葡京娱乐场-富盈娱乐场开户

本發(fā)明公開了一種動(dòng)態(tài)云服務(wù)請(qǐng)求下數(shù)據(jù)中心多能源的在線控 制系統(tǒng)，包括系統(tǒng)狀態(tài)監(jiān)控模塊、負(fù)載調(diào)度模塊和多源供能系統(tǒng)管理 模塊，負(fù)載調(diào)度模塊包括延時(shí)敏感型請(qǐng)求調(diào)度子模塊和延時(shí)容忍型作 業(yè)調(diào)度子模塊，系統(tǒng)狀態(tài)監(jiān)控模塊用于每隔一段時(shí)間接收來(lái)自用戶的 云服務(wù)請(qǐng)求，判斷云服務(wù)請(qǐng)求是延時(shí)敏感型請(qǐng)求還是延時(shí)容忍型作業(yè)， 并在云服務(wù)請(qǐng)求是延時(shí)敏感型請(qǐng)求時(shí)將該云服務(wù)請(qǐng)求發(fā)送到負(fù)載調(diào)度 模塊的延時(shí)敏感型請(qǐng)求調(diào)度子模塊，在云服務(wù)請(qǐng)求是延時(shí)容忍型作業(yè) 時(shí)將該云服務(wù)請(qǐng)求發(fā)送到負(fù)載調(diào)度模塊的延時(shí)容忍型作業(yè)調(diào)度子模 塊。本發(fā)明能夠優(yōu)化數(shù)據(jù)中心供能系統(tǒng)的長(zhǎng)期運(yùn)營(yíng)開銷，并且不需要 提前獲取任何系統(tǒng)數(shù)據(jù)或者假設(shè)任何的穩(wěn)態(tài)分布。 完成人：金海、劉方明、鄧維 

本發(fā)明公開了一種云服務(wù)分布式數(shù)據(jù)中心系統(tǒng)，包括系統(tǒng)狀態(tài) 監(jiān)控模塊、負(fù)載接納控制模塊、負(fù)載路由分發(fā)模塊、負(fù)載調(diào)度模塊和 多源供能管理模塊，系統(tǒng)狀態(tài)監(jiān)控模塊用于獲取來(lái)自不同用戶的云服 務(wù)請(qǐng)求，記錄云服務(wù)請(qǐng)求與云服務(wù)請(qǐng)求相關(guān)的信息，并將云服務(wù)請(qǐng)求 傳送到負(fù)載接納控制模塊，負(fù)載接納控制模塊用于根據(jù)接收到的云服 務(wù)請(qǐng)求的數(shù)量選擇部分云服務(wù)請(qǐng)求，并將這些云服務(wù)請(qǐng)求發(fā)送到負(fù)載 路由分發(fā)模塊，負(fù)載路由分發(fā)模塊用于將接收到的云服務(wù)請(qǐng)求分發(fā)到 對(duì)應(yīng)的數(shù)據(jù)中心進(jìn)行處理。本發(fā)明能夠解決現(xiàn)有系統(tǒng)中存在的數(shù)據(jù)中 心供能系統(tǒng)的長(zhǎng)期運(yùn)營(yíng)開銷大，新能源供應(yīng)不穩(wěn)定、電價(jià)波動(dòng)、需要 提前獲取系統(tǒng)數(shù)據(jù)或者穩(wěn)態(tài)分布的問(wèn)題。 

1. 背景介紹信用評(píng)價(jià)作為一種服務(wù)產(chǎn)品，最早起源于1837年，路易斯?塔班在紐約建立了以企業(yè)為評(píng)價(jià)對(duì)象的最早的信用評(píng)價(jià)機(jī)構(gòu)。穆迪創(chuàng)建了世界第一家企業(yè)信用評(píng)估機(jī)構(gòu)。1922年，標(biāo)準(zhǔn)普爾公司的前身——普爾出版公司也開始對(duì)工業(yè)債券進(jìn)行評(píng)價(jià)。1931年，美國(guó)制定了相關(guān)金融法規(guī)規(guī)范了民間信用評(píng)價(jià)，奠定了現(xiàn)代信用評(píng)價(jià)的基礎(chǔ)。1974年美國(guó)發(fā)生了自30年代后最為嚴(yán)重的經(jīng)濟(jì)危機(jī)，在這次經(jīng)濟(jì)危機(jī)之后，人們開始關(guān)注信用評(píng)價(jià)，信用風(fēng)險(xiǎn)意識(shí)的增強(qiáng)促進(jìn)了信用評(píng)價(jià)的迅猛發(fā)展。相對(duì)國(guó)外信用評(píng)價(jià)的發(fā)展而言，我國(guó)起步較晚，1992年，首家全國(guó)性證券評(píng)估機(jī)構(gòu)——中誠(chéng)信證券評(píng)估有限公司成立。目前我國(guó)信用評(píng)價(jià)機(jī)構(gòu)已發(fā)展到60多家，遍及全國(guó)20多個(gè)省市。但是由于發(fā)展過(guò)快，評(píng)價(jià)機(jī)構(gòu)缺乏獨(dú)立性與公正性，評(píng)價(jià)方法不科學(xué)等各種問(wèn)題。為了完善和發(fā)展資本需要，維護(hù)市場(chǎng)經(jīng)濟(jì)秩序，降低金融風(fēng)險(xiǎn)，建立新的信用評(píng)價(jià)系統(tǒng)，已成為我國(guó)政府急需解決的問(wèn)題之一。2. 技術(shù)原理本項(xiàng)目以云平臺(tái)為架構(gòu)，以云平臺(tái)SaaS(Software as a Service, 軟件即服務(wù))為客戶交互模式，其后臺(tái)采用云平臺(tái)的虛擬化、集群的故障定位、資源池等技術(shù)，結(jié)合近年來(lái)剛興起的智能優(yōu)化等數(shù)據(jù)挖掘技術(shù)，結(jié)合交叉驗(yàn)證評(píng)估模型等，從而建立一個(gè)基于云平臺(tái)的數(shù)據(jù)挖掘模式的信用管理系統(tǒng)。

四川大學(xué)抗擊新冠肺炎疫情應(yīng)急科研攻關(guān)相關(guān)項(xiàng)目組聯(lián)合中國(guó)移動(dòng)，發(fā)揮文、理、工、醫(yī)多學(xué)科交叉融合優(yōu)勢(shì)，充分利用華西醫(yī)學(xué)科研資源，在“5G醫(yī)學(xué)轉(zhuǎn)化服務(wù)平臺(tái)”和“醫(yī)學(xué)+信息”基礎(chǔ)上，研發(fā)成功的基于5G云計(jì)算的新冠肺炎免疫檢測(cè)與智能分析系統(tǒng)是全球首個(gè)運(yùn)用新冠肺炎生物芯片，融合物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、云計(jì)算等信息技術(shù)的高科技產(chǎn)品，能在不同場(chǎng)景（機(jī)場(chǎng)/車站安檢、大型活動(dòng)安檢、社區(qū)及個(gè)人自檢等）對(duì)目標(biāo)人群開展免疫檢測(cè)，并通過(guò)人工智能技術(shù)進(jìn)行分析，為新冠疫情的最終解決提供必要技術(shù)支撐。該系統(tǒng)實(shí)現(xiàn)了檢測(cè)點(diǎn)的分散式布局與檢測(cè)資源下沉，能避免集中檢測(cè)的交叉感染，檢測(cè)方便快捷，準(zhǔn)確率高，數(shù)據(jù)自動(dòng)上傳國(guó)家指定平臺(tái)。

本發(fā)明公開了一種虛擬機(jī)鏡像的高效更新以及驗(yàn)證機(jī)制。與現(xiàn) 有的虛擬機(jī)鏡像離線更新機(jī)制不同，本技術(shù)方案通過(guò)對(duì)重寫后的無(wú)法 實(shí)施離線更新腳本進(jìn)行分割，得到離線更新腳本以及在線更新腳本， 分階段執(zhí)行不同的腳本使得更新的執(zhí)行粒度更加細(xì)化，可以更加高效 的完成之前技術(shù)方案中無(wú)法實(shí)施離線更新的狀況。除此之外，提出一 種基于鏡像劃分進(jìn)行更新可靠性驗(yàn)證機(jī)制，通過(guò)將已更新的鏡像通過(guò) 分類聚合，驗(yàn)證更新后的鏡像可靠性，以最高效的方式完成更

本發(fā)明屬于精密加工與測(cè)量技術(shù)領(lǐng)域，并公開了一種可有效保留邊界和局部特征的復(fù)雜曲面零件點(diǎn)云精簡(jiǎn)方法，包括:對(duì)復(fù)雜曲面 零件生成掃描點(diǎn)云;針對(duì)點(diǎn)云中的各個(gè)點(diǎn)獲得多個(gè)鄰域點(diǎn)并計(jì)算得出 法線向量;繼續(xù)以各個(gè)點(diǎn)為球心找出最短半徑范圍內(nèi)的 m 個(gè)點(diǎn)，然后 求出點(diǎn)云中各個(gè)點(diǎn)的法線向量與這 m 個(gè)點(diǎn)的法線向量之間夾角的平均 值;基于夾角平均值來(lái)設(shè)定閾值，然后執(zhí)行特征粗分類;進(jìn)行二次細(xì) 分以完成第一個(gè)精簡(jiǎn)子集的選取，然后基于定向Hausdorff距離來(lái)完成 第二個(gè)精簡(jiǎn)子集的選取

本發(fā)明屬于精密加工與測(cè)量技術(shù)領(lǐng)域，并公開了一種可有效保留邊界和局部特征的復(fù)雜曲面零件點(diǎn)云精簡(jiǎn)方法，包括：對(duì)復(fù)雜曲面 零件生成掃描點(diǎn)云；針對(duì)點(diǎn)云中的各個(gè)點(diǎn)獲得多個(gè)鄰域點(diǎn)并計(jì)算得出 法線向量；繼續(xù)以各個(gè)點(diǎn)為球心找出最短半徑范圍內(nèi)的 m 個(gè)點(diǎn)，然后 求出點(diǎn)云中各個(gè)點(diǎn)的法線向量與這 m個(gè)點(diǎn)的法線向量之間夾角的平均 值；基于夾角平均值來(lái)設(shè)定閾值，然后執(zhí)行特征粗分類；進(jìn)行二次細(xì) 分以完成第一個(gè)精簡(jiǎn)子集的選取，然后基于定向 Hausdorff 距離來(lái)完成 第二個(gè)精簡(jiǎn)子集的選取；最后對(duì)兩個(gè)精簡(jiǎn)子集進(jìn)行合并，由此獲得

本發(fā)明公開了云存儲(chǔ)系統(tǒng)中基于溯源信息的視頻共享方法。系統(tǒng)客戶端收集視頻溯源信息，客戶端上傳共享的視頻及相關(guān)視頻溯源信息，服務(wù)器根據(jù)客戶端上傳的視頻溯源信息建立溯源圖。云存儲(chǔ)系統(tǒng)服務(wù)器接收到視頻下載請(qǐng)求后，在溯源圖中查找所述請(qǐng)求下載視頻的起始視頻，若查找到起始視頻存在于云存儲(chǔ)系統(tǒng)中，則根據(jù) BFS(廣度優(yōu)先遍歷)算法選擇一條從所述起始視頻到所述請(qǐng)求下載視頻的代價(jià)最小的路徑，依照該路徑重新生成所述請(qǐng)求下載的視頻并發(fā)送給客

本發(fā)明公開了一種基于自組織映射模型的云軟件性能異常錯(cuò)誤 診斷方法，包括：追蹤記錄待檢測(cè)的軟件在云環(huán)境中運(yùn)行時(shí)的系統(tǒng)調(diào) 用信息；分析出現(xiàn)性能異常的虛擬機(jī)上軟件運(yùn)行時(shí)系統(tǒng)調(diào)用序列，劃 分每個(gè)進(jìn)程對(duì)應(yīng)的系統(tǒng)調(diào)用序列；根據(jù)劃分得到的進(jìn)程系統(tǒng)調(diào)用序列 建立檢測(cè)模型，并對(duì)可疑進(jìn)程進(jìn)行異常檢測(cè)；計(jì)算出現(xiàn)異常的進(jìn)程中 最相關(guān)的系統(tǒng)調(diào)用，排序后輸出。本發(fā)明能夠準(zhǔn)確完整地記錄軟件運(yùn) 行時(shí)的行為，能夠自動(dòng)化建模并且檢測(cè)出異常的系統(tǒng)運(yùn)行過(guò)程