面向SNS用户访问行为的Web缓存预测替换

为了提高web缓存性能,在已有缓存替换算法的基础上加入预测机制,提出了一种面向社交网站(SNS)用户访问行为特征的预测替换算法.通过研究SNS的用户行为模型,引入预测对象集,减小了替换风险,提高了缓存命中率.为了验证所提算法的性能,进行了大量仿真实验,结果表明,该算法在基于SNS使用行为的缓存方面,具有提高命中率的优越性.     

融合小波分解的Lasso光伏净负荷预测方法

为实现碳达峰、碳中和的目标,有必要对光伏净负荷进行预测,辅助电网根据不同用户的用电需求进行智能分配用电。文章提出了一种小波分解结合Lasso回归模型的预测模型,其中小波分解将时间序列数据的时频域进行对调,聚焦到数据的细节,更适合描述光伏净负荷的内在特性,而在Lasso回归模型中引入该方法将原始数据映射到合适的高维特征空间,使得Lasso回归模型应用于非线性的光伏净负荷数据。在实验验证中首先根据已有的10个台区的光伏净负荷数据进行分析,然后通过这些光伏净负荷数据使用预测模型进行训练和预测,实验结果表明该预测模型具有较高的准确性。     

基于 K-means 的云化分布式 BPEL 引擎放置机制

针对分布式BPEL引擎在云中的放置问题开展研究,提出了一种基于K-means的分布式BPEL引擎放置机制,该机制将BPEL引擎放置问题模型化为相关最优化数学模型,并且将该模型映射到K-means算法进行求解。该机制还讨论了算法在不同网络拓扑随机图、树形网络拓扑的应用。最后利用统计软件R进行了相关实验仿真,仿真结果显示该放置机制可优化服务调用所占用的带宽资源。     

云虚拟环境下资源分配的研究与实现

云计算中的基础设施层IaaS(Infrastructureas a Service)是通过虚拟化技术管理底层物理资源,向用户提供可用的计算机集群。对于如何有效的分配资源,使其利用率最大化,即使得物理机器中的各种资源的碎片最小也成了云计算中需要考虑的问题。针对这一问题,可以结合遗传算法来解决这种多目标多约束的组合优化问题,实现云虚拟环境下的资源分配问题。通过仿真实验表明,该算法可用有效的减少物理机器中的碎片,提高资源的利用率。     

融合网络的分布式虚拟化组网系统的设计与实现

云计算是一种新型的计算模型,能够给用户提供可靠的、弹性的、高资源利用率的服务。通过将云计算和虚拟化技术引入融合网路中,本文设计并实现了一种在融合网络下的,分布式虚拟化组网的解决方案。     

基于局部近似过滤的多约束服务选择方法

随着Web服务数量与用户需求的不断增长,如何在功能约束和QoS约束下选择Web服务去构建高质量的组合服务已成为 Web 服务领域的一项重要研究内容。然而,现有大多数 Web 服务选择方法仅仅解决了在多种QoS 约束下选择服务的问题,忽略了服务间的功能性约束。为解决这一问题,该文提出一种基于局部近似过滤的多约束服务选择方法。该方法首先利用候选服务在多种约束下的被选关系,滤除部分不满足约束的服务,并估算每个剩余候选服务的局部适应度;然后,利用文中设计的有向粒子群算法,以候选服务的局部适应度为引导信息搜索出最优方案。实验结果表明了方法的有效性。     

基于粒子群优化的负载均衡的虚拟网络映射

虚拟网络映射忽略通信路径上中间节点的资源消耗,以底层物理网络资源消耗最小或路径最短为目标,导致最优路径上中间节点资源不足而出现瓶颈,影响整个底层网络的性能及后续虚拟网络请求成功率。该文针对这一问题考虑物理路径上中间节点资源消耗,以节点负载和链路负载同时达到均衡为目标,将路径跳数限制作为约束,建立虚拟网络映射的数学模型,并采用多目标负载均衡粒子群优化算法求解,记作 LB-PSO。实验证明该算法有效地消除了资源瓶颈,为后续虚拟网络请求提供一个更为均衡的底层物理网络,从而提高了虚拟网络构建成功率、网络资源利用率以及基础设施提供商的收益。     

基于知识图谱的查询显示系统的设计与实现

为解决电网客服领域人力成本过高、业务处理受到时空限制的问题,探究基于行业知识图谱的智能客服查询显示系统。根据电网客服领域的业务需求和数据特点,采用半自动化的方式对源数据进行语义标注与关系抽取,建立行业知识图谱。在实现自动问答系统的语义解析环节,提出一种多模式匹配和相似度度量融合的实体识别算法,提高实体识别模块的性能。通过设计100道问题对构建好的智能客服自动问答系统进行测试,最终有93道问题被正确处理。该系统的实现过程为构建基于行业知识图谱的智能问答系统提供参考。     

面向配电网故障数据的BIC评估后向选择方法

10 kV配电网所处环境复杂,引发故障的原因很多,在使用数据挖掘方法对配电网故障进行分析时,太多的特征会对挖掘模型造成负面影响.为了防止挖掘模型考虑过多无用信息,需首先对数据进行特征选择来实现降维,因此提出了基于贝叶斯信息准则(BIC)的模型评估后向选择算法,对故障因素进行降维.BIC评估准则能够尽可能地简化模型,降低维度,而后向选择算法可以快速得到最优的简化模型,两者的结合提升了降维的速度,并能够得到更加简化的模型.实验结果表明,采用基于BIC评估的后向选择算法有助于后续模型准确性的提升,可提高训练效率.     

一种基于SPRINT决策树算法的终端管理平台的用户分群方法

网络融合大势所趋,管理和服务海量异构终端的终端管理平台应运而生。这个过程中所产生的大量用户信息值得人们去研究和发掘。如何利用已有的信息去推广新的应用和服务,如何精准的找到用户群体是本文的目标。采用SPRINT决策树算法,可以很快的实现海量数据的信息挖掘,达到用户分群的目的。