排序方式: 共有85条查询结果,搜索用时 14 毫秒
71.
72.
73.
信息物理系统呈现出日趋智能化的特征,而非确定性又是系统中普遍且固有的特性。例如,系统通过传感器感知环境时,会不可避免地存在误差。非确定性若未被妥当处理,往往会影响系统的正确运行,并带来一系列的问题。因此,对信息物理系统中的非确定性进行处理是至关重要的,也是促进信息物理系统进一步智能化的关键。对非确定性进行处理的前提是需要对其有充分的理解和认识,然而现有工作对信息物理系统中非确定性的研究尚处于探索阶段。针对这一问题,研究了信息物理系统中的非确定性分类。具体而言,根据信息物理系统中被广泛认可的5C技术架构对非确定性进行了分类,详细介绍了该架构每一层次上可能存在的非确定性,并结合典型的信息物理系统应用进行了举例说明;同时,总结了当前的相关研究工作,并展望了未来信息物理系统在应对非确定性方面的智能化研究方向。 相似文献
74.
当前计算机网络面临着分布式管理的需要,但这一需求增加了管理的复杂性;另一方面,网络管理有其固有的规律,但目前在很大程度上还需要人的直接参与。这些都是网络管理系统开发过程中必须考虑的问题。基于移动agent的自动化分布式网络管理系统(ADNMS),利用了人工智能专家系统的分析决策能力和移动代理的分布式计算优势,能够对网络进行自动化、分布式的管理。文中对ADNMS的体系结构、功能结构等进行了详细的设计和分析。 相似文献
75.
应用需求的发展衍生各种查询类型,Top-k查询是交互环境下一种重要查询类型.由于数据的不确定性,传统数据上的Top-k查询技术和方法不能直接应用于不确定数据查询.在已有不确定数据上Top-k查询算法的基础上,提出基于二叉树的不确定数据上Top-k查询算法BTreeU-Topk;为了提高算法执行效率,对二叉树进行修剪操作进而提出BTreeOPTU-Topk和BTreePU-Topk算法.实验结果表明,BTreeU-Topk,BTreeOPTU-Topk以及BTreePU-Topk算法在不同数据分布以及k值增长时均优于现有算法. 相似文献
76.
基于互信息的无监督特征选择 总被引:5,自引:0,他引:5
在数据分析中,特征选择可以用来降低特征的冗余,提高分析结果的可理解性和发现高维数据中隐藏的结构.提出了一种基于互信息的无监督的特征选择方法(UFS-MI),在UFS-MI中,使用了一种综合考虑了相关度和冗余度的特征选择标准UmRMR(无监督最小冗余最大相关)来评价特征的重要性.相关度和冗余度分别使用互信息来度量特征与潜在类别变量之间的依赖和特征与特征之间的依赖.UFS-MI同时适用于数值型和非数值型特征.在理论上证明了UFS-MI的有效性,实验结果也表明UFS-MI可以达到与传统的特征选择方法相当甚至更好的性能. 相似文献
77.
通过将来自多条链路的数据包融合为一个单独的编码信息流进行传输,网络编码技术能够显著地提高无线
多}a}网络的容量。提出一种基于区分服务的异构无线传感器网络编码协议(DI3NO。协议的核心思想是周期性地计
算节点剩余能量的均值和标准差,对节点进行动态分类。在此基础上,将服务质量需求映射到网络编码协议中。为
此,引入能量感知编码包转发机制,以高效地利用节点的能量;另一方面,设计多优先级数据包调度策略,目的是创造
更多的编码机会。仿真结果表明,DI3NC不仅可以保障数据的可靠传输,而且可有效地减少低能量节点的能耗,从而
延长网络的生命周期。 相似文献
78.
《计算机应用与软件》2017,(12)
针对数据流中出现的概念漂移问题,采用决策树作为分类器,提出一种基于相对熵的数据流概念漂移检测算法。提出的算法将分类器的准确率与相对熵作为判断该数据块是否发生概念漂移的标准。通过5个数据集对该方法进行验证,该算法在其中4个数据集上都获得了最优的结果,在另一个数据集上获得了次优结果。实验结果表明采用该方法不仅能够有效地检测概念漂移的发生,而且还能提高分类器的准确率。 相似文献
79.
基于Java的多层分布式应用结构 总被引:1,自引:1,他引:0
在Java分布式应用的三层应用结构模型,Servlet和可重用服务两种改进模型的基础上提出了多层应用结构模型。与上述其它模型相比,多层应用结构模型能够较好地符合分布式企业应用的实际需要,克服了以往模型的低效率、慢响应和难以存取本地资源等不足之处。文章详细描述了多层应用结构模型中各层的结构与功能。 相似文献
80.
服务组合中一种自适应的负载均衡算法 总被引:21,自引:1,他引:21
服务组合可以整合网络上现有的多种异构服务,形成新的服务.针对服务组合中服务路径的选择和负载均衡问题,提出了一种自适应的分布式负载均衡算法--LCB(load capacity based algorithm)算法.LCB算法使用服务路由来查找服务和转发数据,使用负载容率(load capacity,简称LC)测度来进行服务副本的选择,从而建立一条适当的组合服务路径.LC测度是对服务器负载的估算,它根据服务器的负载波动信息不断地进行自适应的调整,从而实现多个服务副本之间的负载均衡.与现有的服务组合负载均衡算法相比,LCB算法不需要知道服务器的最大负载量和当前负载信息,而且具有更好的可扩展性,更适用于分布式环境下动态服务副本的组合.模拟实验表明,LCB算法具有良好的负载均衡效果. 相似文献