“莫毓昌”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210个，建议您升级VIP下载更多相关专利

[发明专利]一种基于强化学习的数据库集群优化系统及方法-CN202010807625.4有效
发明人： 莫毓昌 -专利权人： 莫毓昌
申请日： 2020-08-12 - 公布日： 2023-10-03 - 主分类号： G06F16/21 文献下载
摘要：本发明公开了一种基于强化学习的数据库集群优化系统及方法，所述优化系统包括，当前配置信息采集子系统、当前性能信息采集子系统、优化策略执行子系统和优化引擎子系统；各个子系统协调配合，根据数据库集群的当前配置信息和当前性能信息，为数据库集群优化策略选择提供最优导向，控制优化策略执行子系统调整数据库集群的配置信息。优点是：使用强化学习的方法来自动优化数据库集群配置参数，对数据库集群处理性能有较为显著的提升；并且当负载发生变化时，其可迅速实现动态适应性的优化调整，大大减少人力成本及时间成本。
一种基于强化学习数据库集群优化系统方法

[发明专利]基于计算图和工业云边缘系统的数据请求处理方法-CN202011140269.1有效
发明人： 莫毓昌 -专利权人： 莫毓昌
申请日： 2020-10-22 - 公布日： 2023-09-22 - 主分类号： G06F9/50 文献下载
摘要：本发明提供一种基于计算图和工业云边缘系统的数据请求处理方法，包括以下步骤：构建工业云边缘系统构架；每台边缘服务器建立并实时更新本地存储的数据集合表；微服务管理器构建表征微服务级联依赖关系的计算图；微服务管理器采用数据就近原则确定微服务部署到的目标边缘服务器；实现对客户端的数据请求处理；微服务管理器对各个边缘服务器的负载状态进行实时监控，当监控到任意的边缘服务器的负荷达到设定阈值时，对边缘服务器当前部署的微服务进行微服务迁移。本发明具有以下优点：本发明从多个角度对整个数据请求处理过程进行创新，从而最大程度实现超低时延应用，有效缩短数据传输时间，进而提高对客户端的响应时间。
基于计算工业边缘系统数据请求处理方法

[发明专利]一种基于多尺度抽样的机电设备状态数据补全与预测方法-CN202010587623.9有效
发明人： 莫毓昌 -专利权人： 莫毓昌
申请日： 2020-06-24 - 公布日： 2023-06-06 - 主分类号： G06N3/0475 文献下载
摘要：本发明公开了一种基于多尺度抽样的机电设备状态数据补全与预测方法，涉及数据处理技术领域。该基于多尺度抽样的机电设备状态数据补全与预测方法，包括如下步骤：S1、采用智能传感器采集获取机电设备工作过程中的工况数据，构造工况数据集D。该基于多尺度抽样的机电设备状态数据补全与预测方法，采用多尺度抽样的思想，从数据集中提取多个时间序列，从而从不同时间尺度进行特征学习，通过表决打分的策略，提升预测精度和稳定性，同时采用生成式对抗网络，对数据集进行样本补全，改进了生成式对抗网络损失函数，提升训练的稳定性和效率，并且基于表决打分的策略，对补全样本进行选择，剔除低质量生成样本。
一种基于尺度抽样机电设备状态数据预测方法

[发明专利]一种基于先验医学知识的疾病风险预测方法-CN201910089365.9有效
发明人： 莫毓昌;李灿东;林栋;黄华林;连志杰 -专利权人：华侨大学
申请日： 2019-01-30 - 公布日： 2023-05-23 - 主分类号： G16H50/30 文献下载
摘要：本发明公开了一种基于先验医学知识的疾病风险预测方法，包括以下步骤：S1、以向量形式输入患者p的EHR记录数据；S2、使用基于卷积神经网络的预测模型来获得预测概率，从而获得目标函数；S3、整合先验医学知识融入步骤S2的预测模型，引入一个期望分布值并设置约束特征，通过正则化方法得到损失函数；S4、通过损失函数计算新的目标函数，并获得风险预测模型的最优参数；通过最优参数预测患者P的疾病风险。本发明使用后验正则化方法自动将离散的医学知识或规则结合到深度预测模型中，其构建的预测模型实现了比最先进的基线更准确的预测结果。
一种基于先验医学知识疾病风险预测方法

[发明专利]一种特性子集选择和特性多元时间序列排序系统-CN201911081381.X有效
发明人： 莫毓昌 -专利权人： 莫毓昌
申请日： 2019-11-07 - 公布日： 2023-05-23 - 主分类号： G06F18/211 文献下载
摘要：本发明公开了一种特性子集选择和特性多元时间序列排序系统，涉及数据处理技术领域。该特性子集选择和特性多元时间序列排序系统，具体步骤如下：S1、使用包装器方法和过滤器方法进行特征子集选择(FSS)；S2、判断类标签是否可用，若可用，则使用监督FSS技术，若不可用，则使用无监督FSS技术；S3、将隐马尔可夫模型(HMM)和耦合HMM(CHMM)的变体应用于UCI KDD Archive的脑电图数据集，并对其进行分类。该特性子集选择和特性多元时间序列排序系统，利用主成分分析的特性来保留这些信息，使用分类作为目标数据挖掘任务，从而可以很好的评估所选特征子集的有效性，在确保精准度的前提下极大的减少了计算的复杂程度，提高了计算效率。
一种特性子集选择多元时间序列排序系统

[发明专利]一种面向性能和功耗平衡的数据中心虚拟机管理方法-CN202010587622.4有效
发明人： 莫毓昌 -专利权人：华侨大学;国富瑞（福建）信息技术产业园有限公司
申请日： 2020-06-24 - 公布日： 2023-05-02 - 主分类号： G06F9/455 文献下载
摘要：本发明公开了一种面向性能和功耗平衡的数据中心虚拟机管理方法，涉及计算机技术领域。该面向性能和功耗平衡的数据中心虚拟机管理方法，包括如下步骤：S1、实测获得数据中心虚拟机运行参数，其中参数包括：1.1、实测获得虚拟机在物理机上的启动时间Tstart。该面向性能和功耗平衡的数据中心虚拟机管理方法，通过学习客户请求达到数量的规律，预先对虚拟机进行适当的增减，在用户请求数量持续增加时，提前启动空闲虚拟机，在用户请求数量持续下降时，保持最少虚拟机启动，从而维持合理的启动虚拟机数量，实现数据中心用户请求服务质量和虚拟机能耗之间的平衡，达到较高的用户请求处理的响应率和较低的虚拟机能耗。
一种面向性能功耗平衡数据中心虚拟机管理方法

[发明专利]一种基于EHR数据的慢性肾脏病恶化风险的建模方法-CN201910263178.8有效
发明人： 莫毓昌 -专利权人： 莫毓昌
申请日： 2019-04-02 - 公布日： 2023-05-02 - 主分类号： G16H50/50 文献下载
摘要：本发明公开了一种基于EHR数据的慢性肾脏病恶化风险的建模方法，涉及医疗技术领域，通过从患者EHR中提取预测因子，将预测因子映射为二元变量，形成数据集，并通过采用多任务‑时态纳入方法建立逻辑回归模型。优点是：能够将患者的EHR数据(数据集)纳入逻辑回归模型中，利用EHR数据能对慢性肾脏病进行不同周期的追踪的特点，获取更优化的逻辑回归模型。
一种基于 ehr 数据慢性肾脏病恶化风险建模方法

[发明专利]一种云计算服务系统的多阶段可靠性建模分析方法-CN201811255155.4有效
发明人： 莫毓昌;蔡绍滨;张昭;高振国;龚玉环 -专利权人：华侨大学
申请日： 2018-10-26 - 公布日： 2023-04-18 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了一种云计算服务系统的多阶段可靠性建模分析方法，包括以下步骤：请求阶段：用户的服务请求首先到达CMS，被划分为多个子任务，如果此时调度系统的任务队列有足够的空间，即请求未被阻塞的情况下，CMS接收用户请求；调度阶段：子任务排队等候调度系统的调度。本发明解决了现有的基于解析的建模技术难度大、现场实测费用昂贵、周期长和错误不可重现的问题，该云计算服务系统的多阶段可靠性建模分析方法，具备建模技术难度小、现场实测费用便宜、周期短和错误可重现的优点，采用解析建模的方法，以概率论为数学基础，从时间的维度，同时兼顾了云计算本身的容错技术，建立了云计算服务系统的可靠性模型，值得推广使用。
一种计算服务系统阶段可靠性建模分析方法

[发明专利]一种基于病历的深度学习预测医疗轨迹的方法-CN201811422693.8有效
发明人：李宁宁;莫毓昌;王海燕 -专利权人：华侨大学
申请日： 2018-11-27 - 公布日： 2023-04-11 - 主分类号： G16H50/20 文献下载
摘要：本发明公开了一种基于病历的深度学习预测医疗轨迹的方法，包括以下步骤：S1、将入院时的诊断信息和干预信息通过编码方案进行编码，并将编码转换为向量；分别得到诊断信息转换向量xt∈RM和干预信息转换向量得到Pt∈RM；将一次入院的诊断信息和干预信息转换成一个2M维的向量[xt,pt]；S2、将向量[xt,pt]输入LSTM模型；求出当前输出值ht得到当前疾病状态；S3、根据疾病状态ht预测诊断代码dt+1，通过诊断代码dt+1对疾病的进展进行预测；S4、计算时间t的干预代码st；在LSTM模型中增加时间结构，在多个时间范围内汇集历史疾病状态，对于每段水平时间轴的状态进行汇集，将所有疾病状态汇集并堆积成向被反馈到神经网络中预测未来风险结果Y。
一种基于病历深度学习预测医疗轨迹方法

[发明专利]面向评分矩阵的多数据源融合方法-CN202010318220.4有效
发明人： 莫毓昌 -专利权人： 莫毓昌
申请日： 2020-04-21 - 公布日： 2023-04-07 - 主分类号： G06F18/25 文献下载
摘要：本发明提供一种面向评分矩阵的多数据源融合方法，包括：获取分别来自两个数据源的评分矩阵；对两个评分矩阵进行分析，识别用户不一致的评分数据记录，并进行数据处理；对两个评分矩阵进行分析，识别商品不一致的评分数据记录，并进行数据处理；在对评分矩阵DS1和评分矩阵DS2进行分析识别，删除用户不一致和商品不一致的相关评分数据记录后，得到处理后的评分矩阵DS1和处理后的评分矩阵DS2；将处理后的评分矩阵DS1和处理后的评分矩阵DS2进行数据融合。本发明提供一种面向评分矩阵的多数据源融合方法，首先将用户不一致和商品不一致的相关评分数据记录删除，然后再进行数据融合，提高数据融合的准确性，从而最终提高商品推荐精准性。
面向评分矩阵多数融合方法

[发明专利]一种基于声纹的电力设备智能健康监测方法-CN202010482501.3有效
发明人： 莫毓昌;蔡绍滨 -专利权人： 莫毓昌
申请日： 2020-06-01 - 公布日： 2023-02-14 - 主分类号： G10L25/51 文献下载
摘要：本发明涉及电力技术领域，提供一种基于声纹的电力设备智能健康监测方法，包括以下步骤：S1、在电力设备现场布设一个声纹信号收集器并在各台电力设备的上均匀部署多个无线传感器对电力设备现场工作的各台设备的声纹信号进行采集；S2、声纹信号收集器由蓝牙无线通信模块、数据组包转发模块、4G通信模块、电源模块构成；S3、云端声纹数据存储器由IP通信模块、数据存储模块、数据处理模块构成；S4、采用设备健康智能管理器周期性地对磁盘中存储的声纹数据进行特征提取、故障诊断和阈值矫正。本发明解决了现有电力设备健康监测技术中的采集节点部署困难，数据服务器工作不稳定，故障诊断速度慢精度低，故障诊断阈值不可调等问题。
一种基于声纹电力设备智能健康监测方法

[发明专利]一种基于混合神经网络模型的机电设备健康状态预测方法-CN202011349493.1有效
发明人： 莫毓昌 -专利权人：华侨大学
申请日： 2020-11-26 - 公布日： 2022-11-25 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于混合神经网络模型的机电设备健康状态预测方法，包括收集机电设备工况参数时间序列历史数据样本和健康状态标志的时间序列历史数据样本；针对每种类型的工况参数的时间序列历史数据样本，分别建立相应的LSTM网络模型，并通过各自相应的LSTM网络模型自动提取各种类型的工况参数的特征；为LSTM网络模型的输出层向量中每个特征输出赋予不同的权值，获取各个LSTM网络模型的输出层向量的加权输出等步骤。优点是：针对每个工况参数，设置一个LSTM网络模型，可以充分挖掘工况参数和机电设备健康状态之间的时序依赖关系，并充分考虑不同工况参数对机电设备健康状态之间的不同影响，设置不同的参数值，从而使得机电设备的健康状态预测更为准确。
一种基于混合神经网络模型机电设备健康状态预测方法

[发明专利]一种基于注意力的双向递归神经网络的诊断预测方法-CN201910149279.2有效
发明人： 莫毓昌 -专利权人： 莫毓昌
申请日： 2019-02-28 - 公布日： 2022-10-18 - 主分类号： G16H50/70 文献下载
摘要：本发明公开了一种基于注意力的双向递归神经网络的诊断预测方法，涉及预测诊断技术领域。该方法首先将高维的医学编码(即临床变量)嵌入低码层空间，然后将编码表示输入到一个基于注意力的双向递归神经网络中，生成隐藏状态表示。通过softmax层输入隐藏的表示，以预测未来访问的医疗代码。实验数据表明，采用本实施例提供的方法，在预测未来访问信息时，注意机制可以对之前的访问分配不同的权重，不仅能够有效的完成诊断预测任务，而且能够合理地解释预测结果。
一种基于注意力双向递归神经网络诊断预测方法

[发明专利]一种大型复杂装备可靠性决策图模型构造方法-CN201811183103.0有效
发明人： 莫毓昌;丁一 -专利权人： 莫毓昌
申请日： 2018-10-11 - 公布日： 2022-10-04 - 主分类号： G06F30/20 文献下载
摘要：本发明提供了一种大型复杂装备可靠性决策图模型构造方法，该方法包括以下步骤：S1、针对大型复杂装备建立故障树模型；S2、采用均值MEAN策略生成故障树变量排序。在大量随机生成的复杂装备故障树样本基础上进行可靠性决策图模型构造的性能比较实验中，本发明提供的基于均值MEAN策略的决策图构造方法性能远优于现有的基于DC策略的决策图构造方法。
一种大型复杂装备可靠性决策模型构造方法

[发明专利]一种基于图着色的节点间能量再分配调度方法-CN201910921109.1有效
发明人：高振国;陈丹杰;蔡绍滨;莫毓昌;王田;周长利;缑锦;谢维波 -专利权人：华侨大学
申请日： 2019-11-21 - 公布日： 2022-08-02 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于图着色的节点间能量再分配调度方法，涉及无线传感器网络技术领域。本发明包括以下阶段模式：S1能量再分配问题描述：给定一个由静态节点U组成的无线传感器网络WSNs,其中能量传输系数矩阵为C＝{c(i,j)}，能量上限列表为eU，能量下限列表为eL，能量传输功率列表为p，初始能量列表为eB，能量预期列表为eE；能量再分配问题WPTERD的任务是找一个最优能量传输调度s，使得最终总能量最大化并且时间跨度最小S2能量再分配问题分解。本发明的GCEgyTimeD算法使能量再分配过程中的能量损失最小，时间跨度最小，有利于延长无线传感器网络的寿命，有利于构建一个长期的无线传感器网络，具有较高的实际应用价值。
一种基于着色节点能量再分配调方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
下一页»
尾页
共 210 条