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！

龙图腾网获悉东南大学申请的专利面向数据缺失的随机工作流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：CN120067554B 。

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：202510219671.5，技术领域涉及：G06F18/15；该发明授权面向数据缺失的随机工作流负载预测方法是由王爽;徐浩南;武雯慧设计研发完成，并于2025-02-26向国家知识产权局提交的专利申请。

本面向数据缺失的随机工作流负载预测方法在说明书摘要公布了：本发明公开了一种面向数据缺失的随机工作流负载预测方法，该方法包括工作流预处理阶段：将工作流转化为化为嵌入向量形式，依据历史记录进行相似度聚类；工作流缺失值补全和负载预测阶段：基于共性特征的核密度缺失数据填充方法，填充缺失数据，并基于算网云边端结构特性和工作流计算、存储、通信等历史信息，提出工作流负载分析和预测方法；集群建模及特征工程阶段；集群负载预测阶段：本发明结合核方法和卡尔曼滤波技术技术预测缺失值与工作流负载，优化了预测的鲁棒性和泛化性，在负载预测与工作流调度领域有广泛的应用价值和使用前景。

本发明授权面向数据缺失的随机工作流负载预测方法在权利要求书中公布了：1.一种面向数据缺失的随机工作流负载预测方法，其特征在于：包括以下阶段： A.工作流预处理阶段：将工作流转化为嵌入向量的形式，基于算力网络随机工作流历史数据，记忆并学习时序数据信息，提取请求的时序特征并通过三个分别负责头节点、尾节点和关系的卷积神经网络模型基于共性特征进行谱聚类， B.工作流缺失值补全和负载预测阶段：对聚类获得的每一类请求分别构建核密度模型，结合卡尔曼滤波，动态更新核密度估计的权值，同时通过最大似然估计计算核带宽以及其他动态控制参数，并基于计算概率密度函数期望方法预测随机工作流负载， C.集群建模及特征工程阶段：将集群负载转化为一个包含多种时间序列特征的高 维特征向量，以便进行更加准确的预测和分析， D.集群负载预测阶段：采用N-BEATS模型对集群负载进行预测，N-BEATS模型对输入的负载数据X进行归一化处理，后使用STL分解技术将时间序列分解为基函数的线性组合，包括趋势、季节性和残差三个部分，每个基函数都由一个神经网络块来学习和表示，预测结果可由上述分量分别建模形成。

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东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路2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。