一种基于预测的负载平衡策略

分布式和并行系统的负载平衡是影响系统性能的一个重要因素，本文提出了一个基于预测的动态负载平衡算法，本算法以本地负载信息为基础预测该结点达到空闲状态的时间，并且在该结点到达空闲状态之前发出任务请求，从而保证系统中各结点都处于忙碌状态，提高系统资源的利用率，提高系统性能。     

资源灰预测的反馈任务调度算法

为了达到网格环境下任务调度时的负载平衡,针对此环境下的资源的自治性、异构性和分布性等特性,利用改进的灰预测模型GM(1,1)预测方法,设计了资源实时预测模型,可在较小的开销下取得满意的负载平衡。基于该模型的资源灰预测反馈任务调度算法RGP-FB是把资源预测融入到网格环境下的任务调度策略中,从而使系统调度的综合效率提高。仿真实验证明了该算法的合理性和有效性。     

一种基于中间件的自适应动态负载平衡方法

负载平衡是提高分布式系统性能不可缺少的技术,同时也是系统高可用性、可扩展性、容错性的必然要求。该文在分析和研究负载平衡模型的基础上,提出了一种基于消息队列的负载平衡模型,并在此模型下改进了基于阈值的动态负载平衡算法,给出了一种自适应的动态负载平衡算法。最后,在J2EE平台下,进行了实验和性能比较。     

一种实时集群计算机系统动态负载平衡算法的研究

负载平衡是集群计算机并行计算的核心问题。该文在研究了多种非实时并行系统负载平衡算法后,根据实时集群系统的特点,提出了一种基于动态任务分配表的负载平衡算法,并对算法的设计思想和实现作了阐述。     

数据并行程序中的动态负载平衡模型

在研究分析已有的负载平衡策略算法的基础上,应用Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ的信任函数理论,提出了一种基于信度网络的负载平衡策略算法,此算法较适应动态负开平衡,而且优于负载平衡的随机算法,若忽略系统的通信花费则可达到系统的完全负载平衡。综合各种费用,提出的算法通过状态管理器,在不完全信息的状态下可使系统达到较满意的平衡。此外,基于信度网络的负载平衡策略算法不仅适应于虚拟非规则网络,也适应于虚拟规则     

异构服务器集群的一种通用负载平衡模型

集群的负载平衡问题是评价集群系统性能的重要指标.目前,各种负载平衡算法层出不穷,但由于这些算法往往基于特定的集群结构,因此非但不具备通用性,尤其是对于异构集群,造成了软件资源的极大浪费.本文提出了一种通用的负载平衡模型,旨在充分合理利用已有负载平衡算法的基础上,更进一步提高算法的可重用性和可扩展性.     

基于Bayes定理的动态负载平衡算法研究

动态负载平衡算法存在影响服务器性能、设置负载因子困难等问题.基于Bayes定理可有效地改正动态负载平衡算法的弊端,得到改进算法的工作机制和实现方法.     

基于分布式多媒体的最佳实时综合负载平衡算法及相关模型研究

随着网络技术飞速发展,数据访问引起的服务器负载平衡问题日益得到人们的关注,负载平衡的算法也在不断的改进。本文基于分布式多媒体的热点数据访问所引起的典型负载问题,提出一种最佳的实时综合负载平衡模型和相关算法。     

高可用性集群中的动态负载平衡应用研究

提出了一个基于性能预测的、计算连接权重的动态分配算法,以及网络调度器来实现高可用性集群中的动态负载平衡系统。该系统包括调度器、交互式会话支持单元等模块。测试表明,该系统能迅速、准确地找出最佳服务器来处理请求,在负载平衡的效能上有明显的提高,从而为接下来的服务等动作做好准备。     

实时集群中一种基于任务分配表的动态负载平衡算法

动态负载平衡问题是影响实时集群性能的重要因素。文章在分析实时集群负载平衡特点的基础上,提出了一种基于任务分配表的动态负载平衡算法,并对算法的设计思想和具体实现进行了详细阐述。算法在某指控实时集群系统中的应用证明了它的可行性。     

基于有监督增量式等距离映射的人脸识别

针对等距离映射（Isomap）算法无法对后续采集的测试样本单独进行降维处理和未能利用样本点分类信息的不足,提出了一种有监督的增量式等距离映射算法（SIIsomap）,并采取小波变换对图像进行预处理。通过对ORL数据库实验证明,SIIsomap算法与Isomap算法相比大大降低了处理新增样本点的计算时间,并且提高了识别精度。     

基于EKF的机动目标跟踪算法的研究

假设一种机动目标运动:目标的速度大小不变,方向一直对准观测站.比较Singer模型和常速度(CV)模型,采用扩展卡尔曼滤波(EKF)算法对目标进行跟踪.仿真结果表明,在这种机动目标跟踪中,采用Singer模型比CV模型具有较快的收敛速度,而采用CV模型比Singer模型具有较高的跟踪精度.     

移动环境下基于情境感知的个性化影视推荐算法研究

针对在移动环境下使用传统推荐算法进行个性化影视推荐时存在的准确度不高的问题,提出了一种基于情境感知的矩阵分解算法。该算法在基本矩阵分解算法的基础上,通过融入全局偏置和情境偏置来进行未知评分预测。该算法的优势在于：一方面,使用矩阵分解的方式使得矩阵的规模远远小于原始评分矩阵;另一方面,该算法充分融入了情境要素对评分的影响,使得预测评分更加精准。通过在LDOS-CoMoDa数据集上进行实验,结果表明,该算法在准确度上优于基于用户的协同过滤算法、基本矩阵分解算法和baseline预测算法。     

Web服务器集群的负载均衡算法研究

近年来,服务器集群(ServerCluster)技术以其扩展性好、处理能力强、易于管理等优点受到了国内外研究机构的广泛关注和应用,其中的负载均衡算法更是研究的热点,但目前普遍缺乏算法的理论分析。该文对Pick-K、Pick-KX算法的机理进行了深入的分析,揭示了它们的内在本质,并提出了动态负载均衡算法的理论模型,为以后设计更好的均衡算法提供了理论上的支持,同时也可以从理论上定性地分析已有算法的效果。文章根据建立的理论模型,提出了一种新的负载均衡算法Pick-T,能够根据参数在更新周期内自动确定较好的分配向量,从而从整体上达到较好的负载均衡。     

基于AR模型的置信规则库结构识别算法

针对以置信规则推理作为系统控制器的应用,传统的置信K均值聚类算法往往不能充分利用数据中时间上的动态关联信息。因此,在模糊聚类算法的基础上引入自回归(AR)模型,将集约生产计划中的需求数据作为一组时间序列进行动态的聚类分析。该算法不仅可以充分利用集约生产计划中的需求数据的内部自相关性,而且可以进一步利用隶属度函数对AR模型的预测过程进行模糊化调整,从而得到更为理想的置信规则库结构,提高推理与决策的精度。     

基于SIFT的图像匹配算法

直接用SIFT算法对较模糊图像进行关键点提取时,提取的关键点个数较少且进行下一步匹配时错误匹配较多。提出一种基于SIFT特征的匹配算法,首先利用拉普拉斯算子对图像进行锐化处理,使其边缘得到突出,然后利用SIFT算法进行关键点提取,最后利用双向匹配算法进行图像匹配。实验结果表明,利用本文算法进行匹配比直接用SIFT算法进行匹配时的匹配点数更多,匹配效果更好。     

不规则任务在图形处理器集群上的调度策略

针对大量的资源需求少且并行度高的不规则任务集合,利用图形处理器（GPU）来加速处理是目前的主流。然而现有的不规则任务调度策略要么采用独占GPU的方式,要么使用传统的优化方法将任务映射到GPU设备上。前者导致GPU资源的闲置,后者不能最大限度利用GPU计算资源。在分析了现存问题的基础上,采用多背包优化思想,使更多的不规则任务以最佳的方式共享GPU设备。首先,针对GPU集群的特点,给出了由调度器、执行器组成的分布式GPU作业调度框架;然后,以GPU显存为代价,设计了一种基于GPU计算资源的扩展贪心调度（EGS）算法,该算法将尽可能多的不规则任务调度到多个可用的GPU上,以最大限度地利用GPU计算资源,并解决了GPU资源的闲置问题;最后,使用实际基准程序随机生成目标任务集来验证所提调度策略的有效性。实验结果表明,与传统的贪心算法、最早完成时间（MCT）算法和Min-min算法相比,当任务数量等于1 000时,EGS算法的执行时长分别平均降低至原来的58%、64%和80%,并且能有效提升GPU资源利用率。     

一种改进的三维递归搜索视频去隔行算法

提出了一种改进的三维递归搜索（3DRS）视频去隔行算法，该算法使用双向参考运动估计，消除了原始算法中的误差传递现象，并采用多分辨率分析的思想，根据视频内容自适应的调节误差匹配块尺寸，提高了运动估计的准确度。实验结果表明，对于大多数测试序列，该算法在实验效果上取得了优于原始的3DRS算法的性能。     

正则表达式的Web数据提取研究

Internet正在日益成为一个重要的信息来源,如何对Web数据进行检索和加工,使得用户能够更好地利用Intemet上的数据资源己经成为了新的研究热点。文中论述了半自动化数据提取算法,其中使用了基于扩展正则表达式的信息槽提取算法和基于网页特性的事件分割算法。同时描述了利用这些算法的信息提取系统,并详细介绍了系统的体系结构和实现细节。该系统可以被用于真实的Web环境中以提高存储、利用信息的效率,在一定程度上解决在Internet上获取信息及利用信息的困难。