“欧东阳”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23个，建议您升级VIP下载更多相关专利

[发明专利]公有云系统性能一致性调整方法-CN202010475736.X有效
发明人：樊甜甜;蒋从锋;周鑫;欧东阳;李跃岗;仇烨亮;殷昱煜;张纪林 -专利权人：杭州电子科技大学
申请日： 2020-05-29 - 公布日： 2023-06-30 - 主分类号： H04L67/51 文献下载
摘要：本发明公开了一种公有云系统性能一致性调整方法。本发明首先建立基于线性回归模型的云系统性能评价指标，用于计算不同测试场景下云系统的性能和判断云服务提供商是否提供一致的性能；其次检查云平台配置的完整性，消除由于硬件配置和软件配置不一致所带来的性能误差；然后使用网络时间协议(NTP)来同步网络中各个虚拟机的时间。最后清除宿主机和虚拟机的处理器缓存，消除由于不同缓存命中率所带来的误差。通过本发明可以消除影响云系统性能的不确定因素，使得云系统可以为租户提供从一而终的性能，显著提高的云租户的服务体验，同时降低了云平台的投诉率保证了云平台的信誉。
公有系统性能一致性调整方法

[发明专利]一种网络流量异常检测方法及系统-CN202211400745.8在审
发明人：陈雷;蒋从锋;欧东阳 -专利权人：杭州电子科技大学
申请日： 2022-11-09 - 公布日： 2023-04-04 - 主分类号： H04L9/40 文献下载
摘要：本发明公开了一种网络异常流量识别方法及系统。本发明是根据动态环境下网络流量中正常流量和已知异常流量在神经网络模型中识别置信度分数累积分布函数接近于1而未知异常流量置信度分布为均匀分布的特点，在基于深度学习的网络流量异常检测模型的基础上新增一个基于深度学习的二元判别器，以判断出动态网络流量中的哪些属于未知异常流量，再将得到的未知网络流量集合聚类标记，得到带新型网络流量异常标签的新数据集，网络流量异常检测模型根据网络新增异常频率情况人工设定周期时间定期地训练新数据集更新模型状态，以达到提升在动态网络环境中对未知的新型异常网络流量识别的准确度的效果。
一种网络流量异常检测方法系统

[发明专利]数据中心电力攻击检测方法及系统-CN202210643692.6在审
发明人：严承旭;蒋从锋;欧东阳 -专利权人：杭州电子科技大学
申请日： 2022-06-08 - 公布日： 2022-09-20 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种数据中心电力攻击检测方法及系统，通过基于强化学习的GAN模型，利用生成器拟合样本的能力和判别器的判断能力，生成模拟时序数据；使用GBDT模型进行电力攻击检测；在服务器端运行电力管控模块，在其他机器运行客户端程序，收集客户端数据；在数据中心运行GBDT检测模型，赋予电力管控模块电源管理的权力。出现电力攻击事件时，减少新增功耗，缓解电力攻击的压力。本发明提供了有效、可靠的训练数据，提高了检测模型的准确率，能克服数据中心电力攻击检测数据样本不足的问题。
数据中心电力攻击检测方法系统

[发明专利]一种分布式机器学习任务GPU资源调度分配方法及系统-CN202210562623.2在审
发明人：袁天宜;蒋从锋;欧东阳;闫龙川 -专利权人：杭州电子科技大学
申请日： 2022-05-23 - 公布日： 2022-09-02 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了一种分布式机器学习训练任务GPU资源调度分配方法及系统，方法包括：S1:为每个训练作业分配一个参数服务器和一个工作节点；S2:通过收集作业在不同参数服务器和工作节点数量组合下的训练速度，拟合训练速度模型；S3:采集训练作业的每次训练迭代的损失值，拟合作业的损失值迭代曲线，计算训练作业的剩余完成时间；S4:节点分配模块根据训练速度模型为每个作业分配合适的工作节点数量和参数服务器数量；S5:作业放置模块按照短作业优先策略，基于分布式通信时延和排队等候时间选择成本最低的放置策略；系统包括节点分配模块和作业放置模块。通过本发明可以达到降低集群训练作业平均完成时间的目标。
一种分布式机器学习任务 gpu 资源调度分配方法系统

[发明专利]基于组合神经网络的微服务资源分配方法-CN202210526299.9在审
发明人：张婷;蒋从锋;欧东阳 -专利权人：杭州电子科技大学
申请日： 2022-05-16 - 公布日： 2022-08-30 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了一种基于组合神经网络的微服务资源分配方法。本发明基于组合神经网络识别微服务的依赖关系与云环境的动态特征，预测并定位引起性能违约的微服务，并锁定其受到限制的瓶颈资源，针对瓶颈资源进行资源的分配，以在减少性能违约的情况下尽可能提高数据中心的资源使用率。通过本发明提供的基于组合神经网络的微服务资源分配方法，可以很好地捕捉云环境中工作负载特征和性能干扰模式的剧烈变化，精准预测与定位即将引起性能违约的微服务，并对其瓶颈资源进行分配，在减少在线服务违约率的情况下尽可能提高资源的利用率。
基于组合神经网络微服资源分配方法

[发明专利]一种基于多模态学习的电力攻击识别方法-CN202010587171.4有效
发明人：王济伟;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： 2022-07-22 - 主分类号： H04L9/40 文献下载
摘要：本发明涉及一种基于多模态学习的电力攻击识别方法。本发明包含三部分内容：分布式多模态数据监控单元；模态队列和多模态数据监控中台，三部分的步骤依次实现了多模态监控数据的生成、发送与攻击判断。分布式多模态数据监控单元，利用覆盖层网络实现集群中各局域网的多模态数据生成与采样同步。模态队列利用并行模态队列算法，约束缓存多模态数据的发送。多模态数据监控中台用于判断、存储、查阅多模态监控数据，其中判断过程利用了多源注意力门控循环记忆网络算法，以滑动窗口的方式拉取多模态数据，实现时序感知的多模态电力攻击的判断。本发明可以有效减少监控运行时对原生系统服务的负担，并提升电力攻击检测的效果。
一种基于多模态学习电力攻击识别方法

[发明专利]基于改进编解码器架构的序列到序列渔船轨迹预测方法-CN202210417234.0在审
发明人：王英杰;袁俊峰;张纪林;任永坚;万健;曾艳;欧东阳 -专利权人：杭州电子科技大学
申请日： 2022-04-20 - 公布日： 2022-07-05 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于改进编解码器架构的序列到序列船舶轨迹预测方法。传统的编解码器方法无法捕捉完整的船舶轨迹序列表示并进行有效的预测。本发明基于编解码器架构，提出了一种改进编解码器架构序列到序列的船舶轨迹预测方法，它由两个并行的卷积分量构成改进编码器和长短期记忆网络构成解码器。本发明提供的改进编解码器架构的序列到序列船舶轨迹预测方法具有更高的精度，在交通复杂的近海区域的船舶轨迹预测中具有一定的参考价值。
基于改进编解码器架构序列渔船轨迹预测方法

[发明专利]一种面向船舶定位数据的时空网格与树融合的存储方法-CN202210048823.6在审
发明人：徐传奇;张纪林;任永坚;曾艳;袁俊峰;薛梅婷;欧东阳 -专利权人：杭州电子科技大学
申请日： 2022-01-17 - 公布日： 2022-04-26 - 主分类号： G06F16/29 文献下载
摘要：本发明公开了一种面向船舶定位数据的时空网格与树融合的存储方法。本发明采用时间、经度和纬度三个维度构建时空网格，对时空网格内单个船舶定位数据的元数据建模；并将元数据按照时间范围分片形成元数据块，采用B+树对元数据块进行管理；在元数据块内，构建时空网格编码，并按照时空网格编码升序将元数据依次存入元数据数组中；在数据存储过程中，随着时间推移，自动按照时间范围分片建立元数据块及其元数据，同时将船舶定位数据存储至存储节点。本发明以时空网格编码作为元数据索引，实现按时空条件快速查找元数据；将元数据按照时间范围分片形成元数据块，采用B+树对元数据块进行管理，实现快速缩小目标数据的查找范围。
一种面向船舶定位数据时空网格融合存储方法

[发明专利]一种基于快速矩阵分解法的近海气候预测方法和装置-CN202111617373.X在审
发明人：焦瀚;袁俊峰;任永坚;张纪林;铃木智博;欧东阳;曾艳;刘震;许洋;王雷;徐传奇;于晓康 -专利权人：杭州电子科技大学
申请日： 2021-12-27 - 公布日： 2022-04-08 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开一种基于快速矩阵分解法的近海气候预测方法和装置。使用已有基于Matern核函数高斯随机场模型以及收集到近海气候物理数据，对该区域的任意空间点位进行物理值预测；使用OpenMP来生成任务依赖图并按依赖顺序调度其中的分解任务；使用MPI来控制矩阵分块后，然后进行不同进程间的非阻塞通信。本发明提出一种全新的MPI+X范式，既可运行在分布式环境中，也可使用原生的OpenMP任务模型进行编程，多线程执行通信有效提升大规模分解算法运行效率。本发明提出一种分布式环境下全新的二维数据布局，平衡分布式分解算法中各进程上负载；分摊计算量较高的任务到不同进程上，从而降低分解算法的通信开销，并提升效率。
一种基于快速矩阵解法近海气候预测方法装置

[发明专利]一种基于船舶行为特征的船舶轨迹压缩方法及其系统-CN202111553973.4在审
发明人：王雷;袁俊峰;张纪林;欧东阳;曾艳;许洋;刘震;徐传奇;于晓康 -专利权人：杭州电子科技大学
申请日： 2021-12-17 - 公布日： 2022-03-22 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于船舶行为特征的船舶轨迹压缩方法及其系统，本发明对船舶轨迹中缺失值数据进行预处理，然后构建特征矩阵；利用DBSCAN算法对特征矩阵I进行基于密度的聚类，得到不同船舶行为的轨迹片段；使用k‑Means方法将轨迹片段分为抛锚阶段、航行阶段、捕鱼阶段；对船舶轨迹根据不同的行为进行自适应压缩。本发明实现了对船舶轨迹数据的有效压缩，压缩方法考虑了船舶轨迹的具体行为特征，既确保压缩前后船舶轨迹数据特征的一致，又实现船舶轨迹数据的压缩，保证船舶管理系统轨迹查询相关功能的流畅性。
一种基于船舶行为特征轨迹压缩方法及其系统

[发明专利]一种基于语义特征向量的渔船类型识别方法-CN202111435653.9在审
发明人：刘震;袁俊峰;任永坚;张纪林;欧东阳;曾艳;许洋;王雷;徐传奇;于晓康 -专利权人：杭州电子科技大学
申请日： 2021-11-29 - 公布日： 2022-03-08 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于语义特征向量的渔船类型识别方法，面向于人工特征工程复杂、特征提取不充分问题。本发明提出了基于船位轨迹的航迹提取算法及基于速度约束的轨迹修复算法对历史VMS轨迹数据进行数据修复，提高数据质量；提出基于Word2Vec的语义特征抽取模型，从预处理的VMS渔船轨迹中自动化抽取渔船VMS的语义高阶特征向量，结合基于梯度提升树的LightGBM分类模型能够实现渔船作业类型的有效分类。本发明在应用到渔船作业类型识别等分类问题时，有较高的识别性能，同时，该方法应用在智慧海洋中可有效识别渔船作业类型。
一种基于语义特征向量渔船类型识别方法

[发明专利]一种基于AIS轨迹数据的多步聚类的渔船行为识别方法-CN202111334480.1在审
发明人：许越然;张纪林;袁俊峰;欧东阳;曾艳;刘震;王雷;许洋;徐传奇;于晓康 -专利权人：杭州电子科技大学
申请日： 2021-11-11 - 公布日： 2022-03-04 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于AIS轨迹数据的多步聚类的渔船行为模式识别方法，包括轨迹数据处理、提取轨迹特征点、建立相似度距离模型得到计算轨迹点之间的时空距离矩阵、使用Mean Shift聚类算法对渔船的轨迹进行第一步聚类，使得时空距离相近且连续轨迹点聚在一起，对应着同一种捕捞行为、使用K‑means聚类算法对轨迹段的平均速度进行聚类，使得平均速度相似的轨迹段聚在一起，从而对一艘渔船所有的轨迹段按照抛锚，航行和捕捞行为进行分类。本发明方法降低计算开销，提高效率和通用性。
一种基于 ais 轨迹数据多步聚类渔船行为识别方法

[发明专利]一种基于概率密度聚类的数据清洗方法及装置-CN202111075791.0在审
发明人：王玮;周仁杰;张纪林;任永坚;邓飞;王星;邵衢进;沈佳冰;袁俊峰;欧东阳 -专利权人：杭州电子科技大学
申请日： 2021-09-14 - 公布日： 2022-01-14 - 主分类号： G06F16/215 文献下载
摘要：本发明公开一种基于概率密度聚类的数据清洗方法及装置。本发明从基于层级聚类模型预测数值型错误数据出发，利用数据的概率密度求出数据的特征向量，再根据特征向量来进行模型训练和预测，提高了错误数据的预测精准度，并且人工参与的工作量较小，工作复杂度较低；在利用概率密度求特征向量的过程中，设置的阈值精度较高，个数较多，使本方法具有的一定的泛化型。
一种基于概率密度数据清洗方法装置

[发明专利]一种基于循环神经网络的改进船舶轨迹预测方法及其装置-CN202111092420.3在审
发明人：许洋;任永坚;张纪林;袁俊峰;欧东阳;曾艳;刘震;王雷;徐传奇;于晓康 -专利权人：杭州电子科技大学
申请日： 2021-09-17 - 公布日： 2022-01-04 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于循环神经网络的改进船舶轨迹预测方法及其装置。近海船舶密集、交通环境复杂，舰船自动识别系统(AIS)数据存在以下特征：(1)海域内存在大量的锚定轨迹；(2)部分非锚定轨迹存在异常锐角弯；(3)船只在不同航段的行为差异较大。这些特征会降低轨迹预测的精度，本发明提出了基于循环神经网络的改进船舶轨迹预测模型：(1)提出锚轨迹消除算法消除锚轨迹；(2)提出基于概率的轨迹修复算法修复锐角弯；(3)设计二阶段船舶轨迹流聚类算法区分船只行为；(4)搭建深层双向门循环单元(GRU)模型。本发明提出的改进船舶轨迹预测模型具有更高的预测精度，在近海区域的船舶轨迹预测中具有一定的参考价值。
一种基于循环神经网络改进船舶轨迹预测方法及其装置

[发明专利]基于节点归并和路径预测的行人属性识别训练加速方法-CN202111019973.6在审
发明人：丁勇;曾艳;任永坚;张纪林;袁俊峰;欧东阳 -专利权人：杭州电子科技大学
申请日： 2021-09-01 - 公布日： 2021-12-21 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于节点归并和路径预测的行人属性识别训练加速方法。本发明运用基于启发式的图搜索算法来计算在短时间内消耗较少计算资源的最优并行化策略，从而实现大规模复杂神经网络模型并行策略自动搜索和调优。本发明首先构建多维性能代价模型以指导并行策略自动搜索和调优，解决现有方法评估并行效率单一的问题。其次构建图搜索空间，将DNN模型的算子放置及调度问题转化为DAG调度问题，然后通过异构算力感知节点归并来减少算子间的等待依赖时间，最后在设备选择时，基于路径预测优化关键路径，从而进一步提升并行性能。
基于节点归并路径预测行人属性识别训练加速方法

1
2
下一页»
尾页
共 23 条