信息物理融合系统中最小延迟数据聚集调度算法综述

数据聚集调度问题研究sink节点如何能够无冲突地获取整个网络的汇总信息,是信息物理融合系统中一个非常重要的服务.在数据聚集调度问题中,聚集延迟是指整个网络中最后一个数据包到达sink节点的时间.最小延迟聚集调度问题则寻求一个快速无冲突的调度来最小化聚集延迟.在节点一直醒着的网络中,考虑到整个网络的大小和数据传输中的干扰问题,最小延迟聚集调度问题被证明为NP-难问题.另外,当网络中的节点采用低占空比模式来节省能耗时,由于节点只能在其处于活动状态时接受数据,最小延迟聚集调度问题变得更加复杂.近年来最小延迟聚集调度问题得到了大量的关注,本文将对该问题研究所取得的进展进行综述.     

基于粗糙K均值的服务质量相关弹性流聚集

面对多变的网络环境,现有的网络服务质量(QoS)映射中流聚集方法缺乏灵活性。针对现有聚集方法的缺陷,该文提出一种动态聚集方法。使用增强粗糙K均值算法(ERKM),按照网络流的QoS属性将网络流进行合理聚集,并且在网络处于高负载状况时,通过隶属度弹性聚集网络流,从而适应网络的变化,使得网络流聚集具有灵活性。最后进行了网络流聚集实验和调度实验。实验表明,相比于现有的方法,该方法能够更加弹性地应对不同网络状态,并且更好地保障网络流的QoS指标。此外,还进一步验证了该文方法在不同网络环境下的QoS类聚集的一致性。     

自组织网络中基于动态路由树的网内数据聚集算法

数据聚集是自组织网络（Ad-hoc network）中的一个重要的数据操作。一些用于无线传感器网络的数据聚集系统,通常在网络节点中构建一个路由树结构,用于传感器感知的数据向基站节点的路由和数据在网内节点上的处理。路由树结构是一种用于网内数据聚集的简单通用的算法,但这些数据聚集系统中的路由树结构并没有为数据聚集作优化。提出一种基于动态路由树的网内数据聚集算法,通过对路由数据的动态重构和维护,解决自组织网络的节点动态变动问题,和树结构为数据聚集操作优化的问题。性能分析表明,动态路由树的创建和维护只需多项式级别的节点间的消息传递,为自组织网络中的网内数据聚集实现执行路径的优化。     

基于压电悬臂梁低频振动的微颗粒聚集

微颗粒操控技术以其控制精确,成本低及简洁高效的特点,在生物医学工程和微纳米器件制造领域有广阔的应用前景。传统操控方法对无磁性、无导电性及大密度固体微颗粒的操控存在不足。因此,该文提出一种基于压电悬臂梁低频振动的微颗粒操控系统,利用流场底部流动实现微颗粒的聚集。聚集显微实验表明,压电振子的低频振动激发流场底部流动,使培养皿底部的球型氧化铝颗粒向目标区域移动和聚集,并在122 s时达到稳定状态。对试验结果进行图像处理,结果表明,微颗粒稳定聚集后的聚集面积为79 405 μm2。该操控方法可实现大密度微颗粒的聚集,且聚集范围大,可为微纳器件制造提供参考。     

车联网数据聚集研究综述

当今,车联网是实现智能交通应用的平台。车联网有着特殊的网络特征,使得其上的数据聚集算法不同现有的无线传感器网络数据聚集。数据聚集可以有效地降低传输过程中的数据量,但同时亦会引起数据时延的增加和数据精度的降低。因此聚集算法往往考虑聚集数据的时延和精度。本文对现有的车联网聚集算法进行综述分析。     

无线传感器网络事件簇的数据聚集容错机制

针对数据聚集操作的容错要求,提出了事件簇的数据聚集容错机制EFSA.在生成事件簇的基础上,采用k-means算法提取加权平均数作为近似的事件值,并且计算和迭代地调整节点的可信度,作为聚集计算的数据权值和节点是否出现数据错误的指标.分析和实验表明,EFSA机制能够削弱数据错误的影响,实现数据聚集的正确性与可靠性.     

基于资源区域聚集度的虚拟网映射算法

虚拟网映射是网络虚拟化研究中亟待解决的问题,针对已有映射算法中存在的对于网络拓扑信息利用不足的现状,该文提出了基于资源区域聚集度的虚拟网映射算法(RCI-VNE)。在映射预处理阶段,根据局部拓扑信息和区域资源聚集度提出节点区域资源聚集评价算法。在节点映射阶段,提出一种基于节点区域资源聚集排名的2-近邻聚集映射算法,该算法将虚拟网节点集中映射到底层网络中可用资源丰富的区域,减小承载链路的长度。实验结果表明,该算法降低了虚拟网映射开销,且具有较高的虚拟网请求接受率和较低的平均执行时间。     

传感器网络中基于路线的隐私保护数据聚集算法

针对现有隐私保护数据聚集算法依赖某种网络拓扑结构和加解密次数过多的问题,本文提出了一种基于同心圆路线的隐私保护数据聚集算法PCIDA （Privacy-preserving and Concentric-circle Itinerary-based Data Aggregation algorithm）.PCIDA沿着设计好的理想路线执行数据聚集,使得算法不依赖网络拓扑结构.PCIDA利用安全通道保证数据的隐私性,避免了数据聚集过程中的加解密运算.PCIDA沿着同心圆并行处理,使得算法数据处理延迟较小.理论分析和实验结果显示,PCIDA在较低通信量和能耗的情况下获得较高的数据隐私性和聚集精确度.     

非稳腔输出环状激光束的聚集分析

虚共焦腔作为非稳腔中一个典型实用的腔型.随着传输距离的增加,它输出的环形光束逐渐转变成高斯光束,这种环状激光束在聚集过程,将光束聚集成高能量密度的亮斑.文章主要就聚集之后光强分布和距离对光束半径的影响这两个方面作以深入地探讨.     

中轴与城市空间生长模式

城市空间发展模式,都基于一个基本原则,那就是"因地制宜、应运而生",城市终归是人的城市,人的聚集、产业的聚集和生活方式的聚集,构成日渐扩张的城市.     

DAOA:一种动态数据仓库聚集优化算法

为了有效地支持企业决策,越来越多的企业建立或倾向于建立数据仓库,然而随着时间的推移,数据仓库在具体应用中普遍存在着查询效率低下,用户需求得不到很好满足等问题,这就需要数据仓库进行及时的调整和优化,以解决这一矛盾.聚集优化是数据仓库优化技术的重要组成,这里以数据仓库聚集优化为研究对象,通过分析系统运行日志和收集用户需求变化,提出数据仓库聚集优化的最优路径算法Route_Optimize和聚集的物化选择算法Select_Optimize,并以此为基础获得一个切实可行的动态聚集优化实施方案DAOA (Dynamic Aggregation Optimization Approach),可用于时原聚集进行有效的动态调整,以提高数据仓库的运行效率,更好地满足用户的需求,最终延长数据仓库的生命周期.该方案经实验和具体应用证明其可行性及良好的效果.     

硅腐蚀停止技术制备超薄硅膜中的分形现象

利用浓硼扩散腐蚀停止技术制备自由悬空硅薄膜时,在薄膜的表面观察到了呈分形生长的反应生成络合物聚集结构．研究表明,薄膜表面的生成物的分形属于典型的有限扩散集团凝聚模型,其分形维数值约为1.667．实验还发现,反应生成络合物的聚集结构以及能否产生聚集都受腐蚀腔体的深宽比影响．     

复杂网络中k-核与网络聚集系数的关联性研究

选取复杂网络特征变量—聚集系数为研究目标,通过数学推导与证明,清晰描述了k-核与聚集系数的关联性。通过仿真实验证明,随着k-核的不断解析、k值的不断增加,网络聚集系数亦呈现逐步增加的趋势。该结论为k-核解析在复杂网络中的进一步应用提供相应的理论基础与指导。     

面向大规模网络的聚集TCP流量模拟方法研究

为平衡大规模网络骨干网上TCP流量模拟的准确性和复杂度,提出模拟接入网出口处的TCP聚集流量,而不从单台主机或会话的层面进行流量模拟。从网络流量的自相似性出发,提出基于应用层和网络传输层自相似的TCP聚集流量模型:在应用层通过聚集多个服从Pareto分布的ON/OFF源模拟生成自相似流量,在网络传输层根据TCP机制实现对应用层流量的聚集传输控制。模拟结果显示,在流量负载比例、流量自相似性以及骨干节点丢包率等方面,模拟结果与采集自某互联网交换中心的实际数据吻合良好,表明了该模型的有效性。     

硅腐蚀停止技术制备超薄硅膜中的分形现象

利用浓硼扩散腐蚀停止技术制备自由悬空硅薄膜时,在薄膜的表面观察到了呈分形生长的反应生成络合物聚集结构.研究表明,薄膜表面的生成物的分形属于典型的有限扩散集团凝聚模型,其分形维数值约为1.667.实验还发现,反应生成络合物的聚集结构以及能否产生聚集都受腐蚀腔体的深宽比影响.     

基于改进DBSCAN算法的金相图像晶粒聚集检测方法

在金相组织检测环节中,需在不同放大倍数的显微镜下提取晶粒聚集区域并计算参数.使用传统DBSCAN聚类算法进行聚集检测时,因每张图像晶粒聚集的密度不同、显微镜放大倍数不同等问题,需要反复实验以确定DBSCAN算法的两个基本参数.针对上述问题,本文提出一种改进的自适应DBSCAN算法,通过平均晶粒大小,确定领域密度阈值(MinPts),利用自适应的方式调整领域半径(Eps),并采用k-d树数据结构加速聚类过程.实验结果表明,使用本文方法能够自动检测出晶粒聚集区域,具有一定普适性,有望提高检测效率.     

无线传感器网络中ε-近似区域聚集算法

提出了能够满足任意误差和任意查询区域的ε-近似区域聚集算法。针对聚集函数SUM,提出了动态规划算法计算达到任意误差的最小数据传输量;针对聚集函数MAX/MIN,提出的算法通过只传输可能成为查询结果的数据来降低能量的消耗。在真实数据集上进行的实验表明,算法在满足任意区域和任意精度的同时,能够有效地减少能量消耗。     

基于改进DBSCAN算法的金相图像晶粒聚集检测方法

在金相组织检测环节中,需在不同放大倍数的显微镜下提取晶粒聚集区域并计算参数.使用传统DBSCAN聚类算法进行聚集检测时,因每张图像晶粒聚集的密度不同、显微镜放大倍数不同等问题,需要反复实验以确定DBSCAN算法的两个基本参数.针对上述问题,本文提出一种改进的自适应DBSCAN算法,通过平均晶粒大小,确定领域密度阈值(MinPts),利用自适应的方式调整领域半径(Eps),并采用k-d树数据结构加速聚类过程.实验结果表明,使用本文方法能够自动检测出晶粒聚集区域,具有一定普适性,有望提高检测效率.     

一种改进的动态数据聚集算法及仿真

针对当前计算数据中心中的动态数据分配方法中存在局限性强、公式复杂、算法运行效率低等问题,提出了动态数据聚集算法,结合计算数据中心实际情况进行改进,分析了动态数据聚集算法在计算数据中心的应用。仿真结果表明,与常规数据分配方法相比,改进后的基于动态数据聚集算法的数据分配方法,数据分配准确率可达到98.2%,相比常规方法有效地提升了结果的准确率。     

网格环境下一种改进的Gossip资源聚集算法

网格计算和对等计算有很多可以融合的特征.首先提出了一种集成P2P模式的网格资源管理模型,然后针对传统的Gossip资源聚集算法的弊端,利用小世界理论,提出了一种改进的Gossip资源聚集算法.理论分析和仿真证明了改进的Gossip算法能够有效地聚集资源信息,从而提高P2PGrid环境下的资源聚集性能.