对等结构的混合集群的层次化存储策略研究

随着分布式存储系统的规模迅猛增长,能耗问题日益凸显。在存储集群混合低能耗节点已成为解决能耗问题的重要途径之一。针对如何在对等结构的混合集群中区别使用不同类型存储节点的问题,在一个对等结构分布式系统ZDFS上设计并实现了一种基于对等结构的层次化存储策略——虚拟节点分层重映射(VHR)。该策略不影响对等结构的高拓展特性,使系统可自动区分使用不同类型存储节点,可操作性强。实验在真实X86和ARM混合集群上进行。实验表明,VHR实验组运行良好,充分发挥了不同类型存储节点的优势,在性能降低不明显的情况下,整体能耗水平降低了44.8%。     

BD-GKS3D图形软件的设计与实现

BD-GKS3D是按图形国际标准GKS-3D(ISO 8805)开发的三维图形支持软件。本文讨论了该软件的设计原则:符合国际标准及尽可能高效率。还讨论了实现的策略,包括二维GKS与三维兼容问题,裁剪与变换,实现环境,图段的数据结构及三维输入等内容。最后对开发BD-GKS3D的工作量、与PHIGS,CGI的关系等作了说明。     

Fractal图形学

Fractal图形学是计算机图形学中近年来产生并发展得十分迅速的一个领域,它在复杂自然景象的图形生成方面已经取得明显的效果。本文概述了Fractal图形学的研究对象及其数学基础——Fractal几何学,并着重介绍了Fractal图形学中构造模型的主要目标和几个方法:随机插值模型、粒子系统模型、正规文法模型和迭代函数系统模型。     

移动环境中数据分析与挖掘新技术的研究

数据分析与挖掘技术是构建经营分析系统的关键技术,本文主要介绍了三种新的数据分析与挖掘技术:数据流技术、移动对象技术和基于位置服务的技术,数据流技术能够解决经营分析系统在实时处理动态产生的海量数据上的不足;移动对象技术可以使得经营分析系统对移动用户的时空数据加以利用,从而提供多种新业务及更好的决策支持;而基于位置服务技术将使得经营分析系统对开展定位相关业务提供决策支持.     

C++语言的面向对象特性分析

本文分析了面向对象程序设计(Object-Oriented Programming,OOP)的两种定义形式:类定义形式和类型定义形式之间的本质区别,相应严格区分了类OOPL (面向对象程序设计语言,Object-Oriented Programming Language)和类型OOPL,并提出了C++语言弱OO(面向对象,Object-Oriented)特性的表现及其根源所在。最后从统一的同式多型(Polymorphism)角度,考察了C++中的OO机制和同式多型的关系。     

软件信息库SIB及它与数据流图(DFD)工具的集成

软件信息库是实现软件工程环境整体化的主要技术.数据流图工具是支持软件需求分析阶段的重要软件工具.本文介绍一个软件信息库SIB和数据流图工具的功能和实现.SIB原型的实现及它与数据流图工具的集成,对进一步研究软件工具的整体化,即软件工程环境有重要价值.     

软件配置管理的一种自动化途径

本文在软件工程环境的背景下着重讨论软件配置信息的管理方法和系统生成问题,给出一个软件配置管理的数据模型,并且描述一个以此模型为基础的软件配置管理工具——环境配置库系统ECBASE.     

细节高度复杂表面模型的视点相关渐进传输

针对细节高度复杂模型的特点,提出一种视点相关的渐进传输方法.根据人的视觉特征,算法将模型表示为多分辨率的四边形参数面片和表面法向细节纹理.该算法利用法向映射提高传输和绘制的效率,然后随着视点的变化动态细化和传输当前视点下轮廓部分的参数面片信息,从而最大限度地减少了模型传输时面片的数量.参数面片的结构规则,面片之间关联性低,因此能够按任意顺序高效地传输,从而实现真正的视点相关传输,并可以采用有效的编码方法对其结构和几何信息进行压缩.实验结果表明了该算法的有效性,特别适合于表面细节复杂的表面模型的交互传输和绘制.     

SROC:一种面向结构鲁棒性的迭代聚类方法

聚类结果的有效性由结构有效性、算法有效性和先验知识有效性3个方面的因素决定.忽略先验知识和假设结构的有效性孤立地提升聚类算法的有效性很可能产生无效的聚类结果.现有聚类方法通常只是简单地导出假设结构下最优的聚类结果,并交付用户,缺乏对聚类结果的自省能力.实际上,聚类方法是一个不断迭代优化的过程,包括对训练数据拟合度和假设结构的迭代优化.基于上述的考虑,提出以聚类结构的鲁棒性作为聚类结果有效性的衡量指标,并将鲁棒性评估有机地整合到聚类算法的迭代优化过程中,提出一种面向结构鲁棒性的迭代聚类方法框架.此外,依托该框架下设计并实现了SROC聚类算法,通过对模拟数据和真实文档数据的聚类实验,例证了方法有效性.     

一类用于连续过程逼近的过程神经元网络及其应用

针对实际系统的输入输出是与时间有关的连续过程,提出了一类用于连续过程逼近的过程神经元网络模型.模型利用神经网络所具有的非线性映射能力,实现系统输入输出之间的连续映射关系.考虑过程神经网络计算的复杂性,在输入空间中选择一组函数正交基,将输入函数和网络权函数表示为该组正交基的展开形式,利用基函数的正交性,简化过程神经元计算.文中给出了学习算法,并以油藏开发三次采油过程模.