OpenStack云环境下多节点块存储研究

基于OpenStack本身的块存储设计,在云计算平台中实现了多节点块存储的i SCSI SAN配置,为虚拟机提供了跨网段、跨节点的独立块存储服务,并在不同节点间、虚拟机上分别对其进行测试,对学习和实际构建云平台中跨网段多节点的块存储服务有参考价值。     

多约束环境下的二维布局

多约束环境下不规则的多边形的优化布局具有一定的特殊性，本文就多约束条件对二维布局的影响进行分析，提出双向包络线的概念，算法，运用基于ＡＮＤ／ＯＲ图的问题归纳进行求解，算法效率高，易于实现。     

基于二维检索的投影矩阵算法

传统的投影矩阵算法复杂度较高,计算效率低。为此,提出一种基于二维检索的投影矩阵算法。采用类似于矩阵中各元素位置的表示方式,分别用行和列2个维度定位一个投影矩阵的元素,行和列计算较为简单,能够同时进行,从而提高计算效率。运用GATE仿真软件进行图像重建实验,结果表明,与经典的Siddon算法相比,该算法的运算时间可提高6倍以上,并且能够保证重建图像的质量。     

基于矩阵运算的二维EMD算法

为利用人类视觉冗余,达到更高嵌入率,在EMD算法的基础上提出一种二维高嵌入率的空域隐写算法.将载体图像像素序列划分成大小为m×n的矩阵块,结合EMD算法与矩阵运算将编码后的秘密数据,分别独立地嵌入到矩阵块的行和列上,通过性能分析得出矩阵块的行数m的最佳取值为1.实验结果表明,相比EMD算法,该算法的嵌入率有较大提高.     

基于各向异性的二维云模型滤波

针对云模型滤波器在去除椒盐噪声的过程中没有考虑到图像各向异性的缺点, 提出了一种新的图像去噪方法。该方法首先利用云模型滤波器的噪声检测器对噪声图像进行检测, 然后对认定为噪声的图像部分利用基于二维云模型的模糊加权滤波算法, 并结合噪声周围非噪声像素的空间位置信息和像素值信息进行图像复原。将这种新的算法与原始方法进行相同环境下的对比实验。结果表明, 对于椒盐噪声密度为10%～50%的测试图像, 虽然在计算效率方面该算法略逊于原始算法, 然而在处理的过程中, 其展现了图像各向异性, 同时也更好地保持了图像的细节信息; 而且图像细节越复杂, 提升效果越明显。     

并行框架下基于位图索引的多表星型连接算法

分析面向大数据平台的MapReduce分布式编程技术以及实现数据查询时的连接算法,针对SSB数据模型,提出基于分布式缓存的多表星型连接优化技术.利用谓词向量技术,将维表中间连接的数据依赖转化为表上的位图索引过滤,减少数据依赖产生的巨大网络开销;采用分布式缓存技术充分利用处理节点的内存,优化网络传输,减少查询代价.     

二维局域连接神经网络

本文提出了一种具有局域连接特性的二维神经网络模型,有效地克服了Hopfield种经网络因完全连接而带来的若干缺陷,并给出了相应的学习算法及用此神经网络记忆和识别26个英文字符的模拟结果.     

云环境下基于多虚拟机的在线视频监控系统设计

针对常规视频监控系统在线实时性不强,海量视频数据传输迟滞,任务管理单一等问题,提出了构建在云计算环下基于多虚拟机技术在线视频监控系统;利用云计算平台中的物理资源与服务资源提升在线视频监控系统数据处理能力,虚拟机可同时处理大量的视频监控数据,并将视频数据以云存储的方式存储于云端服务器,降低了设备建设成本,可根据不同用户需求定制相关服务;本系统基于云计算平台设计,应用数十台乃至数百台虚拟机对在线视频监控数据进行处理,设计实现了云平台下在线视频监控系统的结构设计、以太网通信接口设计、服务器硬件配置和虚拟机控制;在软件设计方面通过对各虚拟机资源利用率的计算而动态分配资源,从而可以有效减少网络传输系统状态信息的带宽开销;通过系统功能与性能测试表明,在常规公共网络10 M带宽的情况下,本系统在线视频监控数据的传输延迟时间相比于传统视频监控减少了85％以上,监控视频数据量减少了75％以上.     

云环境下基于多目标的多科学工作流调度算法

针对现有云环境下的多科学工作流调度算法中存在的未考虑安全调度问题,提出多科学工作流安全-时间约束费用优化算法MSW-SDCOA（Multi-Scientific Workflows Security-Deadline constraint Cost OptimizationAlgorithm）.首先MSW-SDCOA基于数据依赖关系压缩科学工作流,减少任务节点数从而节省了调度开销;并通过改进HEFT（Heterogeneous Earliest-Finish-Time）算法形成调度序列,以实现全局多目标优化调度;最后,通过优化ACO（Ant Colony Optimization）中信息素更新策略和启发式信息,进一步改善费用优化效果.仿真实验表明,MSW-SDCOA算法在费用优化效果上比MW-DBS算法提高了约14%.     

二次分级连接排序算法

近年来，人们提出了不少排序运算量为Ｏ（Ｎ）的新算法。但对这些算法分析研究的结果表明，普遍存在着以下两点不足：（１）附加空间开销大；（２）排序效率过分依赖于键值的均匀分布。对此，本文提出了一个排序算法－二次分级连接排序法。该方法保证排序时间在最坏下为Ｏ（Ｎ）的基础上，仅需附加空间开销Ｎ＋√△Ｍ＋２。这里，△Ｍ为键值的变化范围。     

基于泛关系的多表间最佳连接算法

泛关系是近年来流行的数据库理论,基于泛关系的各种理论和技术研究正逐渐深入到数据库领域。文中以泛关系数据库理论为基础,从图论的观点出发,就泛关系数据库中的多表间的最佳连接提出一种基于泛关系的Double_Dij算法。     

基于ORV的并行多表连接查询算法

为提高数据仓库中多表连接的查询处理响应时间,本文结合数据仓库中多表连接的特点,利用面向对象中的消息机制,提出了一种基于ORV（对象关系视图）的并行多表连接查询算法,并对算法的磁盘I／O操作块数进行了分析,与单处理机及传统的多表连接算法进行了比较。     

复杂环境下一种多移动节点的WSN三维覆盖算法

依据现实环境中对于复杂的山丘、沟壑等空间立体目标进行监测的需要,提出一种多移动节点的无线传感器网络三维覆盖算法。通过在三维空间中选取目标监测点,采用基于误警率的节点感知模型感知目标监测点,计算目标监测点的三维联合探测概率进行覆盖空洞分析,找出移动节点最优移动路径,调整移动节点移动位置实现对目标监测点的全覆盖,解决三维环境中恶劣复杂情况下的监测问题。仿真结果表明,该算法可有效探测覆盖空洞,并能够利用移动节点对其进行修复,在满足目标监测节点全覆盖的同时使移动节点的移动距离最优,降低网络能耗。     

基于QoS的二维云模型控制器研究

本文采用云模型不确定性推理方法设计了一种云模型映射器,该映射器在本质上具有非线性映射特性和并行运算功能。文中给出了云模型映射器的结构设计方法,分析了其非线性映射特性。据此提出一种新型的二维云模型智能控制器,将其应用于基于QoS的网络控制系统中,并给出了相关的仿真结果。     

基于拟合的二维正态云模型

分析了现有的正向/逆向云生成器实现算法的不足之处,并在此基础上提出了基于拟合思想的正向/逆向云生成算法.通过将概念空间划分为几个子空间,然后再在各子空间上使用正向/逆向正态隶属云生成算法来拟合整个概念空间上问题的描述.在拟合过程中,子空间的划分数目是影响拟合效果的主要因素.通过一系列实验分析就子空间的划分数目给出了一个建议数目.最后,实例分析和比较结果表明了该算法的可行性和效率.     

混合存储下的MapReduce启发式多表连接优化

对Map Reduce下的多表连接查询进行了研究,发现由于Map Reduce框架本身的局限性,造成执行效率较低。针对此问题,提出了Map Reduce启发式多表连接优化方法(Map Reduce based heuristic multi-join optimization,MHMO),为不同的连接模式启发式地推荐不同的执行算法。特别的,对于混合连接,首先将其分组为多个简单连接模式,进而定义代价模型确定各分组的最优执行顺序。结合列存储的延迟物化技术,大大提高了Map Reduce下多表连接的执行性能。最后,在数据仓库基准测试数据集TPCH上进行了实验,验证了MHMO的有效性。     

云环境下基于强化学习的多目标任务调度算法

针对云计算环境下的多目标任务调度问题,提出一种新的基于Q学习的多目标优化任务调度算法(Multi-objective Task Scheduling Algorithm based on Q-learning,QM TS).该算法的主要思想是:首先,在任务排序阶段利用Q-learning算法中的自学习过程得到更加合理的任务序列;然后,在虚拟机分配阶段使用线性加权法综合考虑任务最早完成时间和计算节点的计算成本,达到同时优化多目标问题的目的;最后,以产生更小的makespan和总成本为目标函数对任务进行调度,得到任务完成后的实验结果.实验结果表明,QMTS算法在使用Q-learning对任务进行排序后可以得到比HEFT算法更小的makespan;并且根据优化多目标调度策略在任务执行过程中减少了makespan和总成本,是一种有效的多目标优化任务调度算法.     

一种基于节点多可用下一跳的分级收敛算法*

为了缩短网络的收敛时间,基于多径路由算法产生的节点多可用下一跳,提出了一种分级收敛算法。该算法将收敛划分为本节点收敛、上游邻接节点收敛和全网收敛三个等级,前两种收敛在保证报文正常转发的情况下不触发全网收敛。仿真结果表明,分级收敛算法能很好地缩短收敛时间,对于比较稀疏的网络,单链路故障触发的全网收敛虽不可避免,但仍有一定比例的链路故障只触发局部收敛,提高网络性能。