多层次算力网络中代价感知任务调度算法

随着越来越多数据的产生以及更加强大的算力和算法的运用,物联网应用也变得越来越智能.典型的物联网应用也从简单的数据感知、收集和表示转向复杂的信息提取和分析.这一持续的趋势需要多层次算力资源及网络.多层次算力网络涉及云计算、雾计算、边缘计算和海计算等技术之间的相互协作,分别针对区域级别、本地级别和设备级别的物联网应用.但是,由于计算技术的不同特征以及任务的不同需求,如何有效地进行任务调度是多层次算力网络中的一个关键挑战.此外,如何激发多层次算力资源的积极性也是一个关键问题,这是多层次算力网络得以成形的前提.为解决上述挑战,提出了一个云雾混合多层次算力网络及计算卸载系统,定义了一个由时延、能耗及付费组成的加权代价函数,并建模了一个代价感知任务调度(cost aware task scheduling,CATS)问题.而且,为激发云和雾的积极性,提出了一个基于计算量的付费模型并将付费相关代价也考虑进总代价.具体来说,根据云和雾的不同特性和需求,分别提出了一个静态付费模型和动态付费模型,从而构建了一个混合付费模型.为解决上述CATS问题,提出了一个基于势博弈的分析框架,并设计了一个分布式任务调度算法——CATS算法.数值仿真结果表明,与集中式最优方法相比,CATS算法可以在系统平均代价方面提供近似最优的性能,并让更多用户受益.此外,与静态付费模型相比,动态付费模型可能可以帮助雾获得更多收入.     

网上交易电文固化系统中数据保全算法研究

如今网上交易等电子商务的应用日趋普遍,为确保交易安全,可靠的固化和保留交易所产生的电文作为交易证据具有非常重要的意义。以网上交易电文固化系统中的数据保全算法为分析和研究的主要内容,设计了3种针对不同情况下的数据保全算法,为解决网上交易证据认证这一问题,提出了新的解决方法。     

基于人工蜂群算法的分布式入侵攻击检测系统

针对网络入侵攻击检测系统检测准确率与计算效率较低的问题,提出一种基于人工蜂群算法的分布式入侵攻击检测系统。将训练集划分为若干的子集,使用特征选择方法提取特征集中类内相关性高、类外相关性低的特征;对人工蜂群算法进行修改,通过引入全局搜索能力强的算法提高人工蜂群算法的性能;根据优化的特征子集与规则集对网络入侵攻击行为进行分类处理。基于网络入侵数据集的实验结果表明,该系统实现了较高的检测性能和计算效率。     

利用优化人工鱼群算法构建游戏动力系统研究

人工鱼群算法是一种新型仿生优化算法,着重构造自治体寻优模型,其研究应用已经渗透到多个领域。对人工鱼群算法模型进行深入研究,并对其实施优化和扩展用于构建游戏动力系统,为游戏AI运动引擎的设计与实现提供技术与理论参考。     

基于人工蜂群算法的混沌系统参数估计

为了更准确的估计混沌系统的未知参数,提出了一种基于人工蜂群算法的混沌系统参数辨识方法,该方法将混沌系统中参数估计转化为多维变量的函数优化问题,利用搜索方程对多维空间变量进行充分搜索,通过优化人工蜂群算法计算估计值与真值之间的均方差,从而估计出混沌系统的参数.Lorenz混沌系统的参数辨识仿真实验结果表明了该方法的可行性...     

大型数据集数据挖掘算法研究

随着信息技术的日益发展,相关产业也得以快速推进,为社会创造出极大的价值。从以往简单化的数据查询以及统计技术的发展来看,单一模式的数据计算已经不能够满足日趋复杂的大型数据集计算要求,急需构建以智能化数据转化体系为基础的新型模式来实现更高一级的数据统计及信息处理目标。本文就大型数据集数据挖掘算法及其相关内容做以论述,并探究该方法背后的现实意义。     

粒子群及人工鱼群算法优化研究

本文分析了粒子群算法和人工鱼群算法的基本原理,提出粒子群及人工鱼群算法优化策略,该算法综合利用了人工鱼群算法良好的全局收敛性及粒子群算法快速的局部收敛性,算法易实现,同时,克服人工鱼群算法收敛速度慢及粒子群算法后期全局收敛差的缺点,发挥了两者的优越性,粒子群及人工鱼群优化算法不仅具有较好的全局收敛性能,而且具有较快的收敛速度。     

基于IBL算法的CRB系统中索引与检索机制研究

文章介绍了基于示例学习算法IBL的概况,并对其加以改进,提出了一个新的算法IBL－Cluster。它主要由概念描述形成算法和概念描述修改算法构成,在此基础上建立了应用在基于事例的推理系统CBR中的基于IBL算法的索引与检索机制。实验表明新算法IBL－Cluster在存储空间及测试正确率方面均有改善。     

大数据环境下智能推荐系统中协同过滤算法研究

随着互联网的普及以及电子商务的发展,各类网络应用需要大数据的支持,而信息过载是大数据应用最严重的问题之一,需要来自智能推荐系统的支持.分析了大数据环境下智能推荐系统的概念和应用,对协同过滤算法这一智能推荐经典算法进行了阐述,并介绍了其在大数据环境中的应用领域.     

基于改进扩展卡尔曼滤波的姿态解算算法研究

为了解决标准扩展卡尔曼滤波器(EKF)在多旋翼无人机姿态解算中精度较低的问题,提出了一种改进扩展卡尔曼滤波算法(BPNN-EKF),使得解算精度得到较大提升。针对EKF存在预测模型参数要求具有先验已知性,在工程实践中难以获得准确的参数,以及标准EKF对非线性系统采用线性化模型带来的误差等问题,利用神经网络的非线性映射能力和自适应能力对标准EKF的估计值进行补偿,减小模型以及滤波参数误差对最优估计值的影响,从而提高最优估计精度。仿真实验证明,BPNN-EKF对多旋翼无人机姿态解算精度的提升具有显著作用。     

基于云计算和改进K-means算法的海量用电数据分析方法

针对小区居民用电数据挖掘效率低、数据量大等难题,进行了基于云计算和改进K-means算法的海量用电数据分析方法研究。针对传统K-means算法中存在初始聚类中心和K值难确定的问题,提出一种基于密度的K-means改进算法。首先,定义样本密度、簇内样本平均距离的倒数和簇间距离三者乘积为权值积,通过最大权值积法依次确定聚类中心,提高了聚类的准确率;然后,基于MapReduce模型实现改进算法的并行化,提高了聚类的效率;最后,以小区400户家庭用电数据为基础,进行海量电力数据的挖掘分析实验。以家庭为单位,提取出用户的峰时耗电率、负荷率、谷电负荷系数以及平段用电量百分比,建立聚类的数据维度特征向量,完成相似用户类型的聚类,同时分析出各类用户的行为特征。基于Hadoop集群的实验结果证明提出的改进K-means算法运行稳定、可靠,具有很好的聚类效果。     

基于改进人工蜂群算法与MapReduce的大数据聚类算法

针对大数据聚类算法计算效率与聚类性能较低的问题,提出了一种基于改进人工蜂群算法与MapReduce的大数据聚类算法。将灰狼优化算法与人工蜂群算法结合,同时提高人工蜂群算法的搜索能力与开发能力,该策略能够有效地提高聚类处理的性能;采用混沌映射与反向学习作为ABC种群的初始化策略,提高搜索的解质量;将聚类算法基于Hadoop的MapReduce编程模型实现,通过最小化类内距离的平方和实现对大数据的聚类处理。实验结果表明,该算法有效地提高了大数据集的聚类质量,同时加快了聚类速度。     

基于改进型人工萤火虫算法的云计算资源研究

在研究人工萤火虫算法的基础上, 提出了一种改进型的人工萤火虫算法。该算法通过对荧光素值获取方式的改进、能够有效地防止收敛过快、目标函数值极易陷入局部最优的情况, 通过三个函数的仿真测试中, 在搜索精度和性能上有了显著的提高。通过Cloudsim 仿真平台发现, 在云计算模型下, 该算法可以有效地减少子任务的处理请求任务的平均完成时间, 提高了任务处理的效率, 达到了资源的合理分配。     

基于高斯变异的人工萤火虫算法在云计算资源调度中的研究

如何合理地分配云计算资源一直都是研究的热点.建立云计算环境下的资源调度模型,通过人工萤火虫算法个体最优与云计算节点资源分配对应起来,在算法中引入高斯变异算法,通过与经典函数比较,优化后的算法在搜索精度上以及收敛速度上有了很大的提高.通过在CloudSim平台上与经典智能算法的比较,该算法能够有效地提高云计算中的资源调度性能,缩短任务完成的时间,提高系统整体处理能力.     

系统故障因果关系分析的智能驱动方式研究

为适应未来智能环境和安全领域的故障数据分析需求,本文提出系统故障因果关系分析思想。论述了通过数理统计方法分析系统故障数据存在的问题,研究了系统故障的相关性和关联性,前者基于故障数据反应故障表象;后者基于故障概念反应故障本质。将智能情况下的故障因果分析划分为4个层次,包括数据驱动、因素驱动、数据?因素驱动、数据?因素?假设驱动。该方法的特点是获得广泛的故障因果关系,深入了解因果关系,两者兼顾和更接近于人的思维。4种驱动对故障因果分析的能力依次上升,可为安全科学与智能科学结合提供渠道。     

Algorithm level power efficiency optimization for CPU-GPU processing element in data intensive SIMD/SPMD computing

Power efficiency investigation has been required in each level of a High Performance Computing (HPC) system because of the increasing computation demands of scientific and engineering applications. Focusing on handling the critical design constraints in the software level that run beyond a parallel system composed of huge numbers of power-hungry components, we optimize HPC program design in order to achieve the best possible power performance on the target hardware platform. The power performance of a CUDA Processing Element (PE) is determined by both hardware factors including power features of each component including with CPU, GPU, main memory and PCI buses, and their interconnection architecture; and software factors including algorithm design and the character of executable instructions performed on it. In this paper, approaches to model and evaluate the power consumption of large scale SIMD computation by CUDA PEs on multi-core and GPU platforms are introduced. The model allows obtaining design characteristic values at the early programming stage, thus benefitting programmers by providing the necessary environment information for choosing the best power-efficient alternative. Based on the model, CPU Dynamic frequency scaling (DFS) can be applied on CUDA PE architecture that adjusts CPU frequency to enhance power efficiency of the entire PE without compromising its computing performance. The power model and power efficiency improvements of the new designs have been validated by measuring the new programs on the real GPU multiprocessing system.     

智能导医系统中TF-IDF权重改进算法研究

面向患者的智能导医系统通过人工智能技术,依据患者症状计算可能疾病,引导患者准确挂号。目前智能导医系统多采用患者输入描述自身症状或者提问的方式,该方式易出现患者输入与医学专业症状词不匹配的问题,导致计算出的疾病可信度较低。针对这一问题,提出重心后移和医学专业语料库相结合的方法,对同义词匹配,映射出与患者症状对应的症状词;根据症状不论重要与否在每一疾病中仅出现一次的特点,提出基于患者关注度的症状词频计算方法;针对传统TF-IDF算法在待分类疾病类中数量分布不均时提取疾病效果差的问题,提出基于疾病类间分布的症状权重改进算法。实验结果表明,改进算法在疾病推荐正确率和可信度两方面具有更好的效果。     

航空遥感数据同化算法集成计算与可视化

遥感数据同化技术在动力模型框架内,使用数据同化算法对动力模型输出的定量(物理、化学量)数据与观测数据进行一致性处理与结果误差分析。将多源遥感数据同化到动力模型预测与参数估计中,可帮助改善地表、大气和海洋变化的分析和预测精度。以国家发改委"十二五"建设的国家航空遥感系统项目为依托,针对航空遥感系统10种传感器设计开发数据同化系统。因无法找到适用于该系统的3DVAR和EnKF算法程序,必须自主开发核心算法程序。介绍了研究开发的航空遥感数据同化算法集成计算与可视化系统及其核心算法的关键技术流程。实验结果证实,该系统可以有效地对航空遥感数据进行同化。     

人工智能伦理体系:基础架构与关键问题

全球范围内针对人工智能伦理准则的讨论已达成基本共识。在此基础上，本文进一步研究4个关键问题:人工智能伦理体系的运行机制问题、人工智能伦理准则的场景落地问题、人工智能伦理风险的预测判别问题，以及人工智能伦理对重大社会问题综合创新的支撑机制问题。这些问题超越了人工智能伦理准则的范围，却是一种完整、有效的人工智能伦理体系所必须解答的。本文的主要贡献是对这4个问题提出一套建议方案。