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。     

三维无线传感器网络K重覆盖机制研究

针对传感器节点在三维监测区域中随机分布覆盖效率低下,并且不能达到关键区域重覆盖的问题,本文使用空间填充多面体,分别从确定性覆盖和随机覆盖两个方面,提出理想状态下覆盖冗余率最低和空间密度值最低的节点分布策略。首先将监测区域分为多个以传感器节点的传感半径为外接球直径的多面体,然后将传感器节点放置在多面体的顶点或是外接球重叠区域中,最后理论分析出同构节点分布的最佳位置。实验仿真表明,在相同覆盖重数的情况下,截角八面体的覆盖冗余率和空间密度值最低。     

基于深度度量学习的电机故障诊断

深度学习以其强大的自适应特征提取和分类能力在机械大数据处理方面取得了丰硕的成果，由于电机结构的复杂性，其信号表现出的非平稳、非线性和复杂多样等特点，使得传统分类方法中的Softmax分类器+交叉熵损失函数对电机故障诊断力不从心。根据电机信号非平稳、数据量大等特点，结合短时傅里叶变换(STFT)与深度学习中的卷积神经网络(CNN)算法和Triplet Loss三元组思想，提出了深度度量学习电机故障诊断方法。该方法能将电机故障信号转换成时频谱图，同时构建CNN，将预处理后的样本用于CNN的训练，采用Triplet Loss作为损失函数度量故障数据高维特征间的距离，并结合标签有监督地微调整个网络，从而实现准确的电机故障诊断。实验表明该方法在处理复杂数据时能够度量特征在高维空间中的距离，高效完成故障诊断任务，弥补了交叉熵函数的不足。     

关联规则中基于模糊遗传算法的研究与改进挖掘技术

网络数据通常以爆炸式的聚集形式出现,导致曾提出的关联规则挖掘方法挖掘性能不好。基于上述原因,提出一种关联规则中基于模糊遗传算法的挖掘方法,此方法通过构建挖掘模型,将关联规则与模糊遗传算法融合在一起,进而给出待挖掘数据的适应度函数,并使用阈值对其进行限制。模糊遗传算法将对适应度函数进行交叉分配和编译分配,以改进方法的隶属度线性状态,获取更为有效的挖掘结果。实验结果表明,改进后的方法挖掘稳定性较强,挖掘精度较高,且挖掘时间较少。     

基于图像识别的雾霾能见度测量系统设计

雾霾是发生在大气近地面层中的一种灾害天气,为了减少在雾霾天气下交通事故的发生,针对现有的雾霾能见度测量仪安装复杂、成本高等问题,设计并实现一种基于参照物图像识别的、成本低廉、安装维护简单方便的雾霾能见度测量系统,进行实时测量与发布雾霾能见度。测量节点通过图像采集模块获取雾霾天气下实时的参照物图像数据信息,利用参照物图像识别算法进行雾霾能见度测量,将测量值通过蓝牙通信模块发送给上位机。通过测试发现,文章设计并实现的系统能够实现雾霾能见度测量。     

基于联邦学习的边缘智能协同计算与隐私保护方法

联邦学习中,终端将更新后的模型参数值,而不是原始数据传递至服务器,从而成为保障边缘计算中数据隐私安全的关键技术.因此,提出了基于联邦学习的边缘计算方法(FLBEC),在保护用户隐私的同时,减少终端参与联邦学习的开销.首先设计了基于联邦学习的边缘计算系统架构,提出了隐私保护机制.分析了终端参与联邦学习时间和能耗,提出了研究的目标,即保护边缘计算中用户隐私,同时在保证精度的前提下,减少联邦学习时间和能耗.然后,从参与者选择、本地更新和全局聚合3个方面提出了改进后的联邦学习算法.最后通过对比实验验证了在FLBEC算法中,绝大多数终端在达到目标精度的前提下可以大幅度地降低联邦学习时间和能耗,从而减少联邦学习开销,表明了FLBEC算法的优越性.     

"计算机体系结构"双语教学的挑战与机遇

以"计算机体系结构"课程为例,探讨双语教学在高等教育中的必要性及可行性.重点从师生的角度研究了双语教学的利与弊、得与失,最后得出如何根据学科特色实施双语教学以激发学生兴趣,使双语教学在实践中循序渐进地提高教学效果,充分发挥双语教学的作用.     

MPLS VPN的实现机制及其配置

讨论了MPLS VPN的实现方式、组件及其功能、工作原理、数据转发过程,给出了MPLS VPN配置实例,同时对MPLS VPN安全性进行了剖析.     

人工智能在短临降水预报中应用研究综述

短临降水预报是一项重要且具有挑战性的世界性难题.研究人员曾尝试使用各种技术预报降水,但是由于降水本身具有高度非线性、随机性和复杂性的特性,使得降水预测精确度并不高.近年来,随着人工智能技术的迅猛发展,其日渐渗透到人们生活的方方面面,气象领域也因此得益.人工神经网络能够对非线性系统进行建模,因此相比于传统方法,如数值天气预报法和光流法等,人工智能方法使得降水预报的准确率大大提高.本文介绍了传统降水预报的方法,着重总结概括了用于短临降水预报的各种最新人工智能方法,并对各研究方向进行归纳分析,为各类研究人员研究提供有益参考和借鉴.