Hadoop平台下的分形图像压缩编码

借助Hadoop平台实现了分形图像压缩编码,并将其应用于云渲染中对渲染后的图像进行压缩并传至用户阶段。采用4台PC机搭建Hadoop平台,并在此基础上进行分形图像压缩编码,实验结果表明,采用4台PC机的Hadoop平台并行压缩时间不到单台PC机压缩时间的30%,证实了该方案的现实有效性。采用分形压缩编码将云渲染后的图像传给用户具有压缩比大、传输时间短、解压缩快等特点,对改善云渲染用户体验具有重要意义。     

基于损益云模型的制造车间重调度决策方法

针对制造车间重调度触发机制问题,建立了制造车间重调度损益函数,揭示了生产车间重调度过程损失及增益的变化规律.引入云理论测度重调度损益的不确定性,使用逆向云算法计算重调度增益云和损失云的数字特征,根据云形态预测重调度损益变化趋势.提出一种基于损益云模型的重调度决策方法以判断是否需要重调度,并利用最佳损益比甄选预调度方案以兼顾生产系统的稳定性和有效性.最后,通过实例验证了该方法的合理性和实用性.     

读写频繁云存储网络应用的数据备份方法

文章根据读写频繁的云存储网络应用的数据存储特点,提出了一种新的数据备份方法,旨在最优化地利用已有的系统资源,为用户提供更好的用户体验。文章中的数据备份方法包括基于数据节点废弃度计算与用户访问预测的副本创建机制和基于存储平衡预测算法与副本健康度计算的负载调整机制。文章的数据备份方法与现有技术相比针对日益流行的社交类云存储网络应用进行了优化,将多种数据参数加权计算作为衡量数据节点优劣和副本文件价值的标准,在保证用户使用体验的前提下使各数据节点达到负载的均衡,并且避免了云服务器端将有限的计算资源浪费在频繁的副本调整过程中。     

一种基于云模式的试题库系统设计与实现

当前互联网提倡分享、社交的模式,“云模式”的概念逐渐兴起。对试题的评价、分享是试题库发展的重要方向之一。设计一种基于云模式的试题库系统,着重加强试题库系统的互联网属性,将用户参与融入系统之中。同传统的试题库系统最大的不同是融合“云”的元素,各用户添加的试题在用户允许的情况下将被分享到“试题云”,用户在组卷时可以选用试题云中的试题,丰富用户在组卷时的选择,提高试卷的质量。     

基于灰色模糊层次分析法的企业云服务安全评价模型

从企业实施云服务项目角度,总结得出影响云服务安全的四大因素,即平台设施、运行安全、运营管理以及法律法规因素。在此基础上构建企业云服务安全评价模型,并利用灰色模糊层次分析法（ GFAHP）对模型进行综合评价。最后通过一个实例进行具体阐明与评价。     

VMware推出vCloud Hybrid Service-Disaster Recovery

正2014年5月30日,全球虚拟化和云基础架构领导厂商VMware公司(NYSE:VMW)近期宣布推出一种基于云的新型容灾服务VMware vCloud Hybrid Service-Disaster Recovery,为VMware虚拟数据中心提供持续可用的恢复站点。VMware vCloud Hybrid Service-Disaster Recovery配置简单,可进行自我管理,相对于传统容灾解决方案,其成本与复杂性都大幅下降。位于美国和英国的五大     

基于特征迭代的云存储数据即时确定性删除方法

传统数据删除方法易受到云存储环境中大量近似特征的影响,产生冗余数据,导致加解密时间过长、密钥可用率较低,为此提出一种基于特征迭代的云存储数据即时确定性删除方法。首先,提取云存储数据中的冗余数据特征,对云存储下冗余数据进行分类,迭代直至收敛,实现冗余数据高性能删除;其次,采用加密机制实现云存储数据在网络用户间的安全共享,将原始数据密文切分为剩余密文和采样密文;最后,把不完整的剩余数据密文上传至云端,同时引入可信任第三方对取样密文进行保存,通过销毁取样密文实现数据即时确定性删除。实验结果表明,所提方法的数据密文拆分所用时间较短,且密钥可用率较高,可达90%,说明其方法能够有效满足云存储系统中对冗余数据或过期数据的确定性删除要求。     

基于多判据的散乱点云特征点提取算法

为了有效获取散乱点云中的尖锐特征点和边界特征点,提出一种利用多判据融合的特征点提取算法。首先利用一种改进的k-d tree构建点云拓扑,搜索样点的K局部邻域;然后利用法向夹角判定准则、核密度判定准则、场力和判定准则分别求取各个样点局部邻域的三个特征参数,最后通过加权计算特征参数得到每个样点的特征值与全局判定阈值,特征值比阈值大的点即为特征点。实验证明,该算法能有效的获取散乱点云中边沿特征点与尖锐特征点。     

云制造环境下面向多目标优化的虚拟资源调度研究

为解决云制造环境下虚拟资源调度存在的算法求解效率不高、模型建立缺乏考虑任务间关系约束和任务间及子任务间的物流时间及成本因素等不足,构建了兼顾交货期时间最小化、服务成本最低化、服务质量最优化为目标的多目标虚拟资源调度模型;采用一种基于项目阶段的双链编码方式进行编码,并提出自适应交叉与变异概率公式,以避免交叉、变异概率始终不变导致算法效率下降与过早收敛的问题;在此基础上利用基于项目阶段的多种交叉变异策略相结合的改进遗传算法进行求解,保证了算法的全局与局部搜索性能。实例结果表明,相比于传统的模型与算法,该模型适用性更强,改进的遗传算法在求解效率、准确度与稳定性方面均有较大提高。     

熵权-云模型在土石坝安全综合评价中的应用

提出了一种基于熵权-云模型的方法,借鉴云模型的特点,在构建评价层次结构模型时,采用改进层次分析法结合信息熵确定各评价指标权重,以克服运用模糊层次综合分析法时权重受人为主观判断影响较大和模糊概念会丢失部分不确定性等问题,改进隶属函数对土石坝进行综合评价,并以某均质土石坝为例评价了大坝安全状态,分析表明该方法具有可行性。