基于DHT资源定位服务覆盖网的研究

提出了一种结构化P2P覆盖网——LAOverlay,采用组的思想,通过构建两层Hash结构,将本地的资源尽量映射到与本地节点在物理距离上相差较近的节点上,并通过数据本地化较好地解决了资源定位方法与实际的物理结构联系较小的问题,实现了稳定、可靠、查询广泛的资源定位。     

一种无"热点"的覆盖网协同缓存策略

覆盖网协同缓存(overlay cooperative caching,简称OCC)聚集客户节点的资源来提供可扩展、经济有效的缓存服务.在典型的OCC系统中,节点的异构性和工作负载的不对称,容易造成节点资源使用的不平衡,形成一些负载过重的"热点"节点.但对于这一问题,已有的OCC系统缺乏有效的负载平衡机制.针对多媒体内容分发服务,设计了一种无热点的OCC策略——HFOCC(hotspots free overlay cooperative caching).通过将"热点"对象复制到低负载节点,分散服务请求,达到消除热点的目的.为了提高缓存空间的利用率,HFOCC将一个节点的缓存空间动态地划分为home cache和replica cache两部分,并实施统一的缓存管理策略;基于一种"软"副本生命期控制机制,当工作负载发生变化时,冗余副本被及时删除,系统表现出了良好的自适应性.实验证明,HFOCC有效地提高了系统吞吐率和资源利用率.     

GDG:一种基于逆支配点集的top-k高效查询索引方法

考虑偏好top-k计算问题,提出一种整合网格索引和DG索引的Gridded Dominant Graph(GDG)混合索引结构.首先,提出基于数据点逆支配点集性质的剪枝自由点方法,该方法大大减少了构建索引中的数据点及查询时可能访问的数据点.通过网格索引高效地计算逆支配点集,并得出网格中“k-最大运算区域”和“k-最大查找区域”,分别在建立索引和top-k查询阶段近似地剪枝自由点.然后,分析了查询索引阶段层次式索引(如dominant graph(DG))在同一层次中无序访问数据点的不足,通过增加网格索引而使访问有序.计算网格概要信息并将网格单元按函数分值排序,使层次内数据点依据网格单元顺序而访问有序.由于附加的网格索引增加计算和存储开销较少,同时性能有较大提升,所以GDG适用性强.理论分析和实验结果均验证了上述方法的有效性.     

一种基于冗余线程的GPU多副本容错技术

目前随着通用GPU(general purpose computation on graphic processing units, GPGPU)性能的不断提高,利用CPU和GPU构建的异构系统已经成为高性能计算领域的研究热点.然而随着并行计算系统的不断增长,系统可靠性越来越低,已成为并行计算向大规模扩展的一个不容忽视的制约因素.由于商用GPGPU容错能力较弱,所以由CPU和GPU构建的大规模异构并行系统的可靠性问题更为尖锐,尚缺乏实用的容错手段,针对这一现实问题提出了一种基于冗余线程的GPU多副本容错技术:RB-TMR(Rollback TMR),同时根据异构系统的编程模型及程序特征对这一面向异构系统的容错机制的设计实现及其编译框架进行了具体分析和描述.最后通过10个案例对此技术进行了实现并评估了其性能.这一技术为异构系统的容错技术研究提供了新的思路,具有重大意义.     

一种新的动态副本管理机制

提出了一种新的动态副本管理机制。该机制根据文件受欢迎的程度，增加受欢迎程度高的文件副本数量，选择高性能节点存放文件副本，从而使系统自动调整文件副本数量以及副本存放位置，平衡节点负载，提高文件的可用性。     

Laurel:一种混合式数据分发覆盖网

覆盖网是各种数据分发应用的基础架构.在节点波动的网络环境中实现快速而准确的数据分发,对覆盖网提出了两个要求:高效的数据路由;较强的系统鲁棒性.已有的覆盖网构建方法多侧重于某个方面的优化,因而未能充分权衡数据路由效率与系统鲁棒性.提出了一种混合式数据分发覆盖网--Laurel.Laurel通过簇间多重结构化拓扑与簇内非结...     

对等网络中一种优化的副本分布方法

数据复制技术是一种提高P2P系统中数据可靠性和可用性的常用策略.现有复制方法大多只考虑副本数量,副本数量越多就越能提高资源访问效率,但采用这样的数据复制方法将会带来高昂的副本一致性维护代价.为平衡副本一致性维护的开销和多副本带来的访问性能提升之间的关系,该文提出了动态副本分布方法.文中首先给出了副本目录的设计和副本信息的获取方法,能够获得某一逻辑资源的所有副本信息.然后,根据逻辑资源的全局副本信息,对访问频率高且平均响应时间长的数据资源进行复制,并给出副本数量的计算方法.最后,根据用户访问特征和节点实时带宽等信息计算放置副本的最佳地点,使副本分布能够适应数据访问请求和网络带宽的动态变化.模拟实验结果显示,该方法能够实现全局优化的副本分布,以少量数据副本提升资源访问的性能.     

一种基于DHT的应用层多播方案

由于应用层多播相对于IP多播的易于部署,得到了国内外学术界的广泛研究。该文从经典的P2P搜索协议Chord入手,构建了基于P2P覆盖网的不定叉树,支持任意源多播,将节点的加入和根的发现结合起来,并对其网络动荡（节点加入与退出）实行制约限制,使网络环境保持基本稳定,达到负载平衡,并预测了本模型发展的方向。     

云数据中心操作系统副本分布算法的设计与实现

介绍云数据中心操作系统(云海OS)中的副本分布算法,该算法用于解决云存储环境下的副本分布问题,将存储节点的选择问题转化为一个多指标决策问题(MCDM),使用TOPSIS进行求解。算法能够充分利用云计算环境下的多种检测数据,结合灵活的权重分配方式,适应多数云存储环境。模拟实验表明,云海OS算法在负载均衡和副本创建时间方面优于传统的Least和Ran-dom算法。     

一种基于DHT的应用层多播方案

由于应用层多播相对于IP多播的易于部署,得到了国内外学术界的广泛研究。该文从经典的P2P搜索协议Chord入手,构建了基于P2P覆盖网的不定叉树,支持任意源多播,将节点的加入和根的发现结合起来,并对其网络动荡(节点加入与退出)实行制约限制,使网络环境保持基本稳定,达到负载平衡,并预测了本模型发展的方向。     

一种基于振幅比较的UWB信号解调方法

无传统意义上的载波带来的低复杂度特性是脉冲无线电超宽带(ultra widcband, UWB)通信的一大优势,既有较佳的接收性能又有简单的结构是UWI3系统设计的目标。提出了一种基于振幅比较的UWI3信号接收的解调方法,即在脉冲位置调制中的特定位置,分别对脉冲的正负半周积分获得振幅信息,并通过比较这些振幅解调出符号信息。该方法能够在接收性能和系统复杂性之间获得较好的平衡。结果表明,它以较小的复杂性代价换取了比平方律检测好5 dI3以上的误码性能;而与相关检测相比,误码性能约降低了2 dI3,但复杂度低于相关检测。     

探讨计算机电子信息技术与工程管理

二十世纪四十年代,计算机开始出现在人们的面前,而如今计算机电子信息技术已普遍进入人们的生活,成为人们生活的一部分。工程管理是一项复杂的工作,只靠人力来进行管理,不仅繁杂、时间消耗大,且工作效率不高。若是将信息技术应用于工程管理,那么工作时间将大大减少,工作质量、效率也会大大提高。在本文中,笔者根据自身的工作经验,谈谈基于计算机电子信息技术的工程管理。     

基于FRIT循环抽样声纳图像去噪新方法

声纳图像背景复杂,对比度差,边缘恶化,不易判读图像边缘。对声纳图像执行小波变换能够有效去除噪声,但是由于小波的局限性,其对图像边缘的保持效果不佳。有限Ridgelet变换(FRIT)能够有效克服小波变换在处理高维信号时的不足,是一种有效处理二维奇异性信号的新方法。将FRIT处理技术应用在水下声纳图像去噪技术中,基于该方法提出循环抽样FRIT去噪算法,提高了处理结果的信噪比及边缘保持效果。在实验数据比较中,此改进算法优于其它经典方法。     

双层环--一种新的P2P构建技术

以Chord为基础,提出了一种新的P2P系统——双层环。双层环中简化了节点路由表的构造、维护,并降低了路由表维护的带宽开销,同时改变了查询算法,降低了查询的平均路径长度。双层环中还部分地实现了结合物理层拓扑的构建方式,并留下了可进一步扩展的空间。     

基于本体的动态知识管理系统

给出一个基于本体的动态知识管理系统框架,介绍各模块的设计思路,阐述本体库构建、知识俘获与规范化、知识检索等关键模块的实现过程与相关技术要点。该系统框架以领域本体为基础,根据企业实际需求的变化,动态维护知识结构及类别,实现企业知识的动态管理。     

基于混合式拓扑结构的P2P信息管理系统设计

对等网络所面临的两个最基本的问题是如何进行信息有效查找、定位以及如何进行网络的自我管理。文中介绍了一种基于混合式拓扑结构的分布式信息查找（DHH）体制。该体制可以实现信息的高效查找和节点的自我管理,同时达到可扩展性,有效性,可靠性,负载均衡和用户匿名性等指标。     

结构应变的无线监测及融合技术

针对结构应变监测,设计了一类无线应变传感装置,并对该装置采集的数据进行了数据融合处理.,介绍了无线应变传感器的硬件集成;描述了基于算术平均值的无线应变传感器信息融合方法;结合应变的无线测试实验,应用数据融合技术对测量数据加以分析处理.研究表明:所集成的无线应变传感器,安装简单、携带方便;采用了数据融合处理的应变信号更加准确;基于数据融合的无线应变传感器适合在现场测试中应用.     

多尺度注意力融合和抗噪声的轻量点云人脸识别模型

在低质量点云人脸数据集上,判别性特征的提取和模型对噪声的鲁棒性是解决点云人脸识别问题的关键。针对现有轻量点云人脸识别算法不能充分提取判别性特征和数据集中存在大量噪声而影响模型训练的问题,设计轻量高效的网络模型,提出了基于多尺度注意力融合和抗噪声的自适应损失函数的点云人脸识别算法。首先通过不同卷积模块获得不同感受野大小的特征图。然后进行多尺度的注意力特征提取,并使用高层的注意力权重来引导低层注意力权重的生成,最后进行通道融合得到多尺度融合的特征,提升了模型捕获人脸细节特征的能力。其次,根据低质量点云人脸图像的噪声信息特点,设计了一种新颖的抗噪声的自适应损失函数(anti-noise adaptiveloss),以应对数据集大量噪声对模型训练过程中可能造成的负面影响,提升模型的鲁棒性和泛化能力。在开源数据集Lock3DFace和本文提出的KinectFaces数据集上的实验结果表明,与当前的主流算法相比该算法模型在低质量点云人脸识别任务中具有更好的识别效果。     

朔⑾帜Ｊ降木沸院托?并在实验室对该

ss Pattern Based on Gragh StructureZhang Sulan 1 Yang Bingru 1