1：调度器从数据库里获取一定数量待训练模型。步骤2：根据各个训练任务的位置偏好性将其划分成多个子任务部署到各个服务器上。步骤3：调度策略管理器不断根据各个任务距离达到时间公平性的难易程度分配GPU资源。步骤4：根据当前网络状况动态调整TCP缓冲区大小。步骤5：调度策略管理器根据负载运行情况将相应结果，记录到数据库中。步骤6：根据数据库中待训练模型的情况决定是否继续进行调度。本发明根据时间公平性和位置敏感性的任务调度策略，可以避免出现机器学习模型训练过程中出现长尾延迟等问题，提高了集群的服务质量。
一种基于网络配置分布式机器学习系统加速方法

[发明专利]一种车联网环境下基于动态信誉机制的区块链共识方法-CN202010542422.7在审
发明人： 殷昱煜;盛萱;周丽;梁婷婷 -专利权人：杭州电子科技大学
申请日： 2020-06-15 - 公布日： 2020-10-09 - 主分类号： H04L9/32 文献下载
摘要：本发明涉及一种车联网环境下基于动态信誉机制的区块链共识方法。在车联网背景下，路边单元RSU节点作为区块链共识节点来维护整个系统的平稳运作。采用一种与共识节点行为有关的动态信誉机制来体现出节点在区块链系统中的可信度，不同时间戳下节点的可信度与leader的产生和区块验证过程直接相关。本发明适用于车联网环境下对大规模交易的即时性和安全性需求，利用一种轻量级leader确立方式取代了传统耗能挖矿，同时提高了交易吞吐量，降低了共识时延，同时采用改进的PBFT算法保证了系统的安全性。
一种联网环境基于动态信誉机制区块共识方法

[发明专利]面向边缘计算中分布式协同学习的低功耗容器放置方法-CN202010546862.X在审
发明人：殷继亮;蒋从锋;欧东阳;万健;殷昱煜;张纪林;闫龙川;黄震;赵子岩;李妍 -专利权人：杭州电子科技大学
申请日： 2020-06-16 - 公布日： 2020-10-09 - 主分类号： G06F9/455 文献下载
摘要：本发明公开了一种面向边缘计算中分布式协同学习的低功耗容器放置方法，该方法主要包括以下三部分内容。第一，利用服务容器历史资源进行聚类，进而构建容器资源使用预测模型，实现待部署容器资源需求的预测。第二，在边缘服务器第一次接入边缘云计算平台时对其进行能效性和能效等比性的测试和标定，并通过采集模块对所有在线边缘服务器的实时负载、硬件资源以及网络通信等状态信息进行获取。第三，从能量等比性、网络传输开销和服务器负载均衡三个方面综合考虑当前可用服务器的所有放置可能，并分别计算出每台服务器在三个方面取得的排名，最后确定综合排名最高的服务器作为容器的最终放置位置。
面向边缘计算分布式协同学习功耗容器放置方法

[发明专利]一种基于深度学习的存储系统自适应参数调优方法-CN202010547220.1在审
发明人：陈圣蕾;蒋从锋;欧东阳;殷昱煜;张纪林;闫龙川;黄震;赵子岩;李妍 -专利权人：杭州电子科技大学
申请日： 2020-06-16 - 公布日： 2020-10-09 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了一种基于深度学习的存储系统自适应参数调优方法。本发明包括对存储系统I/O带宽的管理、I/O负载特征识别和对系统参数自适应调优，其中I/O带宽的管理是通过加强公平排队调度算法来对带宽进行分配，使应用程序能够得到合理的带宽资源。I/O负载特征识别是借助多元线性回归理论来对存储系统进行性能建模，通过检测负载特征，动态地提取存储系统的性能模型。系统参数自适应调优是通过拉丁超立方抽样方法和贪心参数选择算法来选择出对存储系统性能影响较大的参数，继而通过深度神经网络训练优化模型，得到系统性能最优的参数配置。本发明可以合理管理I/O带宽，检测识别负载特征，自动选择重要参数并优化存储系统性能。
一种基于深度学习存储系统自适应参数方法

[发明专利]云计算环境下多租户虚拟机性能一致的资源分配方法-CN202010401889.X在审
发明人：周鑫;蒋从锋;欧东阳;贾刚勇;李尤慧子;殷昱煜;张纪林 -专利权人：杭州电子科技大学
申请日： 2020-05-13 - 公布日： 2020-08-25 - 主分类号： G06F9/455 文献下载
摘要：本发明公开了一种云计算环境下多租户虚拟机性能一致的资源分配方法。本发明首先针对物理服务器多种性能特征制定不同的归一化衡量指标。然后利用集成基准测试软件包对物理服务器进行基准测试，自动化收集物理服务器不同硬件组件间的资源使用情况。之后根据用户虚拟机的负载特征预测其所需的资源量和性能表现，最后为不同物理服务器上的虚拟机分配不同的硬件资源。本发明能够衡量不同硬件配置的服务器之间的性能等价性，准确估测不同配置下用户虚拟机性能，同时利用虚拟机性能一致性资源分配算法保证不同物理机上用户虚拟机的性能一致性，并通过虚拟机服务等级协议保证算法实时保持云计算用户的服务质量。
计算环境租户虚拟机性能一致资源分配方法

[发明专利]一种降低大规模分布式机器学习系统能耗的方法-CN201811177821.7有效
发明人：蒋从锋;王济伟;丁佳明;俞俊;赵乃良;樊甜甜;仇烨亮;万健;张纪林;殷昱煜;任祖杰 -专利权人：杭州电子科技大学
申请日： 2018-10-10 - 公布日： 2020-07-24 - 主分类号： G06F1/329 文献下载
摘要：本发明公开了一种降低大规模分布式机器学习系统能耗的方法。本发明通过分类器对分布式机器学习系统的负载进行分类识别、状态预测，并通过减少分布式参数服务器间的通信加速任务运行来降低整个分布式机器学习系统的能耗。本发明的方法包含两部分：机器学习负载预测与类型识别方法、分布式机器学习节点间参数“懒同步”机制。本发明通过只将显著更新传递到远程数据中心来减少广域网通信的参数同步机制可以有效减少系统等待时长，加快机器学习收敛速率。对机器学习负载的预测和类型的判别有助于提高工作机的利用率，避免大量工作机开启后处于闲置状态。以上方法缩短了机器学习任务的执行时间，提高了工作机利用率，大大降低了系统能耗。
一种降低大规模分布式机器学习系统能耗方法

[发明专利]基于北斗与AIS数据融合的海洋渔船轨迹预测方法及系统-CN202010040731.4在审
发明人：万健;黄杰;周丽;殷昱煜;李尤慧子;黄泽均 -专利权人：杭州电子科技大学
申请日： 2020-01-14 - 公布日： 2020-06-09 - 主分类号： G01S19/42 文献下载
摘要：本发明涉及海洋渔业信息化领域，公开一种基于北斗与AIS数据融合的海洋渔船轨迹预测方法及系统，以提升海洋渔业船舶监控和异常检测的水平，保障渔船安全运行。本发明公开的轨迹预测方法包括：输入北斗和AIS的观测值时间序列，将每个传感器针对同一个目标的观测数据同步到相同的时间线；根据AIS轨迹数据的与北斗轨迹数据进行时间配准后的结果，对AIS数据和北斗数据进行融合；根据AIS数据和北斗数据融合后的结果，获取当前时刻的最优状态估计，并在此基础上进行轨迹预测。本发明融合了北斗与AIS数据，并在此基础上实现渔船轨迹预测，具有较高的预测精度，在数据传输丢失时具有较强的适用性，有效提升了海洋渔业船舶监控的水平。
基于北斗 ais 数据融合海洋渔船轨迹预测方法系统

[发明专利]一种服务器功耗攻击的检测方法-CN201910699957.2在审
发明人：蒋从锋;胡海周;黄杰;胡海杰;李尤慧子;仇烨亮;樊甜甜;殷昱煜;贾刚勇;张纪林 -专利权人：杭州电子科技大学
申请日： 2019-07-31 - 公布日： 2019-12-17 - 主分类号： G06F11/30 文献下载
摘要：本发明涉及大型数据中心内部服务器功耗攻击的检测方法。本发明主要分为两部分。第一部分用于监视和学习数据中心中的可接受行为和不可接受行为，这一部分包含一个TU的独立计算核心，用来优化并执行OC‑SVM。OC‑SVM识别测试数据属于可接受行为还是不可接受行为，进而检测出集群异常行为和HyperAttack；第二部分用于抢占Hypervisor的控制，防止HyperAttack升级。这部分通过AGENT实现。本发明能够有效地识别到数据中心的功耗攻击，并利用AGENT组件抢夺节点控制权，进而有效缓解服务拒绝、功耗过载、数据中心断电等情形，显著提高数据中心的性能和服务质量。
数据中心功耗攻击可接受大型数据中心内部服务器测试数据独立计算异常行为有效缓解有效地检测功耗过载集群控制权断电监视服务升级优化学习