基于水平纠删码的云存储数据布局方法

针对云存储系统的扩展性和数据容错问题,设计了一种基于水平阵列纠删码的通用云存储系统方案,系统可按存储节点子集进行规模扩展;给出了一种可容3列随机删除错的数据布局方法,并利用校验数据位与信息数据位之间的对应关系,寻找到一种具有低计算复杂度的数据重构算法,提高了丢失数据的恢复性能.理论分析和原型系统测试表明,本布局方法与存储方案适合于构建对数据编译码复杂度、系统扩展性都具有较高要求的云存储系统.     

无人值守传感器网络的高性能分布式存储算法

为解决无人值守传感器网络的数据存储可靠性问题,提出了一种具有低通信成本和低访问成本的分布式存储算法．算法采用步数为cn的并行定向随机游走机制,将网络中的k个源数据包按照一定的接收概率分散存储到网络中所有的n个节点,在每个节点形成一个存储数据包．理论分析和实验结果表明,基于该算法的存储过程完成之后,即使有部分传感器节点损坏,Sink节点只要随机收集到k+ε,ε大于等于11个存储数据包,就能成功地计算出原来的k个源数据包．与具有代表性的基于LT码的算法相比,文中算法将存储每个源数据包的通信次数从约3nlnn降至约3n;将读取源数据包的节点访问次数从大于k+100降至约k+11．     

二进制范德蒙编码存储策略的低计算量优化方法

针对二进制范德蒙码的编码存储与译码重构过程,提出了一种降低相关编译码过程计算量的优化方法。该方法根据二进制编译码矩阵行向量中“1”的分布以及各向量之间“1”的相互位置关系,最终确定出二进制编译码矩阵所对应的各个校验位的计算次序,从而实现降低整个编码过程或译码过程计算量的目的。实验表明,该方法可以降低30%左右的相关计算量, 同时,该种计算过程优化方法可以推广应用到其它二进制编码存储系统中.     

无人值守传感器网络的低通信成本存储算法

针对无人值守传感器网络的数据存储问题, 提出了一种低通信成本的分布式数据存储算法。算法采用步数为cn的定向随机游走机制, 将网络中的k个源数据包按照一定的接收概率分散存储到了网络中所有的n个节点, 在每个节点形成了一个存储数据包。实验表明, 基于该算法的存储过程完成之后, 即使有部分传感器节点损坏, sink节点只要随机收集到k+ε（ε≥10）个存储数据包, 就能成功计算出原来的k个源数据包。与具有代表性的基于LT码方法相比, 该算法在节约sink节点访问成本的同时, 也将网络的通信时间复杂度从O(n　ln　n)降到了O(n), 具有良好的应用潜质。     

基于神经网络的NURBS曲面重建

曲面重建是CAGD中的重点研究课题,而神经网络具有很好的非线性逼近能力,文中将二者结合,给出了一种利用神经网络将三维数据点拟合为NURBS曲面的方法.提出的前馈型神经网络包含四个隐层,其中一层的激活函数为B样条基函数.由数学推导可知,该网络可以表达NURBS曲面,通过对控制顶点及其权重的学习,可以用该网络来重建NURBS曲面.权值的调整通过误差反传与梯度下降法实现.实验结果表明,文中提出的方法是可行的.