考虑剔除虚假云服务的制造云服务优选

随着云制造服务模式的兴起,云池中存在大量云服务并掺杂有虚假的云服务,恶意竞争的虚假云服务伤害了云服务提供商的权益,云用户也很难判别真实且优良的云服务。针对该问题,提出基于蒙特卡洛模拟估计的超体积算法来识别和剔除虚假云服务。在剔除虚假云服务的基础上,提出面向云服务可信度评估的基于遗传算法的模糊c均值聚类算法对云服务聚类并进行可信度评估,利用由层次分析法和熵值法构成的制造云服务组合赋权综合评价法,根据可信度等级结合综合评价值对云服务进行优选。以某工程机械交易云平台作为研究对象,验证了所提算法的有效性,算法能有效识别虚假云服务,确定云服务的优先顺序,并选出最佳的云服务。     

一种成本有效的面向超参数优化的工作流执行优化方法

随着云计算技术的成熟,越来越多的数据分析任务被放在云计算平台中处理。而面向数据分析应用的机器学习算法的超参数优化是一个非常耗时且耗费资源的过程。超参数优化执行的成本开销是用户关注的一个重要因素之一。目前,针对超参数优化的研究大部分以学习模型性能为目标,考虑成本开销的研究工作较少。由此研究了基于当前的超参数优化方法,在不改变学习模型性能(如准确率、查准率、召回率等)的基础上,使得超参数优化执行尽可能快的同时成本开销尽可能低。首先,生成一个包含多个并行分支的超参数优化工作流,每个分支上的所有任务都运行在同一台服务器上。然后通过有色装箱算法来决策这些分支所包含的任务。实验结果表明所提算法可以在保证执行时间的前提下减少成本开销。     

混合云环境下成本与隐私感知的工作流调度方法

随着大数据时代的到来,大量企业采用混合云部署应用系统。针对现有云工作流调度方法未考虑工作流多个任务间隐私保护需求的不足,构建了混合云环境下成本与隐私感知的工作流调度模型,并提出一种相应的云工作流调度算法(CPHC)。该算法可在混合云环境下调度多个云工作流应用,并在满足隐私暴露风险与截止时间约束的前提下,优化执行成本。最后,通过仿真实验说明了所提算法的有效性。     

云/边缘协同的轴承故障诊断方法

现有轴承故障诊断技术存在以下问题:①传统诊断方法需要人工提取特征,耗时长,诊断结果不稳定;②卷积神经网络诊断方法需要大量的计算资源和较长的训练时间,与故障诊断的实时响应要求存在矛盾。针对以上问题,提出一种云/边缘协同的实时轴承故障诊断方案。经过实验验证,该方案在拥有少量样本情况下与不进行云/边缘协同相比可大幅提高诊断准确率,并节约大量的训练时间。通过改进的轴承故障诊断算法达到了较高的故障诊断准确性,并通过模型的迁移学习与边缘端协同,增强了故障诊断算法对个性化应用的适应性和故障诊断的实时性。     

基于城市公共交通云的车联网通信模式研究

在当前交通环境中,大量公交车或出租车上存在可以连入Internet的网络节点,其中很多节点还具有一定的计算和存储能力,根据这一特点建立一种在公共交通基础上的移动云服务与车联网的通信模式,通过在OMNe T++和SUMO平台上进行仿真,验证这种方式下车辆在交通环境下数据的传输可行性。