基于拓扑匹配的组件服务副本放置算法

提出了一个基于拓扑匹配的组件服务副本放置算法,该方法首先通过多规模图聚类算法获取组件服务的通信拓扑结构,随后使用谱聚类算法获取计算节点的拓扑结构,最后通过使用贪心算法匹配上述两种拓扑结构来进行组件服务副本的放置。基于CloudSim云仿真软件搭建了一个仿真实验环境并开展了一系列实验,仿真实验结果表明了所提出的方案和算法对于提高云服务系统的性能是有效的。     

基于免疫优化策略的副本放置算法

副本放置问题在云计算环境分布式存储系统中是一个关键问题。针对现有副本放置算法存在的数据副本访问开销较大,节点负载不均衡的问题,提出了一种基于免疫优化策略的副本放置算法。通过计算节点的亲和度,并借助免疫优化系统特有的克隆选择和免疫记忆机制,对副本节点的评价和选择更加合理。基于Matlab的仿真实验证实该算法能够降低分布式存储系统的副本访问开销,均衡节点负载。     

基于局部特征的SIFT算法的应用

SIFT算法作为在局部特征匹配领域最成功的算法之一,在图像特征点的提取及匹配方面得到了较好的应用.本文在讨论了SIFT的探测器和SIFT的描述器的原理及方法的基础上,选择标准图片和实测图片进行算法检验,表明此方法能较好地反映图像的灰度变化,有较强的鲁棒性,并对该算法提出了改进.     

网格环境中基于p-中值选址的副本放置算法

针对现有的副本放置中存在的问题,基于p-中值选址的方法,提出了一种动态的多副本放置算法.该算法预先设置副本的数量,根据网络带宽、存储空间和文件请求次数等条件,求解目标函数--全局费用的最小化,从而确定副本的位置,并随着网格环境的变化而调整.采用Optor-Sim模拟器实验,分析了副本数量、存储空间与副本放置的关系.结果表明:与LRU和基于经济模型的方法相比,该算法能减少数据访问时间和网络利用率.     

基于局部特征的图像模式识别算法研究

本文对基于局部特征的图像模式识别的SIFT/SURF算法进行了详细描述及分析,对比两种算法的不同特点,即运算速度、收敛性、抗噪性等,并对两种算法进行了实验.实验结果对于算法改进具有显著的借鉴意义.     

面向新生内容需求的缓存放置与替换联合算法

在内容中心网络中,全局缓存放置算法无法对新生内容实时缓存放置进行优化,对此,提出一种缓存放置与替换的联合优化算法,可减小缓存节点业务负载和用户内容获取的时延.定义了整网缓存收益函数,构建了最大化整网缓存收益的最优化问题,以实现新生内容的缓存放置与已存内容的缓存替换.为了求解所提的优化问题,将所提优化问题分解为缓存放置子问题和缓存替换子问题,提出了一种全局缓存放置优化问题的次优解,缓存放置算法的性能下限为（1-1/e）倍的最优解.在缓存放置之后考虑多点协同的缓存替换算法,最小化由于缓存替换产生的缓存损失,最后通过迭代实现缓存放置与替换的联合优化.仿真结果表明,所提联合优化算法可以提升整网缓存收益,在缓存节点负载、内容获取平均跳数和全网缓存命中率方面均优于传统方法.     

网格空间数据库副本优化算法比较与仿真试验

首先对网格空间数据库的几个副本优化算法,即中心站点读取空间数据文件算法、有删除的算法、预测文件价值的算法等进行了描述;其次对副本优化算法进行了作业量分别为500、1000、2000、5000的仿真试验,结果表明预测文件价值的算法为最优算法,能为网格空间数据库的建设奠定良好的基础,并为网格技术在空间数据库的应用提供可靠的依据.     

网格副本选择策略算法的研究

副本管理是数据网格中一个重要的组成部分,良好的数据副本管理策略是提高数据网格服务质量(Qos)的一个重要方面,本文主要对副本管理策略中的副本选择策略进行了研究。数据副本的选择策略讨论的是在己知的多个数据副本中如何根据当时的网络状态选择一个最佳的数据副本。本文提出了基于遗传算法的副本选择策略,这种选择策略考虑了多个副本请求对应多个副本资源的最佳分配方案,利用遗传算法得到最佳的数据副本分配方案,使副本的选择策略更高效。     

基于局部特征图像匹配算法改进

本文针对SIFT算法存在着特征提取及匹配速度慢,在灰度变化相似的区域产生误匹配的缺陷,讨论了SIFT 的改进算法-SURF算法的原理及应用方法,对算法进行检验,指出SURF算法在提取特征点时更偏重于提取鲁棒性较强的点,同时,摒弃一些鲁棒性较弱的点,对鲁棒性强的特征进行匹配以减少计算时间,使SURF在实时性处理和大量图片...     

一种基于副本机制的智能存储系统I/O优化方法

针对智能存储系统（IND）I/O部件级性能难以得到提升的问题,在分析I/O请求过程基础上设计了一种新的副本机制.使用可编程NIC把只读高频访问热点数据的副本存储在NIC的副本空间,在IND单元内存中建立一个副本元数据表以指引IND单元对副本空间进行管理,设计了在线副本候选算法（DCA）,以确保NIC空间副本数据的时效性.读请求时副本数据不再通过总线传送,数据包到达NIC缓冲区时把副本数据填充在相应的位置再发送出去,可以减少总线的流量,进而提高系统的吞吐率和现有设备的性能.试验结果表明,该方法降低IND总线流量30%以上,提高系统吞吐率40%以上,显著提高了系统性能,具有较好的理论与应用价值.     

基于贪婪策略的局部优化服务组合方法

提出了一种不依赖于服务关系图、可支持实体之间继承与组合关系、高效的自动服务组合方法.该方法首先标记出必要的可满足服务,然后从中挑选出部分服务直接生成组合路径,从而减少时空开销,避免循环搜索与重复搜索.为达到局部优化的目标,标记可满足服务时运用了贪婪策略.仿真实验表明,该方法具有良好的时间复杂度,能够适用于大规模的语义服务组合.     

基于小世界的物联网中副本定位算法

物联网具有数据量大,节点异构且分布广泛等特点。采用副本存储可以提高数据访问性能。针对物联网中对副本定位快速高效要求的问题,提出一种基于小世界的类-域层次的物联网中副本定位方法。从物联网中数据访问的局部聚类性考虑,将节点划分为类层次和域层次,分别采用根据类-域数据访问特点的双向环形消息扩散机制,实现副本的局部和全局定位,从而提高副本定位的效率。     

基于处罚的K-均值优化算法

判断聚类结果中是否存在误分类的簇,即簇中包含的样本不属于同一类。若存在,则在已有聚类结果上使用加权方案,处罚误分类的簇,输出新的聚类结果。若不存在,则输出已有聚类结果。限制簇集中存在误分类的簇,消除初始聚类中心对K-均值算法的影响,提高聚类准确率。实验结果表明,该算法与K-均值算法、优化初始聚类中心的K-均值算法相比,在坏的初始化条件下,表现出更好的鲁棒性;在含有噪音的数据集中,表现出更好的抗噪性能;聚类效果更好。     

CDNs基于缓存区预测机制的负载均衡算法

提出了一种基于缓存队列长度动态预测机制的请求重定向（BMP）算法,采用M/M/1排队模型对分布式内容分发网络的负载均衡算法进行了描述,基于队列长度预测的机制减少了分发请求过程中不必要的重定向,同时可以克服单点过载问题.仿真分析结果显示,相比于之前的负载均衡控制策略算法,所提出的BMP算法对服务器缓存区队列长度的均衡效果更优;同时,由于减少了不必要的重定向,也降低了请求响应过程的时延成本.     

基于元胞退火算法的僵尸网络传播特征研究

为了有效研究僵尸网络传播过程中的特征变化,基于元胞退火算法提出了一种新的刻画方法BDCA.该方法通过定义了僵尸网络中普通节点、易感染节点和感染节点之间的转化关系,建立平衡条件下的最优目标函数,并利用元胞退火算法求出最优解.最后,利用NS2进行仿真实验,深入分析了影响BDCA算法的关键因素,同时通过对比其它算法之间的性能状况.结果表明,该算法具有较好的适应性.     

基于加权处罚的K-均值优化算法

在各种聚类算法中,基于目标函数的K-均值聚类算法应用最为广泛,然而,K-均值算法对初始聚类中心特别敏感,聚类结果易收敛于局部最优。为此,提出基于加权处罚的K-均值优化算法。每次迭代过程中,根据簇的平均误差的大小为簇分配权值,构造加权准则函数,把样本分给加权距离最小的簇中。限制簇集中出现平均误差较大的簇,提高聚类准确率。实验结果表明,该算法与K-均值算法、优化初始聚类中心的K-均值算法相比,在含有噪音的数据集中,表现出更好的抗噪性能,聚类效果更好。