基于DHT发现端到端多条覆盖网路径的方法

为进一步提高端到端数据传输的吞吐率,提出基于DHT发现多条覆盖网路径的方法.一条覆盖网路径由若干跳构成,而数据吞吐率依赖各跳传输性能的瓶颈.为消除瓶颈,根据数据到达结点的吞吐率选择往返延迟时间较小的若干下一跳结点,使得数据不会在该结点拥塞.结点DHT维护着到各下一跳结点的往返延迟时间,基于DHT可发现端-端多条覆盖路径,从而实现并行数据传输.实验结果表明,该方法可找到适合的多条端到端路径,并行传输可取得比单路径传榆更大的吞吐率.     

基于Web服务器性能的TPC-W基准测试

随着Intemet的飞速发展,Web服务器日益重要,为了及时掌握Web服务器的性能,需要对其进行公证的测试.介绍了基于Web服务器性能的TPC-W基准测试系统的整体架构,根据此架构给出了系统的具体设计及实现方法,利用可变数据库实现了对被测系统进行多线程并发访问的测试系统,测试结果给出了被测服务器最主要的两个性能指标吞吐率和响应时间,为改善Web服务器的性能提供重要参考.     

基于层次语义的URL排序方法研究

为了提高主题爬取的采集性能,提出了基于层次语义的URL排序算法.主题爬取过程中引入了层次语义的启发信息,采用层次语义组合排序度量进行URL排序,并对层次语义引导主题爬取的采集率性能进行实验研究.实验表明,采用基于层次语义的URL排序方法,爬取过程中由初始URL链接能快速导向某目标主题集的Web文档.同时,当目标主题集的邻近区域没有相关的页面时,逐步放宽主题范围,在较宽的主题区域中爬取,能较快地导向其它不相邻的主题区域.     

新的AdaBoost算法评价体系

工程实际中,往往通过对比两个AdaBoost算法在相同弱分类器数量条件下的错分率来比较算法性能,这样就忽略了在弱分类器数量增加时,错分率的波动会造成对比不准确的问题。为此,分别针对分类器性能的分类准确率、收敛速度和稳定性,提出了稳态错分率、调节规模、振荡度三个量化指标,构成了一个相对完备的评价体系。实验表明,该评价体系能更全面反映AdaBoost的分类效果。     

基于点着色的无线传感器网络频点分配算法

无线传感器网络的特点是节点数量多、网络规模大,运算能力有限.针对网络随着载荷增加,数据包碰撞概率增大的情况,提出一种频点分配算法FFD.该算法以点着色理论为基础,结合功率控制,采用分布控制方式,使不同分簇内部采用不同的频点通信,以避免簇间干扰,降低碰撞概率.在Zigbee 2.4G频段得到三种不同发射功率的频点分配实验结果,并验证了算法能够达到预期指标,同时开销相对较小.     

基于Markov模型的可维修双机热备系统可靠性分析

为了综合考虑维修性、故障检测率及共因失效对双机热备系统可靠性的影响,利用马尔可夫模型对可维修双机热备系统进行可靠性分析.由系统状态转移关系建立双机热备系统的状态转移图,由于备用单元发生不可测失效时不能及时对其进行维修,提出在状态转移图中增加一个状态来区分此种降级工作状态.根据状态转移图得到系统状态转移方程并借助Matlab对其进行求解,得到故障检测率、失效率、维修率与共因失效因子为不同取值时的系统状态概率图.分析结果表明,维修率对可维修双机热备系统达到平稳状态所需时间贡献较大,系统工作状态概率值与故障状态概率值则由故障率与修复率的比值、故障检测率及共因失效等因素共同决定.     

RTLinux实时调度算法的改进与实现

为提高RTLinux的实时调度性能,分析了RTLinux的工作原理,针对其现有调度算法的不足,提出了改进的最小裕度优先算法,有效减少了颠簸现象,提高了算法性能.深入分析了RTLinux下ILLF调度器的实现,提高了CPU的使用率,增强了系统调度性能,并通过程序验证和调度器仿真,验证了算法的可行性和有效性.     

新型无线Mesh网络的QoS路由判据与算法

针对无线网状网络中采用何种路由判据进行路由选择以增大网络吞吐率的问题,在分析现有路由选择准则不足的基础上,通过综合考虑链路的可用带宽、延时、可靠性和干扰等因素对链路OoS的影响,提出了一种新的综合QoS路由准则和算法IRMQOS,并通过仿真验证了该路由准则和算法的可行性.仿真实验结果表明,该方法能显著提高网络吞吐率.     

基于截面含气率的气／液两相流相关速度测量

基于双截面电阻层析成像技术进行气／液两相流的相关速度测试研究,分析了相关速度测量原理,提出了基于截面含气率的相关测速方法。通过插值增加上游、下游双截面含气率的采样数据,利用独立开发的软件系统具有的数据存储与回放功能对基于截面含气率的相关测速方法进行评定实验。实验结果表明：该方法测速精度较高,且稳定可靠。     

一种新的改进AdaBoost弱分类器训练算法

AdaBoost是机器学习中比较流行的分类算法.通过研究弱分类器的特性,提出了两种新的弱分类器的阈值和偏置计算方法,二者可以使弱分类器识别率大于50%,从而保证在弱分类器达到一定数目的情况下,AdaBoost训练收敛.对两种阈值和偏置计算方法的仿真实验结果表明,在错分率降可接受的范围内,二者均使用较少的弱分类器便可获得高识别率的强分类器.