云计算平台的自适应资源供给

云计算系统中IaaS层通过对虚拟化后的基础设施进行池化管理来完成云内基础设施资源的管理。资源的池化为云服务提供按需索取的资源供应以及动态的资源配给。针对现有云计算平台缺乏对资源供应量的自动调整机制的问题,研究了云计算平台中基础设施资源供给的自适应性。通过二次平均时间序列预测法对未来一个时段内的业务负载峰值进行预测,并将预测值交予云平台转化为资源需求。对给定的资源需求,模型通过不断寻找最小虚拟机所能提供的资源与预期资源需求量之差的向量长度,做出虚拟机调度决策。仿真实验表明,本文提出的云计算自适应模型具有良好的精确性及稳定性。     

多进制小波的遥感影像融合对比分析

提出了利用多进制小波进行融合的方案,目标是为了深度挖掘小波在遥感影像像素级融合方面的应用。采用多进制小波进行融合的优势是在减少能量损失的前提下使高频分量的分解方向更加细化,重构时频段组合更加灵活。首先从理论方面阐述了多进制小波和二进制小波(包)的异同,通过对比分析在像素级遥感影像融合实验结果,同时结合目视效果和多种评价指标,发现对于中分辨率——北京一号遥感影像,用多进制（M=4时）db5小波对全色和多光谱遥感影像进行融合的效果不亚于采用二进制小波(包)的融合效果。实验结果表明,小波融合的效果取决于小波基的选取、分解级数,也因处理对象而不同,但在采用相同的小波基的基础上,多进制小波比二进制小波(包)融合效果在目视效果和融合指标两方面都略胜一筹。其为小卫星数据在中国水资源、灾害、考古等领域的重点应用推广的数据处理方面打下基础,同时可为其他不同分辨率遥感影像的类似处理起到示范作用。     

K网络节点标识符重复与别名现象测量

为方便P2P网络的内容投递,Kademlia协议作为一个鲁棒性强的分布式Hash表协议,被BitTorrent和eMule等P2P文件共享应用部署.在此,将这些被部署的基于Kademlia协议的网络称为K网络.K网络中每个节点拥有唯一的IP地址(或ID)是至关重要的,因为K网络中的“节点查询”和“资源搜索”都依赖于此.然而,据分析发现,K网络中相当一部分节点存在IP重复与ID别名.为深入理解IP重复与ID别名的分布特征,提出了几个度量IP重复与ID别名的测度.基于这些测度和Rainbow采集器,对K网络中的IP重复与ID别名进行了测量,发现了许多有助于P2P网络挖掘研究的IP重复与ID别名特征.     

车载多媒体系统数字音效DSP软件设计

详细介绍了数字音效调节算法及其在TAS3103A上的软件实现。本系统采用了TI公司的48位DSP TAS3103A。该DSP可实现3声道,12波段的独立的信道均衡。     

开放数据及其应用现状

政府开放数据已在全球逐步兴起,但我国的政府数据开放还存在相关概念尚未厘清,尚未完全从政府信息公开、政府信息资源再利用等概念中完全独立出来,没有原创性思路和方法等问题. 针对以上问题,重点对政府数据开放进行概念辨析和对比,并总结数据开放的价值与智慧城市建设的关系,用以突出其现实贡献和现实落脚点. 对国内外政府数据开放的现状进行分析和对比,表明我国政府数据开放还处于起步阶段,需要借鉴国外数据开放持续政策及推动和加强社会应用引导的做法. 还提出并论证了我国社会力量逐步参与并推动政府数据开放工作的“先放开后收敛”的创新之路,借此或可实现我国在数据开放事业上的弯道超车.

     

云计算平台生存性研究

本文主要研究云计算平台的生存性问题,设计并提出一种云计算平台生存性机制,利用虚拟化技术把硬件环境与运行系统进行强隔离后,通过把虚拟机迁移到稳定可靠的硬件设备上来保证虚拟机承载的服务的可用性,以提升云计算平台在大规模系统故障发生的情况下的存活能力。具体工作包括设计基于基础设施运行状况的实时监控、基于虚拟机的调度优化、云服务的自动迁移调度和服务自动恢复、以及在异常出现情况下的预警和告警的机制。本文的主要贡献包括确立了云计算平台的生存性需求,提出了基于虚拟资源迁移的生存性机制以及实现并整合生存性机制到现有的Vebula私有云基础设施平台。     

政府数据开放:概念辨析、价值与现状分析

政府开放数据已在全球逐步兴起,但我国的政府数据开放还存在相关概念尚未厘清,尚未完全从政府信息公开、政府信息资源再利用等概念中完全独立出来,没有原创性思路和方法等问题.针对以上问题,重点对政府数据开放进行概念辨析和对比,并总结数据开放的价值与智慧城市建设的关系,用以突出其现实贡献和现实落脚点.对国内外政府数据开放的现状进行分析和对比,表明我国政府数据开放还处于起步阶段,需要借鉴国外数据开放持续政策及推动和加强社会应用引导的做法.还提出并论证了我国社会力量逐步参与并推动政府数据开放工作的"先放开后收敛"的创新之路,借此或可实现我国在数据开放事业上的弯道超车.     

不同矩阵分解方法对海洋数据同化的影响*

在海洋数据同化领域,集合最优插值方法中,矩阵求逆过程所使用的奇异值分解(singular value decomposition,SVD)十分耗时。对集合最优插值中逆矩阵的求逆过程进行优化,分别使用LU分解、Choleskey分解、QR分解来替代SVD分解。首先,通过LU分解(Choleskey分解或QR分解)得到相应的三角矩阵(或正交矩阵);然后,利用分解后的矩阵来实现相关逆矩阵的计算。由于LU分解、Choleskey分解、QR分解的算法复杂度都远小于SVD分解,因此改进后的同化程序能得到大幅度的性能提升。数值结果表明,所采用的三种矩阵分解方法相比于SVD分解,都能将集合最优插值的计算效率提升至少两倍以上。值得一提的是,在四种矩阵分解中Choleskey分解使得整个同化程序的性能达到了最优。