宋清卿 - 数学建模与工业软件系统 on 宋清卿

一种针对查询密集型数据存储处理系统的数据库负载分析方法

Mon, 12 Apr 2021 12:00:00 +0000

复杂系统的数学建模、数据分析和信息安全科学研讨会报告

Fri, 17 Apr 2026 12:00:00 +0000

2026年，于BSU APMI科学研讨会中进行表题为《Performance Time Series Analysis in the Multiple Baseline Framework》的学术报告。报告明确了PTS分析研究应侧重于三个核心组成部分(1) 多基线建模和切换检测；(2) 感知多基线的异常检测机制；以及 (3) 用于系统状态量化的可解释的连续健康评分。

OS-Metrics: 用于异常检测和变化点检测的性能时间序列 (PTS) 数据集

Wed, 14 Jan 2026 00:00:00 +0000

OS-Metrics 是一个包含 7 天、15 秒分辨率、带有因果标注的性能时间序列数据集，用于评估异常检测和变化点检测算法。它包含 6 个指标文件和 3 个事件日志文件。

OS-Metrics 已准备好进行评估：所有 42 个扰动事件均带有因果标注，包括开始/结束时间、强度、模式和受影响的指标。
指标以 15 秒的间隔连续采样 7 天。
事件日志使用从零开始的索引（start_point，end_point），与指标时间序列对齐（第一行索引为 0）。
远程观测偏差（network_response_time_diff.csv）反映的是真实的网络路径不对称性，而非人为误差或伪影。
所有时间戳均为 UTC 时间；未进行夏令时调整。

详情请参阅 README.md 文件。该数据集也可在 Zenodo 上获取：https://doi.org/10.5281/zenodo.17981352（Mendeley 版本是 Zenodo 版本的镜像）

第十二届白中青年创新论坛“新视野—2025”系列学术报告

Thu, 27 Nov 2025 12:00:00 +0000

2025年，在明斯克举办的第十二届白中青年创新论坛“新视野—2025”（XII Belarusian-Chinese Youth Innovation Forum “New Horizons – 2025”）上，发表两篇关于性能时间序列（Performance Time Series, PTS）基础方法论的学术报告。

基于网格搜索和坐标上升优化的卷积神经网络架构的脑癌MRI分类

Mon, 29 Sep 2025 00:00:00 +0000

磁共振成像（MRI）是脑癌诊断与分类的重要工具。结合现代卷积神经网络（CNN）技术，可有效提升肿瘤分类的准确率与效率，为临床医生提供重要参考。既往研究表明，CNN在医学图像分类中具有优势。然而，针对不同CNN模型在脑癌MRI图像分类任务中性能差异及其超参数优化的深入探讨仍显不足，限制了临床应用中的模型选择与准确率提升。本研究旨在为脑癌MRI图像分类提供一种CNN模型选择与优化方法学，以提高分类准确率与可靠性。研究选取了不同层级与复杂度的CNN模型，包括LeNet-5、AlexNet与ResNet-18，并采用带坐标上升增强的网格搜索法（GSECA）进行超参数优化，为脑癌MRI图像分类提供了可行的模型选择与优化方法学。实验结果表明，本文所述方法在使用孟加拉国脑癌MRI图像四分类数据集（PMRAM）进行分类时取得了优异结果。基于ResNet-18模型的分类，测试准确率达到95.69%，胶质瘤（Glioma）、脑膜瘤（Meningioma）、正常（Normal）与垂体瘤（Pituitary）四类的F1分数分别达到94.33%、94.07%、96.12%与98.21%。其中垂体瘤类别的精确率为99.10%。该结果显著优于AlexNet与LeNet-5，在同类研究中处于优异水平，实现了有效的模型筛选。同时，验证了网络深度与有效超参数优化在此类任务中对提升分类性能的重要性。

利用归一化熵作为基本指标进行变化点检测

Thu, 18 Sep 2025 00:00:00 +0000

本文提出一种基于归一化熵作为基础度量的变点检测概念，旨在克服传统熵方法对数据分布假设与绝对尺度的依赖。归一化熵通过标准化将熵值映射至[0,1]区间，从而准确刻画数据复杂性的相对变化。本方法利用滑动窗口计算归一化熵，将由尺度、分布与多样性变化所引发的复杂时间序列变点检测问题，转化为在归一化熵序列中识别显著特征的问题，由此规避参数化假设的干扰，并有效凸显分布偏移。实验结果表明，归一化熵在各类分布及参数组合下，于变点附近均呈现出显著的数值波动特性与模式；波动时刻与实际变点之间的平均偏差仅为滑动窗口尺寸的2.4%，展现出强适应性。本文为复杂数据环境下的变点检测提供了理论支撑，并以归一化熵为基础度量，奠定了精准化、自动化变点检测的方法论基础。

TRLLD: 基于阈值识别的负载时间序列负载水平检测算法

Wed, 16 Apr 2025 00:00:00 +0000

负载时间序列分析对资源管理与优化决策至关重要，尤其是自动化分析技术。现有研究对样本整体特征的解读尚不充分，导致对具有不同特征（趋势性、季节性、周期性）的样本，其负载水平检测结论存在显著差异。实现自动化、特征自适应且可量化的分析方法仍是一项挑战。本文提出一种基于阈值识别的负载水平检测算法（TRLLD），该算法依据样本特征，有效识别任意规模与任意分布类型样本中的不同负载水平区域。算法通过利用分布密度均匀性对数据点进行分类，最终获得归一化负载值。在特征识别步骤中，算法采用基于差值的密度均匀性指数（DUID）、高负载水平集中度（HLLC）与低负载水平集中度（LLLC）评估样本特征；这些指标不依赖于具体负载数值，从而提供标准化的特征视角，确保高效率与强可解释性。相较于传统方法，所提方法展现出更优的自适应性与实时分析能力。实验结果表明，该方法可在16组具有不同负载特征的时间序列样本中有效识别高负载区域与低负载区域，并产生高度可解释的结果。DUID与样本密度分布均匀性之间的相关性达98.08%。当引入强度为10% MAD的噪声时，最大相对误差为4.72%，展现出高鲁棒性。同时，该方法在一般样本场景与低样本场景下均表现出显著优势。

趋势对齐特征相关性：时间序列数据的整体特征相关性度量

Thu, 20 Mar 2025 00:00:00 +0000

现有时间序列相关性研究方法往往过度依赖整体统计特征，而忽略数据在时间维度上的动态变化，尤其在趋势拐点识别与复杂相关性判别方面存在不足。本研究提出一种创新的趋势对齐特征相关性匹配方法（TAFC），突破了传统相关性分析的局限。TAFC采用精细的数据预处理流程，并引入两个独特指标：趋势重叠指数度量（Q）与数值相关性度量（P）。P度量通过结合归一化差值度量（NDM）与皮尔逊相关系数，有效捕捉数据间的数值相关性。此外，TAFC还引入一种定制化粒度平滑机制，以兼顾趋势特征保留与噪声抑制，旨在全面评估时间序列数据的多维、多粒度相关性。本研究基于卡方分布与多模态分布构建模拟场景数据开展实验验证，验证范围涵盖36组模拟数据。结果表明，该方法可显著区分具有不同趋势特征的数据集；粒度的引入已被验证有助于使趋势特征更加显化；同时，在引入5%随机噪声的情况下，算法误差被控制在5.60%–12.24%范围内。本研究为计算机辅助时间序列数据分析提供了一种新颖且精确的方法，具有重要应用价值。

利用预训练卷积神经网络对RR间期Lorenz图进行分类

Sat, 01 Feb 2025 00:00:00 +0000

背景：心率变异性（HRV）及RR间期Lorenz图是评估心脏健康状况的关键指标。Lorenz图可有效描述心率的动态变化，但其分类具有挑战性。目前，数学计算是主要的分类方法，但仍存在区域划分困难、模式复杂等问题。卷积神经网络模型已在诸多问题中被证实有效，但其在Lorenz图分类中的应用仍相对有限。

方向与方法：本研究旨在提出一种基于预训练卷积神经网络模型的Lorenz图分类先进方法，并依据Lorenz图的形态学特征对其进行分类。该方法旨在提升心律失常、心力衰竭等心脏疾病的诊断准确率与效率，并适用于各类临床诊断环境下的心电图分析与解读。本研究采用基于AlexNet结构的卷积神经网络模型及超参数优化算法，对经预处理与增强后的Lorenz图数据集开展7类分类与19类分类任务。具体而言，在预处理阶段，本研究对原始图像进行预处理与增强，包括去除图像中的文字、参考线与边框，并将图像转换为黑白模式；在增强阶段，本研究仅采用小幅度旋转、高斯模糊、平滑等方法，以1:11的比例对数据集进行增强；在预训练阶段，我们将模型输入调整为128×128×1；在超参数优化阶段，采用带坐标上升增强的网格搜索法，对批量大小（batch size）、学习率（learning rate）与训练轮数（epochs）三项超参数进行调优，以获得模型的最优超参数组合。

结果：本研究中，在7类分类任务下，当学习率、批量大小与训练轮数分别为1e-4、5与10时，模型在验证集上的准确率达到99.45%；在19类分类任务下，当三项超参数值分别为1e-5、5与13时，模型在验证集上的准确率达到97.77%。本研究所用方法优于当前五种分类方法，在复杂多分类任务中展现出显著优势，从而验证了该方法的有效性。

结论：所提方法证实了预训练卷积神经网络——尤其是基于AlexNet结构的卷积神经网络——在Lorenz图分类任务中的有效性。扩大数据集样本规模及探索更复杂的CNN模型结构，有助于后续研究的深入。本研究有助于开发精准、有效的诊断工具，以应对心脏健康领域所面临的紧迫挑战。

基于JACOB的SaaS系统中高度定制化文档生成服务架构设计

Tue, 03 Dec 2024 00:00:00 +0000

文档具有信息存储、提升工作效率及促进协同创新等功能，在各领域中发挥着重要作用。在SaaS环境中，高效且灵活的文档生成服务不仅是业务流程的核心，也是提升竞争力与推动业务增长的重要工具。高度定制化的文档生成服务可有效处理信息密度高、数据表达形式多样的文档，从而提升数据的可读性、可操作性与灵活性。本文完成了基于JACOB与Spring Cloud微服务框架的SaaS模式下高度定制化文档生成服务架构的设计，实现了服务的独立扩展与自由伸缩，以及数据隔离与安全性保障。在生成相同内容时，单租户文档生成与多租户并发文档生成的耗时差异介于0.69%至4.7%之间，呈非线性增长，但性能损耗差异并不显著。在生成含多张图像的文档时，文档生成速度将显著下降；而在生成图像数量较少的文档时，字符生成速度将显著提升。

基于数据库查询统计的负载均衡策略中节点负载率计算方法

Wed, 02 Oct 2024 00:00:00 +0000

节点负载率的计算对分布式系统中负载均衡策略的质量具有关键影响。现有常用节点负载率计算方法未能充分考虑节点当前实际状态，导致其计算结果与实际情况存在偏差。本文聚焦于分布式信息系统，以数据库为切入点，提出一种适用于负载均衡策略的、基于数据库查询统计的节点负载率计算方法。该方法采用理论计算数据与基准性能测试数据相结合的分析方式，全面考虑分布式信息系统数据库中的数据量、数据库访问高峰期、数据表索引等因素对计算结果的影响。在确保节点负载率计算结果准确性的前提下，最大限度减少重复性测试，节约计算性能与能源资源，并降低节点负载率计算所需的时间成本与经济成本。算法验证结果表明，所计算的数据库每查询秒数（SPQ）与实际值之间的平均误差率低至1.7%。

深度卷积神经网络超参数的自动优化：基于标上升的增强网格搜索

Sat, 03 Aug 2024 00:00:00 +0000

采用相同深度的卷积神经网络模型，因超参数组合不同，将导致结果显著差异。通过调整超参数配置，可提升模型性能。然而，超参数优化通常需耗费大量计算资源与时间。因此，提高超参数优化效率至关重要。本研究采用坐标上升法，该方法仅为各超参数提供初始候选值；在每次迭代中，仅改变对模型影响最大的单一超参数，逐步扩展搜索网格，直至准确率收敛。该方法使我们能够高效且自动地寻找到可提升模型准确率的超参数组合。实验结果表明，使用MWD数据集时，经超参数优化后的模型在验证集上达到95.71%的准确率，该超参数组合可视为近似全局最优解。此外，该超参数组合邻域内的性能表现稳定，进一步验证了本超参数优化策略的鲁棒性。

不同异常值检测方法在常见数据分布类型中有效性研究

Sat, 27 Apr 2024 00:00:00 +0000

异常值检测广泛应用于网络性能优化与机器学习数据预处理等领域。在机器学习领域，其目标是提升数据质量，从而改善后续统计分析或机器学习模型的性能。目前存在大量有效且可靠的异常值分析方法，而这些方法在处理不同类型的数据分布时，其有效性存在显著差异。因此，选择适当的异常值分析方法至关重要。本研究对五种连续型概率分布（包括正态分布、卡方分布、指数分布、伽马分布和t分布）及四种离散型概率分布（包括二项分布、泊松分布、几何分布和超几何分布）的样本数据开展了异常值检测。本文采用五种异常值检测方法，即Z-Score法、IQR法、DBSCAN法、孤立森林法（Isolation Forest）与随机森林法（Random Forest），并评估了这些方法的检测有效性。通过对比与分析，本文总结了各类异常值检测方法在处理不同类型分布的样本数据时所呈现的特性。这些发现将有助于我们在面对不同异常值检测场景时作出更为合理的方法选择。

基于Lorentz-RR分析技术的公益组织疾病预防与救助系统

Thu, 07 Mar 2024 00:00:00 +0000

健康问题已成为人们日常生活中关注的重点。当前，随着人类健康监测需求的日益增长，部分社会组织亟需加强健康检测技术，各类相关技术应运而生。本研究旨在构建一套整合社会组织、社会服务机构、社会工作者、照护人员、服务对象及其家庭等多方优势与资源的社会组织疾病预防与救助系统。主系统采用前后端分离架构设计，以核心技术创新为支撑：即Lorenz-RR散点图分类算法，实现分类算法选型、AlexNet算法开发及数据集扩展算法优化，从而完成AlexNet模型的Lorenz-RR散点图分类算法改进，并建成社会组织疾病预防与救助系统。该系统在服务对象相关指标分析中具有高准确性与高灵敏度，应用价值显著，具备广泛推广意义。

中国国际大学生创新大赛（2023）高教主赛道交流参与

Wed, 06 Dec 2023 12:00:00 +0000

2023年，以苏州科技大学毕业校友身份，作为“数校智库——工业企业数字化转型解决方案提供商”项目负责人，参与中国国际大学生创新大赛（高教主赛道）获评全国金奖。全程围绕中小制造企业数字化转型中的能力断层问题开展交流。

第五届中国青年企业家（共青城）发展峰会交流参与

Wed, 24 Aug 2022 12:00:00 +0000

2022年，参与企业数字化技术与转型流程探索交流，全程出席峰会组织的交流研讨、产业对话与技术可行性论证三类正式交流环节。就中小企业的高转型失败率进行归因辨析，对“服务”概念的操作化重构，提出知识产权的功能再定位。

面向复杂权限控制场景的多终端健康监测平台数据处理系统

Tue, 10 May 2022 12:00:00 +0000

基于HRV与Lorenz-RR分析技术的多终端健康监测系统

Fri, 06 May 2022 12:00:00 +0000

面向高并发与细粒度权限控制场景的分层式软件设计方法论

Fri, 22 Oct 2021 00:00:00 +0000

由于复杂软件通常面临高并发与复杂权限控制场景，其访问控制模块在开发过程中存在代码复用率低、功能模块结构混乱等问题，因此为该类场景提供软件设计方法论，对提升软件生产效率与软件质量具有重要作用。本文提出一种面向高并发与细粒度权限控制场景的复杂软件开发分层式软件设计方法论。该方法论依据访问控制流程的特点划分层级结构，为权限的细粒度控制与多级控制提供支持。针对高并发场景，增设缓存管理层以提升访问控制流程的执行效率。根据软件开发的实际需求，对该方法论中的具体层级进行划分。通过解耦访问控制流程中的用户状态检测、用户状态验证与权限认证环节，保障该软件设计方法论在不同框架环境下的适用性，并降低因框架间高耦合所引发的安全风险。通过一系列0–500K并发量的测试实验，获取了同一场景下不同框架的性能数据，为用户实施本文提出的软件设计方法论提供参考，使其能够依据所面对的具体场景选择性能更优的框架。

一种全方位深度学习图像识别模型训练样本采集系统

Thu, 07 Oct 2021 12:00:00 +0000

第二届计算机视觉、通信与多媒体国际会议学术报告

Sat, 21 Aug 2021 12:00:00 +0000

2021年，在 2nd International Conference on Computer Vision, Communications and Multimedia（ICCVCM 2021）发表题为《Database load analysis method for query intensive management information system》的学术报告。报告提出一种面向查询密集型管理信息系统的数据库负载度量方法。方法定义数据库负载为系统当前资源消耗状态相对于基准性能边界的归一化比率，以百分比形式输出。

基于KNN-CFA与CSA的定制化数据挖掘与分析系统

Tue, 15 Jun 2021 12:00:00 +0000

一种基于时间戳的访问控制口令可逆加密算法软件

Tue, 15 Jun 2021 12:00:00 +0000

一种基于时间戳的访问控制口令可逆加密算法软件

Tue, 15 Jun 2021 12:00:00 +0000

一种用于智能仓储的基于ACO算法的优化路径计算软件

Tue, 15 Jun 2021 12:00:00 +0000

一种适用于长期工作的集群式计算机软件稳定性测试系统

Thu, 10 Jun 2021 12:00:00 +0000

一种基于深度学习的图像目标识别模型训练系统

Thu, 03 Jun 2021 12:00:00 +0000

分布式企业业务资源管理系统数据分析与系统监控软件

Mon, 18 Jan 2021 12:00:00 +0000

个人简介

Mon, 01 Jan 0001 00:00:00 +0000

聚焦性能时间序列分析、统计建模与工业故障预测与健康管理。现任江苏省计算机学会大数据专委会委员、国际应用科学与技术协会委员；担任 Big Data, Internet Technol. Lett 等 SCI/EI 期刊审稿人。在性能时间序列建模与可解释性领域发表多篇论文，获授权11项专利。主持多项市级科研与企业研发项目，成果已成功应用于云计算监测与工业控制异常诊断场景。

教育经历

2025.09 - 至今, 白俄罗斯国立大学, 数学建模、数值方法与程序综合体（国家公派）
2023.10 - 2025.06, 白俄罗斯国立大学, 应用数学与信息学
2020.09 - 2022.06, 苏州科技大学, 计算机科学与技术
2017.09 - 2020.06, 南京工业职业技术学院, 软件技术

研究方向

性能时间序列的可分析性理论
工业时间序列异常检测
多粒度性能观测指标监控与模式分析
低样本 CNN 训练与超参数优化方法

主要论著

[J] Song Qingqing, Xia Shaoliang, Wu Zhen. TRLLD: Load Level Detection Algorithm Based on Threshold Recognition for Load Time Series. 2025.
[J] Song Qingqing, Xia Shaoliang, Wu Zhen. Automatic Optimization of Hyperparameters for Deep Convolutional Neural Networks: Grid Search Enhanced with Coordinate Ascent. 2024.
[J] Song Qingqing, Xia Shaoliang. Change-Point Detection Utilizing Normalized Entropy as a Fundamental Metric. 2025.
[J] Song Qingqing, Xia Shaoliang, Wu Zhen. Utilizing Pretrained Convolutional Neural Networks for Classification of Lorenz Plots of RR Intervals. 2025.
[C] He Runhai, Song Qingqing, Zhou Quanhua. Trend-aligned feature correlation: holistic feature relevance metric on time series data. 2025. [J] Song Qingqing, Xia Shaoliang. Research on the Effectiveness of Different Outlier Detection Methods in Common Data Distribution Types. 2024.
[C] Song Qingqing, Wu Zhen, Xia Shaoliang. Node load rate calculation method based on database query statistics in load balancing strategy, 2024.
[P] Song Qingqing. Database Load Analysis Method for Query-Intensive Data Storage Processing Systems. CN Patent, 2024.

科研平台

Mon, 01 Jan 0001 00:00:00 +0000

白俄罗斯国立大学

白俄罗斯国立大学应用数学与计算机科学学院（FPMI BSU）系成立于 1970 年的基础科学研究与人才培养机构，前苏联时期首批建立的同类型学院之一。该院下设具有独立法人资格的“信息技术与管理研究所”及“应用数学问题研究所”，形成院所协同的组织架构。

数效科学技术研究院（佛山）有限公司

数效科学技术研究院（佛山）有限公司系成立于2020年的工业数字化转型应用工程机构。其建有经脱敏处理的工业时序数据库、软硬件集成测试环境及技术验证接口。所开展工作涵盖工业数据采集与治理、设备级性能建模、PHM工程实现及工业异常检测系统开发。

广东省华南前沿科学研究院

广东省华南前沿科学研究院系成立于2022年的基础研究与知识产权管理机构。设有标准化评估框架、算法验证环境及跨领域应用案例库，围绕模式识别与数据分析方法的适用性验证、科技项目管理及相关知识产权的体系化归档与管理开展工作。