买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江工商大学申请的专利基于自适应多尺度补丁网络的云平台资源负载预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120162138B 。

龙图腾网通过国家知识产权局官网在2026-01-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510068915.4，技术领域涉及：G06F9/50；该发明授权基于自适应多尺度补丁网络的云平台资源负载预测方法是由刘东升;徐杨波;林俊杰;李经纬;郑礼彬设计研发完成，并于2025-01-16向国家知识产权局提交的专利申请。

本基于自适应多尺度补丁网络的云平台资源负载预测方法在说明书摘要公布了：本发明公开了基于自适应多尺度补丁网络的云平台资源负载预测方法，属于云计算技术领域，通过采集云计算平台集群中每台主机的资源负载情况数据，对资源负载情况数据进行归一化处理，转化为有监督学习问题，得到时间序列样本；对时间序列样本进行下采样，得到多尺度序列；利用快速傅里叶变换提取多尺度序列每一个尺度序列的周期性和趋势性特征，并通过多层感知机从上到下聚合周期性特征，从下到上聚合趋势性特征，得到多尺度特征序列；使用双依赖性交互器对多尺度特征序列进行建模，融合多尺度特征，得到多尺度融合特征序列；使用自适应加权预测模块，对多尺度融合特征序列进行评分和自适应加权聚合，得到资源负载的预测结果。

本发明授权基于自适应多尺度补丁网络的云平台资源负载预测方法在权利要求书中公布了：1.基于自适应多尺度网络的资源负载预测方法，其特征在于包括如下步骤： 步骤一：采集云计算平台集群中主机的资源负载情况，以获取资源复杂情况的时间序列样本数据； 步骤二：通过时间序列样本数据，基于不同尺度生成多尺度序列数据；对时间序列样本数据采用一维平均池化递归地下采样到多个不同尺度的序列数据，其中最低层次的尺度序列数据为所述时间序列样本数据，用于表示最细粒度的时间变化，最高层次的时间序列数据用于表示宏观变化；通过位置嵌入和时间嵌入，将多尺度序列数据映射到深层特征空间； 步骤三：提取多尺度序列数据中每一个尺度序列的周期性和趋势性特征，并从大尺度到小尺度聚合周期性特征，从小尺度到大尺度聚合趋势性特征，以生成多尺度特征序列；通过多层感知机从上到下聚合周期性特征，从下到上聚合趋势性特征，得到多尺度特征序列； 对于周期性特征，通过自下而上的方式，从细尺度的周期性部分开始，逐步将低层级的细节信息向上聚合至高层级的尺度，具体公式为： 其中，表示周期性特征，M表示总尺度数量，m表示第m个尺度，自下而上的多层感知机包括全连接层、激活函数和全连接层； 对于趋势性特征，采用自上而下的方式，从粗尺度的趋势性部分开始，逐步将高层级的宏观趋势信息向下传递至细层级的尺度，具体公式为： 其中，表示趋势性特征，自上而下的多层感知机包括全连接层、激活函 数和全连接层； 最终，得到聚合了周期性特征和趋势性特征的多尺度特征序列； 步骤四：对多尺度特征序列进行多尺度特征融合，并分别在通道和时间上进行依赖建模，以捕捉到不同特征通道之间的依赖关系和特征对时间序列中的时间依赖，最终得到多尺度融合特征序列； 步骤五：对多尺度融合特征序列进行评分和自适应加权聚合，得到资源负载的预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工商大学，其通讯地址为：310018 浙江省杭州市钱塘区下沙高教园区学正街18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。