基于三次多项式拟合三角函数的地理空间距离计算算法

移动互联网技术的快速发展,现有的APP提供了非常人性化的操作,用户可以进行对商家的筛选,APP默认的选项“智能排序”,“离我最近”;这两个选择项,系统都会去计算当前用户的位置和各个商家之间的距离;这种大量计算距离的场景十分消耗资源,按照现在的统计数据100 W条数据时候,延迟将会达到140 ms;且随着数据的增长,服务器的性能堪忧;当前计算空间距离的方法是使用Lucene算法进行计算,但是开销比较大,不利于用户一眼,文章提出了一种基于三次多项式拟合三角函数的优化算法对空间距离进行计算,文章从距离计算的准确性和快速性两个方面与原有方法进行比较;最后总结出优化算法的优势之处。     

移动计算环境中自适应体系结构的研究

移动计算是当前Internet和移动通信两大重要技术发展和融合的结果。介绍了移动计算的发展、概念和应用。在分析了实现移动计算的客户 代理 服务器模型的基础上 ,提出了一种新的促进移动计算发展的自适应体系结构 ,并对其进行了初步分析与设计     

计算机视觉中的图匹配方法研究综述

图匹配是值借助匹配算法,从两幅图像或者多副图像中寻找相似之处,进而实现对图像的科学化和精准化处理,是当前计算机视觉领域中尤为重要的一项技术.图匹配的本质为离散组合优化问题,经过长期的研究及时间应用,当前已经形成了多种图匹配方法,文章从计算机视觉中的图匹配基本要素出发,对几种常见的图匹配计算方法进行了总结,对研究图匹配方法具有指导性作用.     

云计算弹性评测模型的研究与实现

当前,越来越多的企业开始将自己的核心业务与数据迁移到云上,其中很多业务需要相应的弹性服务来应对负载的实时变化,因此对弹性的评测正变得越来越重要,然而当前缺少一种较为全面的弹性评测方法。为解决以上问题,从资源分配、QoS、资源配置时间等多个角度,对云计算的弹性进行较为全面的分析,提出适用于供应商和用户两个角度的评测方法。在已有基础上,提出资源分配、资源配置时间两个方面的计算模型,并对现存的罚金模型进行改进。最后,在CloudStack云平台上,使用auto-scaling和scale-out两种弹性扩展策略,以TPC-W为负载验证了所提方法的有效性。     

一种改进的二维最小误差闭值分割方法

二维最小误差(TME)阈值法是一种有效的图像分割方法,但该方法计算复杂度高,难以实时处理,且该算法受噪声影响较大.针对此问题,提出了一种改进的TME阈值分割方法.首先,将传统的3×3模板分成互补的两个模板:十字模板和4-角域模板,并用这两个模板分别对原图像进行中值滤波得到两幅图像;然后,用两幅图像创建二维直方图并对其进行分割,以获得更好的分割性能;最后,对TME阈值选取公式进行简化得到最简公式,并利用此最简公式和其在二维直方图上的计算特性构建新型的快速算法,以便降低计算复杂度.仿真实验结果表明,与当前TME 阈值分割方法相比,所提方法不仅分割效果更好、稳定性更强,而且运行速度更快,占用的存储空间更少.     

基于DFT系数插值的频率估计算法的改进

针对当前信号频率估计常规算法或计算量大或低信噪比(SNR)时精度低等问题,引入了一种简单的静态插值方法。该方法利用离散傅立叶变换(DFT)的谱分量及其附近插入的两个傅氏分量系数进行频率估计,有效地改善了估计精度,减少了计算量,在低SNR时效果仍然良好。     

普适计算中网络可生存性及系统设计*

主要就普适计算下无边界网络系统的可生存性问题进行分析,然后介绍了可生存系统设计的两种设计方法,并对两种设计方法进行对比分析.     

基于相关窗口匹配的费用函数计算优化方法

通过分析基于窗口的匹配方法，给出一种匹配费用函数优化方法。该方法利用当前匹配点对的费用函数计算信息为下一个点对的匹配提供部分计算结果，以消除冗余计算，减小计算复杂度。实验通过几种经典的匹配方法对计算优化进行验证，结果证明该方法的有效性，且不会降低匹配精确度。     

一种基于前向计算的动态程序切片方法

动态程序切片技术是一种重要的程序分析技术,在软件分析、测试与调试过程中有着广泛的应用。给出一种基于前向计算的动态程序切片方法,该方法首先在对当前执行语句进行定义使用分析的基础上计算该语句定义变量的影响集,其次计算该语句的直接动态依赖关系,最后计算当前执行语句中变量的动态切片。根据该方法设计并实现了一个Java动态程序切片系统,基于一组基准测试程序开展了切片实验,并与已有的切片方法进行了比较。实验结果表明,该方法可以得到比较精确的动态程序切片结果。     

基于综合加权的层次化网络安全态势评估方法

针对网络安全态势评估中权值计算过于依赖专家经验,忽略了客观因子对态势决策结果的影响的现状,提出了一种综合加权的层次化网络安全态势评估方法;依据该指标体系综合赋权,由层次分析法计算主观权值和粗糙集方法计算客观权值,联合两种权值得到综合权值,并结合了因子加权求和法来综合分析当前网络安全态势状况。实验表明该方法切实可行,能更客观、准确地分析网络安全状况。     

粒度计算方法

粒度计算是一种用来处理不完全、不可靠、不精确、不一致和不确定知识的工具,它象一把大伞,覆盖了所有有关粒度的理论、方法论、技术和工具的研究,已成为人工智能研究领域的重要热点。本文从人类智能特点出发,分析了粒度的特征,提出了商空间理论的粒度计算模型。介绍了粒度计算的主要方法,并对这些方法进行了比较。     

一种基于几何的形计算机制

提出一种几何问题几何化的形计算机制。它综合了几何、代数、画法几何及现代计 算工具等理论、方法与技术,实现“三维思维,二维图解,一维计算”多维空间的融合。从更宏 观的几何角度构筑算法框架,是对常规数计算的补充,可用于相当宽泛的一类几何计算。     

模糊规则相似性计算与性能分析研究

针对模糊规则相似性分析和计算问题,本文对模糊规则相似性计算方法进行了研究。首先,将模糊规则相似性等价地转化为多变量模糊集相似性,并对模糊规则相似性计算方法提出3种应用性能评价指标——可区分性、维数依赖性和计算复杂性。其次,在现有两种模糊规则相似性计算方法的基础上,提出4种新的计算方法,对各种方法进行系统地性能分析和比较。最后,对模糊规则相似性计算进行仿真研究,结果表明了所提应用性能指标的有效性、计算方法的可行性及分析结果的正确性。本文研究结果为模糊规则相似性分析和计算提供了依据,尤其为基于模糊规则相似性辨识和合并的模糊系统与模糊神经网络结构简化奠定了基础,提供了一种新的设计思路。     

Windows环境下的Matlab并行机群计算配置及应用

介绍了两种Windows环境下Matlab并行计算的机群搭建方案,并对这两种方案进行比较,较详细地讨论了Matlab并行计算工具箱中各部件的关系,对并行计算环境中的关键参数设置进行了介绍。通过一个实例在机群上的并行实现进一步说明Madab并行程序设计的方法。本文内容对在Matlab环境下进行并行计算具有一定参考价值。     

网格计算与对等计算的比较研究

对网格计算和对等计算从概念、目标、体系结构、组成团体、资源、安全需求、应用、基础架构和特征等方面进行了深入比较，总结了各自的特点，最后对二者的研究方向进行展望．     

关于网格及其它分布计算技术的若干问题的讨论

1.引言在“网格:面向虚拟组织的资源共享技术”一文中,我们主要给出了由Ian Foster等定义的网格及相关基本概念和研究领域,讨论了网格的基本理念和关键技术。在“网格体系结构详解”一文中,详述了Globus项目提出的网格体系结构的构成及功能。这些内容旨在说明网格是什么。实际上,我们也可以从另一方面,或不同的角度来观察和认识网格。比     

普适计算面临的安全挑战

分析了普适计算面临的安全挑战,给出了普适计算需要解决的几个安全问题,它们分别是：动态信任模型、认证、访问控制和隐私保护。并指出了这些安全问题的一些解决思路。     

量子计算模拟及优化方法综述

在处理某些大规模并行问题时,量子计算因量子位独特的叠加态和纠缠态特性,相比经典计算机在并行处理方面具有更明显的优势。现阶段,物理量子比特计算机受限于可扩展性、相干时间和量子门操作精度,在经典计算机上开展量子计算模拟成为研究量子优越性和量子算法的有效途径。然而,随着量子比特数的增加,模拟所需的计算机资源呈指数增长。因此,研究大规模量子计算模拟在保证计算准确度、精度及效率的情况下减少模拟所需资源具有重要意义。从量子比特、量子门、量子线路、量子操作系统等方面展开,阐述量子计算的基本原理和背景知识。同时总结基于经典计算机的量子计算模拟基本方法,分析不同方法的设计思路和优缺点,列举目前常见的量子计算模拟器。在此基础上,针对量子计算模拟的通信开销问题,从节点拆分和通信优化2个方面出发,讨论基于超级计算机集群的量子计算模拟优化方法。     

Integrated Risk Analysis for a Commercial Computing Service in Utility Computing

Recent technological advances in Grid computing enable the virtualization and dynamic delivery of computing services on demand to realize utility computing. In utility computing, computing services will always be available to the users whenever the need arises, similar to the availability of real-world utilities, such as electrical power, gas, and water. With this new outsourcing service model, users are able to define their service needs through Service Level Agreements (SLAs) and only have to pay when they use the services. They do not have to invest on or maintain computing infrastructures themselves and are not constrained to specific computing service providers. Thus, a commercial computing service will face two new challenges: (i) what are the objectives or goals it needs to achieve in order to support the utility computing model, and (ii) how to evaluate whether these objectives are achieved or not. To address these two new challenges, this paper first identifies four essential objectives that are required to support the utility computing model: (i) manage wait time for SLA acceptance, (ii) meet SLA requests, (iii) ensure reliability of accepted SLA, and (iv) attain profitability. It then describes two evaluation methods that are simple and intuitive: (i) separate and (ii) integrated risk analysis to analyze the effectiveness of resource management policies in achieving the objectives. Evaluation results based on simulation successfully demonstrate the applicability of separate and integrated risk analysis to assess policies in terms of the objectives. These evaluation results which constitute an a posteriori risk analysis of policies can later be used to generate an a priori risk analysis of policies by identifying possible risks for future utility computing situations.     

车辆边缘计算环境下任务卸载研究综述

计算密集和延迟敏感型车辆应用的出现对车辆设备有限的计算能力提出了严峻的挑战,将任务卸载到传统的云平台会有较大的传输延迟,而移动边缘计算专注于将计算资源转移到网络的边缘,为移动设备提供高性能、低延迟的服务,因此可作为处理计算密集和延迟敏感的任务的一种有效方法.同时,鉴于城市地区拥有大量智能网联车辆,将闲置的车辆计算资源充分利用起来可以提供巨大的资源和价值,因此在车联网场景下,结合移动边缘计算产生了新的计算模式——车辆边缘计算.近年来,智能网联车辆数量的增长和新兴车辆应用的出现促进了对车辆边缘计算环境下任务卸载的研究,本文对现有车辆边缘计算环境下任务卸载研究进展进行综述,首先,从计算模型、任务模型和通信模型三个方面对系统模型进行梳理、比较和分析.然后介绍了最小化卸载延迟、最小化能量消耗和应用结果质量三种常见的优化目标,并按照集中式和分布式两种不同的决策方式对现有的研究进行了详细的归类和比较.此外,本文还介绍了几种常用的实验工具,包括SUMO、Veins和VeinsLTE.最后,本文围绕卸载决策算法复杂度、安全与隐私保护和车辆移动性等方面对车辆边缘计算任务卸载目前面临的挑战进行了总结,并展望了车辆边缘计算环境下任务卸载未来的发展方向与前景.