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！

龙图腾网获悉北京邮电大学申请的专利基于任务表征模型的密度峰值聚类多粒度任务分解算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：CN119883620B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202411950637.7，技术领域涉及：G06F9/50；该发明授权基于任务表征模型的密度峰值聚类多粒度任务分解算法是由芮兰兰;王牧峰;郭少勇;陈子轩;于家傲设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本基于任务表征模型的密度峰值聚类多粒度任务分解算法在说明书摘要公布了：基于任务表征模型的密度峰值聚类多粒度任务分解算法，涉及工业互联网领域，包括依据每个原子任务的信息，获取每个原子任务的计算资源需求向量；针对每个原子任务的计算资源需求向量进行归一化处理；计算原子任务自身计算资源权重系数；计算原子任务间的关联相关参数；计算原子任务之间的距离度量；初始化截断距离；计算每个原子任务的局部密度；计算最小中心偏移距离；获取聚类中心；获取聚类结果。本发明通过构建任务的表征模型，对任务的资源需求进行描述，并利用任务的权重进行任务聚类，以实现合理的资源调度与分配。本发明能够根据任务的特性将其分配到最合适的计算节点，优化系统性能，减少任务延迟，并提升资源利用率。

本发明授权基于任务表征模型的密度峰值聚类多粒度任务分解算法在权利要求书中公布了：1.基于任务表征模型的密度峰值聚类多粒度任务分解算法，其特征在于，包括以下步骤： 步骤S1：构建工业互联网计算任务表征模型； 步骤S1.1：依据每个原子任务的信息，获取每个原子任务的计算资源需求向量； 对于每个原子任务，其计算资源需求向量的具体计算公式为： ； 其中，表示CPU需求分向量，表示GPU需求分向量，表示内存需求分向量，表示外存需求分向量； 步骤S1.2：针对每个原子任务的计算资源需求向量进行归一化处理； 采取Min-max法进行归一化处理，通过将数据x按照最小值中心化后，再按极差进行缩放，从而完成对数据的无量纲化并收敛到统一规格，形成归一化权重： 1； 其中，表示原子任务数据x的归一化权重；表示原子任务的某一资源需求量；表示数据x的最大值；表示数据x的最小值；式1中的分母即表示所有任务在CPU、GPU、内存和外存上的平均需求量； 步骤S1.3：计算原子任务自身计算资源权重系数； 所述原子任务自身计算资源权重的具体计算公式为： 2； 其中，表示原子任务的CPU需求权重，表示原子任务的GPU需求权重，表示原子任务的内存需求权重，表示原子任务的外存需求权重，表示CPU需求调节参数，表示GPU需求调节参数，表示内存需求调节参数，表示外存需求调节参数； 步骤S1.4：计算原子任务间的关联相关参数； 根据原子任务之间的依赖与联系因素，针对任意两个原子任务计算得出它们之间的相关系数，其具体计算公式为： ； 其中，表示原子任务和原子任务之间的特殊需求，表示归一化交互数据量的调节参数，表示原子任务和原子任务之间的归一化交互数据量，表示归一化数据依赖度的调节参数，表示原子任务和原子任务之间的归一化数据依赖度，表示归一化带宽需求量的调节参数，表示原子任务和原子任务之间的归一化带宽需求量； 步骤S2：基于构建的工业互联网计算任务表征模型进行密度峰值聚类多粒度任务分解； 步骤S2.1：计算原子任务之间的距离度量； 所述原子任务之间的距离度量的具体计算公式为： 4； 其中，表示任意两个原子任务之间的距离度量，表示原子任务自身计算资源权重，表示原子任务自身计算资源权重，表示任意两个原子任务之间的相关系数； 步骤S2.2：初始化截断距离； 步骤S2.3：计算每个原子任务的局部密度； 步骤S2.4：计算最小中心偏移距离； 步骤S2.5：获取聚类中心； 步骤S2.6：获取聚类结果。

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北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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。