自愿计算网络中新的距离预测模型

描述了自愿计算环境下主-从模式的并行应用的特点及自愿计算网络的拓扑结构,提出了一种该环境下的网络距离预测模型.该模型处于应用级别上、采用被动监控的方式获取距离预测信息,该网络距离预测模型可以减少测量开销并使预测精度满足实际应用所需.分析了距离预测模型的协议实现与代价评估,最后通过构建自愿计算网络环境,运行并行程序,对该模型进行了测试与性能分析,实验结果验证了该模型的高效性与负载均衡性.     

基于机器学习的通信网络安全防护过程数据加密方法

为了提高通信网络的安全性,提出基于机器学习进行通信网络安全防护过程数据加密方法。通过建立数据加密结构,从加密数据的秘钥管理与异常监测量方面加强数据传输阶段的数据传输路径安全性能,再应用切分重组技术改变隐私数据的加密方式,重新定义加密信息内容,应用交叉变换算法计算缓存数据加密过程中的最佳路径,实现了全方面的通信网络安全防护与精准智能化数据加密。实验结果表明,基于机器学习的通信网络安全防护过程数据加密方法能够有效提高加密能力,降低加密时间和解密时间。     

基于Encoder-Decoder框架的双监督机制自然场景文本识别

针对复杂的自然场景下文本较难识别的情况,特别是对不规则文本的识别仍很具挑战性,提出了一种具有注意机制的双监督网络.考虑到在现实世界中阅读单词时通常不会在脑海中纠正他,而是调整焦点和视觉范围.在特征提取过程中利用几何结构可调的可变形卷积层结合文本注意模块,强制模型专注于文本区域,无需对不规则的文本进行位置纠正.该文的总体...     

基于RBF-BP神经网络的人居环境自然适宜性评价

为了有效解决人居环境自然适宜性评价中,评价指标权重难以科学确定、评价结果精度低等问题.以东莞市为例,构建了地形、气候、水文和植被等4要素11个指标的人居环境自然适宜性评价体系;综合利用BP算法良好的泛化性能和RBF算法学习收敛速度快,以及克服局部极小值问题等优点,建立RBF-BP神经网络模型,用以求出评价单元各因子间的...     

面向互联网计算资源共享的自适应调度模型

在面向互联网的计算资源共享平台中,如何把服务器端的子任务均匀地调度给大规模互联网环境下的志愿机运算是一个重要的研究问题。描述了该平台下的一个自适应并行调度模型。调度器处于服务器端与志愿机之间,缓解服务器端的访问瓶颈;服务器端首先根据调度器的负载对子任务进行第一次分派,在调度器端根据下属的志愿机的软硬信息再分配子任务。通过运行典型的BanchMark并行程序,把该调度策略与其他策略进行比较,验证了该调度模型针对粗粒度并行的主从（Master-Slave）风格并行应用可以获得较好的性能。