基于模糊聚类的云任务调度算法

为了更好地实践云计算提供廉价按需服务的宗旨,提出了一种在模糊聚类基础上,基于两级调度模式的任务调度(FCTLBS,fuzzy clustering and two level based task scheduling)算法,新算法设置用户调度和任务调度2个等级。对资源进行性能模糊聚类;根据任务参数计算资源偏好,使不同偏好任务在不同聚类中选择,缩小了选择范围,更好地反映了任务需求。仿真实验表明,本算法较之同类算法具备一定的优越性。     

微机核子秤的测试

本文重点讨论微机核子秤计量系数的设置和实物标定的方法,这种标定方法具有准确,可靠的特点。     

基于暂态可观性的向量测量单元配置方法

指出向量测量单元布点问题需要在满足一定约束条件下同时优化2个相互冲突的指标,即配置向量测量单元的数目(或费用)最少和测量冗余度最高,提出了基于0—1规划法的模型对系统正常运行方式下稳态全可观的向量测量单元配置,与此同时,进一步研究在暂态情况下系统全可观的向量测量单元配置。利用N-1故障原则,给出了系统发生故障时向量测量单元进行配置时的约束条件,结合传统的配置指标,共同构成基于暂态可观的向量测量单元配置。通过对IEEE 30系统进行仿真,验证了向量测量单元配置方法的有效性。     

搜索引擎中基于密度聚类的混合编码检测算法

搜索引擎有很多的关健技术,本文主要针对互联网中文HTML混合编码文件,研究了中文HTML文件的字符编码组成结构,然后对混合编码文件内容进行聚类,采用了数据挖掘领城的经典算法DBSCAN,将HTML文件分成几个大类,然后分别对各个类进行了基于特征编码检测.实脸结果显示,当选取合适的参数时,对混合编码文件的聚类后,每个类与...     

利用频率特征的Trie树索引快速构造算法

随着物联网技术的日益成熟和云计算标准的确立以及各种智能终端的大规模出现,互联网数据呈指数增加,为数据建立索引至关重要,为此提出一种基于词频的Trie树索引快速构造算法,首先对索引字符串进行排序,然后对排序文件进行预处理,预处理生成一个三元组,分别由相同字符横向偏移、纵向偏移及字符组成. 快速算法依次扫描预处理数据的每一列,根据三元组的偏移跳过相同的字符前缀. 实验结果显示,本算法的时间明显少于传统构造算法,优于Aoe的双数组Trie构造算法.     

氧化铝夹杂破碎与弥散行为的试验研究

金属零件基体中的非金属夹杂物不可避免且对基体力学性能影响严重,而锻造变形是使非金属夹杂物在金属基体中破碎和弥散的主要途径。以钢中常见的Al₂O₃硬性夹杂为研究对象,采用粉末冶金技术与3D打印熔覆成形技术相结合的方法制备了内含不同气孔率Al₂O₃夹杂的金属试样。进行含Al₂O₃夹杂金属试样在系列变形条件下的锻造试验,通过变形后Al₂O₃夹杂的形貌观察,研究分析了夹杂气孔率和锻造工艺参数（变形温度、变形速度、变形路径）对Al₂O₃夹杂破碎及弥散行为的影响。结果表明,夹杂气孔率越高,越易发生破碎行为。降低变形温度或提高变形速度可促进较高气孔率Al₂O₃夹杂的破碎及弥散;对于具有较低气孔率的Al₂O₃夹杂,提高变形温度是加剧其破碎程度的主要方式。同时变形路径的复杂化可显著提高Al₂O₃夹杂的破碎程度,促进其在金属基体中进一步的弥散。     

基于WAMS的等值OMIB系统暂态稳定预测

应用扩展等面积法(EEAC)将系统中所有发电机划分为两个机群,等值并简化为单机无穷大(OMIB)系统,通过等面积定则预测系统的暂态稳定性。利用范数理论计算各发电机之间的空间距离,提出一种分群指标。通过分析调速器和原动机模型,得到机械功率的预测模型,以此预测机械功率的变化,突破假定机械功率不变的限制。通过对CEPRI-36系统算例,验证所提出预测方法的可行性。     

基于WAMS的电力系统暂态稳定预测

通过分析速度控制系统的模型得到功角的变化趋势,以广域测量系统实时量测的功角为基础,采用三角函数组合算法,预测电力系统故障后发电机的功角变化,以预测电力系统暂态稳定性。在预测算法中,采用非线性最小二乘法计算三角函数系数,以线性化和线性最小二乘法计算求解包络线方程,提高了计算的精度。本文提出一个快速判断暂态稳定的指标。在EPRI鄄36节点系统上的仿真结果验证了该方法的有效性。     

智能物联网AIoT研究综述

智能物联网（artificial intelligence of things,AIoT）是人工智能与物联网技术相融合的产物,这一新兴概念在智慧城市、智能家居、智慧制造、无人驾驶等领域得到了广泛应用。然而AIoT相关技术研究仍处于初级阶段, 存在大量问题和挑战。首先简述了AIoT技术产生的背景,明晰其定义和应用场景。以此为契机,构建了一个新型的面向智能信息处理的云边端融合AIoT架构。在给出AIoT研究体系的基础上, 详细探讨并比较了其各组成技术模块,包括AI融合IoT数据采集、复杂事件处理及协同、云边端融合研究、AI融合IoT安全及隐私保护和AI融合应用服务等方面的研究现状和解决方案。最后, 论述了AIoT未来的研究方向和发展趋势。