基于MapReduce模型的分布式天文交叉证认*

交叉证认是实现多波段数据融合的关键技术,目前还缺乏对其分布式算法的研究。快速增长的数据规模使该问题必须要依赖分布式并行计算技术解决。提出了一种基于MapReduce分布式模型的新方法,根据Map-Reduce的要点,尽量减少了任务间的通信量,并通过合理设置划分粒度保证了效率与存储间的平衡。实验结果表明,该方法对海量数据交叉证认的效率提升明显,在大规模集群上达到了接近线性的加速比。该方法为交叉证认提供了一种快速有效的解决途径。     

基于身份的强指定验证人签名方案*

在有些情况下, 需要将验证者限定为某一个人。 利用基于身份的密码体制, 提出了一种强指定验证人签名和一种强指定验证人多重代理签名, 并对其安全性进行了分析。 在签名代价和验证代价上, 提出的强指定验证人签名比Kang等人的方案要低。提出的强指定验证人多重代理签名可以同时授权给n个代理人, 可以有效防止代理签名人对签名权的滥用。     

基于请求的多信道多数据项广播调度算法*

通过改进多信道单数据项请求的数据广播调度算法中的两层调度策略,提出了信道分配+QEM的算法;实现了用多信道广播来广播多数据项的请求;通过减少数据访问冲突和信道跳转减少了访问时间。分析证明此方法是可行和有效的。     

供应链失效风险识别与评估*

供应链风险是影响供应链实践应用的关键因素之一,供应链风险管理是供应链管理的重要内容。采用故障树理论和模糊理论对供应链风险进行了分析,构造了供应链失效风险故障树,该故障树由供应商、制造商、分销商三部分组成;分析了各个部分的失效原因,设计了正态模糊算子,阐述了供应链风险概率计算方法。针对一个供应链实例,采用上述方法对各个要素失效风险进行了定量计算,确定了供应链失效风险等级。     

粉煤灰制备沸石负载氧化铜处理酸性大红GR废水

以粉煤灰为原料,用碱熔-水热合成法制备沸石并负载氧化铜处理酸性大红GR废水。采用正交试验法考察了m（灰）/m（碱）比、m（灰）/m（水）比、煅烧温度和晶化时间对出水中色度和COD指标的影响,并确定了沸石制备的最佳工艺条件为m（灰）/m（碱）比1.2：1、m（灰）/m（水）比1：9,焙烧温度500℃和晶化时间10 h。将最佳条件下制备的沸石负载氧化铜并与过氧化氢联合催化氧化处理酸性大红GR废水,获得了满意的结果：出水中色度和COD指标达到25（稀释倍数）和105 mg.L-1,分别低于纺织染整工业污染排放标准GB 4287—92规定的一级和二级排放标准。制备的沸石经XRD表征,确定为NaA型沸石相。     

基于纹理特征的自然图像鉴别方法*

采用图像的纹理特性建立模型,实现了自然图像和人工图像（主要是简笔画、表格、函数图像）的鉴别。首先,计算两类图像的纹理特征,统计并分析数据找出规律;其次,选择图像的平滑度、一致性和图像熵作为代表性的纹理特征,组建数学模型;最后,利用三个特征的线性组合构成鉴别函数,并用模拟退火算法确定权值。实验表明,该方法可以很好地鉴别两类图像,识别效率较高。     

大黑汀水电站1号水轮机转桨改定桨技术分析

通过对大黑汀水电站1号机组存在转轮漏油和操作油管油路串腔等缺陷分析,决定对机组转轮现场进行转桨改定桨处理。本文分析论证了转桨改定桨合理性、桨叶角度计算分析,以及通过真机试验校核了理论计算角度合理性,通过采取合理的工艺措施现场实施了转桨改定桨和相关设备的改造。水轮机转桨改定浆后运行状况良好,机组稳定性、效率、出力等均达到了改造的预期效果,运行稳定。通过机组改造,进一步优化了电站机组的运行方式,取得了良好的经济效益和社会效益。     

三维地形显示中数据缓存与调度算法研究

存储调度是大规模地形可视化算法的重要组成部分,但近年来对其研究较少。本文重点讨论了可视化实现中比较常用的调度算法:系统调用和操作系统页面置换算法,对其进行了详细的分析,指出两种方法相同的本质:都是依据程序执行的过程中对内存的局部访问特点设计的。可视化过程对内存的需求不同于程序执行的局部性,地形浏览有其特殊性。根据地形浏览的特点,本文提出了一种专门用于地形浏览的预取和替换相结合的存储策略。并用两个评价准则验证了方法的有效性。     

基于C/S结构的可监视遥感数据存档系统

介绍了一个卫星遥感数据自动存档系统,包含产品数据自动获取、元数据提取、产品数据归档、元数据编目入库以及过程监视五个子模块.本系统采用以数据库为Server端,各个子模块为Client端的C/S结构.各子模块相互独立、松散耦合,通过灵活使用配置文件,实现系统分布式管理,提高了系统的可维护性和可扩展性.过程监视子模块提供了可视化的界面对存档过程进行实时监视.本系统已经成功应用于海洋一号卫星遥感数据存档过程中,同时对于同类卫星数据也有很好的适用性.     

一种结合机器学习的移动边缘计算的切换预测方法

随着移动通信的发展,减少通信延时成为关键性问题,因此,提出了一种使用机器学习方法的移动边缘计算(MEC)移动性管理。移动性决策基于参考信号接收功率(RSRP)值和不确定性预测器。使用神经网络建立预测器,输出不同相邻单元的RSRP平均值和标准偏差,推导了切换概率的封闭表达式。基于这些可能性,MEC服务器能够提前缓存用户服务,以便将切换期间的中断降至最低。实验结果表明,提出的方法能够满足实际需求。