码分多址通信系统多用户检测的仿真研究

多用户检测技术利用各个用户的扩频序列、时延、幅度和相位信息对各用户进行联合检测,能有效抑制多址干扰,充分利用上行链路频谱资源,提高系统性能和容量,是码分多址通信系统中的关键技术之一。文章采用基于卷积编码块的串行干扰抵消多用户检测方法,利用MATLAB对多用户检测算法进行仿真,通过研究不同数据速率的三种应用场景,验证多用户检测算法对参考用户误码率的性能改善和提高系统用户容量的有效性。     

宽带CDMA中多用户检测算法探索

对一些已有的多用户检测算法进行了合理全面的比较,比较标准取自对第三代移动系统中宽带CDMA系统的关键特性的评论。并在此基础上提出了一种新的宽带CDMA多用户检测算法——多速率加权并行干扰抵消算法(MW-PIC)。     

一种基于云计算的大数据关联规律挖掘分析方法

随着云计算时代的到来,云计算为海量数据的挖掘分析提供了一种新的技术途径,能够有效地解决传统数据挖掘方法不能适应海量数据挖掘的问题。介绍了云计算的含义和特点,分析了运用云计算技术实现数据挖掘的优势,设计了基于MapReduce并行处理架构的关联规律挖掘算法,并开展了试验验证。试验结果表明,基于云计算平台的并行关联规律挖掘算法能够极大地提高数据挖掘的执行速度。     

基于云计算技术的数据挖掘

基于单一节点的数据挖掘系统在处理海量数据集时存在计算瓶颈,针对该问题,提出了一种基于云计算技术的数据挖掘方法:将大数据集和挖掘任务分解到多台计算机上并行处理.在对经典Apriori算法MapReduce化后,建立了一个基于Hadoop开源框架的并行数据挖掘平台,并通过对餐饮系统中点菜单的数据挖掘工作验证了该系统的有效性.实验表明,在集群中使用云计算技术处理大数据集,可以明显提高数据挖掘的效率.     

云计算环境下多服务器多分区数据的高效挖掘方法设计

云计算环境下的多服务器多分区系统中存在海量数据,传统串行数据挖掘方法对这些数据进行挖掘的过程中,无法对海量数据进行并行处理,挖掘效率低。针对该问题,设计云计算环境下多服务器多分区数据挖掘系统,其包括基础设施即服务层、平台即服务层、软件即服务层,可实现大规模数据的高效挖掘。系统通过平台即服务层中的多服务器多分区数据处理模型,实现海量数据的分布式运算,并基于MapReduce机制实现K均值聚类数据挖掘算法的并行化,通过Map和Reduce函数实现多服务器多分区数据的并行挖掘。实验结果表明,所设计系统大幅度降低了云计算环境下多服务器多分区数据的挖掘时间,提高了数据的挖掘效率和稳定性。     

基于云计算的虚拟化系统研究

云计算技术和虚拟设计技术在机电行业的应用,为新产品研发提供了一种全新的设计和验证手段。在引入云计算和虚拟设计技术的基础上,针对机电产品设计领域的现状,以异构的云计算平台为基础,整合产品数据管理思想,提出了一种新的机电产品虚拟化设计系统C2VDSMEP。系统支持多用户并行协同操作,来自不同地理位置、不同领域的设计师可以在统一的分布式虚拟设计环境中,同步对机电产品的虚拟原型从不同角度进行分析,有效地避免了传统机电产品设计中的沟通障碍与协同困难。云计算基础设施平台对用户透明,解决了分布式虚拟设计系统对计算资源和存储空间方便性较高的需求。     

基于云计算系统的数据节能算法

在云计算海量数据存储和数据中心节能算法的综合应用中,更加注重云计算系统数据能耗问题的有效解决。云计算系统中数据能耗问题的产生,不仅增加了二氧化碳的排放量,同时也带来了较为严重的环境问题。结合云计算的定义特点,对云计算系统数据的高能耗问题进行研究分析。通过分析数据节能算法的分类,对DVFS(动态电压频率调整)数据节能算法以及虚拟化节能算法进行分析,并对比其他算法优缺点,同时对应用场景进行描述,最后对云计算系统的数据能耗管理过程做了具体的总结。     

基于云平台的MPI研究与应用

为满足信息化处理需求的增长,提出MPI在云计算领域的应用研究。文章在介绍了云计算的优势、MPI概念的基础上,将MPI并行程序与并行机群系统及云计算平台整合在一起,借助Hadoop框架,充分利用MapReduce模式来实现并行化云计算对应的MPI算法。研究结果分析表明,该算法是可行的,可有效提高MPI并行处理的性能。     

云计算中消息传递相关问题探讨

对云计算的基本原理及建立在对这一理论体系进行消息传递算法的理论框架进行分析和研究,提出了云计算在消息传递领域的应用方法,并根据云计算的理论框架得到了消息传递的云计算算法设计模型,指出云计算的分布式及并行化特性,为算法分布及并行化提供了新的思路。     

基于云计算的数据挖掘系统设计

为了高效、快速地解决呈指数增长的数据处理问题,提高数据储存、运算能力,文中提出了基于云计算的数据挖掘系统的设计。该系统首先分析了主流云计算平台Spark的组件构成和运行机制,深入研究其计算架构的编程原理。同时利用Spark进行了C4.5算法和K-medoids聚类算法的并行化设计,有效提高算法的运行速度、收敛速度和结果的稳定性。测试表明,在进行海量数据的分析处理时,文中提出的云计算平台在分类误差内,可有效提高整体系统的运算速度,分类效率也大幅提高。