发表咨询:400-808-1731
订阅咨询:400-808-1751
北大期刊
影响因子 0.65
人气 24537
省级期刊
影响因子 0.67
人气 24302
北大期刊
影响因子 0.51
人气 23744
北大期刊
影响因子 0.99
人气 23230
北大期刊
影响因子 0.94
人气 20395
部级期刊
影响因子 0.98
人气 18734
北大期刊
影响因子 0.95
人气 18050
部级期刊
影响因子 1.03
人气 13568
部级期刊
影响因子 0.38
人气 12809
省级期刊
影响因子 0.16
人气 12303
摘要:数据副本管理是云计算系统管理的重要组成部分,在云计算系统的海量数据处理过程中,针对目前已知的数据存放与资源调度算法存在考虑副本动态性和可靠性的不足,提出了一种动态的副本放置机制。该机制基于区域结构,考虑数据处理时其副本的数量和放置位置,以及副本的产生对于内存和带宽等系统资源的开销:首先根据云存储中的副本信息,对被访问频率高且访问平均响应时间长的数据信息进行复制,并给出副本数量的计算方法;考虑缩小副本分布的节点选择范围,提出动态的副本放置算法——DRA,将一定范围内的节点根据提出的域的划分,进行放置筛选,以存放数据副本。实验结果表明,提出的动态放置机制不仅减少了低访问率副本对系统存储空间的浪费;同时也减少了高访问率副本所需跨节点的传输延迟,有效提高了云存储系统中的数据文件的访问效率、负载的均衡水平,以及云存储系统的可靠性和可用性。
摘要:当前系统域网络规模日益庞大,如何监控系统域网络复杂的流量行为、发现性能瓶颈以及可能的网络故障点,为系统域网络性能优化提供有效支持的需求已经日益迫切。首先提出了一种系统域网络的性能管理体系结构SNPMA,SNPMA采用了松耦合的分层结构,通过各层之间的协同实现性能管理的自动化和可操作性。在此基础上提出了一种网络性能评估模型NPEM,解决大规模网络中对现有网络设备性能状况无法正确评估、对网络运行状态无法进行有效预测的问题,进而提出了自适应并发策略性能监控方法STM,能动态调整采集数据的策略,较好地提高了采集数据的效率。在“天河二号”真实的网络环境下,对网络设备的性能进行分级评估和分析,验证了网络性能评估和分析模型。
摘要:ETL是数据仓库获得高质量数据的关键环节,在数据仓库的构建和实施中占有重要地位。针对传统ETL串行执行方式的不足,提出一种基于Agent和活动优先度相结合的ETL并行执行方法。该方法计算ETL执行过程中各个活动的优先度,利用Agent理论和多线程并行计算技术实现并行执行具有相同优先度且相互间没有依赖关系的ETL活动。实验结果表明,该方法在数据量较大时具有较好的加速比,提高了ETL过程的执行效率。
摘要:基于二维/轴对称高精度可压缩多相流计算流体力学方法MuSiC-CCASSIM的结构化网格部分,设计了区域并行分解方法;针对各处理器边界数据的通信,设计了阻塞式通信与非阻塞式通信并行算法;为了减少通信开销,设计了MPI/OpenMP混合并行优化算法。在天河二号超级计算机上进行了测试,每个核固定网格规模为625*250,最多调用8 192核。测试数据表明,采用MPI/OpenMP混合并行算法、纯MPI非阻塞式通信并行算法和纯MPI阻塞式通信并行算法的程序的平均并行效率分别达到86%、83%和77%,三种算法都具有良好的可扩展性。
摘要:生物序列比对是生物信息领域的重要课题,比对结果的合理性和正确性关系到基于比对结果研究的正确性。在保证正确性的前提下利用并行计算充分挖掘计算潜力对提高比对效率有重要意义。针对双序列的全局比对问题,提出了基于蚁群算法的双序列比对并行化方案。对耗时最多的搜索比对路径和信息素更新两个步骤给出了基于共享内存模型的并行化方法。“天河二号”上OpenMP实验结果表明,8线程并行情况下,加速比可达5.03,且序列越长性能越高。
摘要:在现代基于虚拟化的数据中心中,虚拟机分配是实现云中资源有效调度的首要考虑。已经证明对数据结点分配虚拟机并考虑虚拟机之间的通信延迟,使得最大通信延迟最小的问题是NP-hard问题。目前鲜有在数据中心网络虚拟机分配问题上考虑其安全性和可靠性的研究。针对虚拟机分配中的容错技术,提出了一种具有可控虚拟机冗余度的启发式分配算法。 算法以最大通信延迟最小化为优化目标,在可利用的虚拟机集合中通过构造可控冗余度的团来分配处理数据结点。实验结果表明,在Tree、VL2、Fat-tree和BCube四种常用的网络结构中,提出的启发式算法能提供0-200%之间任意冗余度。同时,在冗余度介于0~40%时,虚拟机与数据结点的匹配时间平均降低了67.1%,并且算法运行时间平均降低了12.8%。
摘要:《计算机工程与科学》是由国防科技大学计算机学院主办的中国计算机学会会刊,是国内外公开发行的计算机类综合性学术刊物,现为月刊。本刊欢迎关于计算机科学理论、计算机组织与系统结构、计算机软件、计算机应用、计算机器件设备与工艺等学科领域方面的来稿。本刊常年设有高性能计算专栏。
摘要:内容命名网络(NDN)作为ICN的实例系统,以其区别于传统IP网络的独特体系结构在近些年受到了研究界的普遍关注,NDN舍弃了IP网络点到点的传输方式,设计了基于内容名字的寻址方式,使得内容的提供者由集中式一点变为分散式的多点,大幅提高了数据信息的利用率。将研究的重点放在NDN路由节点的转发环节,提出并实现了一种新的基于历史访问记录的转发策略HRF,使得数据请求者能够发现本地的邻居节点是否持有请求者所需的内容,从而从本地网络高效快速地获取所需数据,并通过实验验证了HRF策略的可行性和有效性。
摘要:基于网络级联失效研究,考察相依异构网络ER-BA级联失效动态过程,提出基于节点实时处理能力的负载重分配策略。仿真测试显示,相依异构网络整体鲁棒性受异质化程度较高的网络影响,发生级联失效时应降低网络间的连接强度;以介数为基础的负载重分配策略易引发中心节点失效而降低网络整体鲁棒性,基于实时处理能力的负载重分配策略能有效提高相依网络的整体鲁棒性。
摘要:为了在降低资源能耗和带宽占用情况下,提高无线传感器网络WSNs移动目标定位跟踪的精度,提出了基于Kullback-Leibler分歧的变分滤波的WSNs贝叶斯移动目标定位跟踪算法。首先,利用高斯和Wishart分布在不考虑速度限制和方向移动限制情况下,构建WSNs移动定位的贝叶斯状态演化模型,并基于路径损耗模型构建移动目标定位的观测模型;其次,利用Kullback-Leibler分歧构建变分滤波的误差计算模型,通过周围激活节点实现移动节点目标的位置估计,设计了递归概率计算过程综合预测和更新两个过程,并实现了定位和目标跟踪的同步化;最后,通过仿真验证了所提模型在跟踪精度和资源节约上的优势。
摘要:针对图像隐写中大容量、高保真度和安全性问题,依据人眼对变换剧烈及较暗区域均不敏感的视觉特点,结合模函数周期性运算,提出一种基于小波对比度和模函数运算的高保真图像隐写算法。 该方法首先将载体图像按固定大小分块并计算其小波对比度,然后依据小波对比度确定各块嵌入深度,最后采用模函数运算嵌入秘密信息。实验结果表明,该方法能嵌入较多信息和保持良好的载密图像质量。
摘要:近年来,得益于个人计算机乃至移动设备的普及,以及现代操作系统的发展,应用软件开发被推向一个前所未有的热潮。为了提高应用软件的用户体验,多线程程序开发技术已经广泛应用于软件开发的各个环节。多线程程序开发技术,一方面让计算机硬件资源得以充分利用,提高了软件的响应速度,另一方面也增加了程序开发的难度,以及增加了应用软件出现性能异常之后的分析调试难度。考察了现有软件性能异常现象分析的工作,通过对现有的交互性能问题进行扩展,以及对分析模型提出改进,以满足Linux操作系统上的应用软件性能异常场景的分析需要,并在Linux平台上设计交互性能异常分析系统,以Google Chrome和GNOME Nautilus等流行软件为分析对象,分析实际场景中的性能异常现象。
摘要:传统共享系统数据模型的建模方法在语义性质分析和语义行为描述方面存在不足,针对以上问题提出了一种基于Fibrations理论的共享系统数据模型。主要工作体现在两个方面:首先,应用真值函子、保持真值的提升与内涵函子并结合代数方法精确分析了语义性质,应用等式函子、保持等式的提升及商函子并结合共代数方法形式化描述了语义行为;其次,在Fibrations理论框架内构造复杂归纳与共归纳数据结构上参数化的递归与共递归操作,抽象描述具有普适意义的归纳与共归纳规则,结合实例简要介绍了Fibrations理论的应用。相对于范畴论等传统方法,简洁描述与灵活扩展的Fibrations理论对共享系统数据模型的语义性质和语义行为进行了精确分析与形式化描述,抽象描述了复杂数据结构具有普适性的归纳与共归纳规则。
摘要:针对在线字典学习需将所有字典原子全部更新、优化方向难以进行估算等原因造成精度下降的不足,提出基于变异粒子群优化的在线字典学习算法。算法基于ODL的基础,在字典学习的迭代过程中对梯度下降函数进行优化。首先选出特殊字典原子,利用各个字典原子之间关系,线性表征当前选出的原子,以线性系数作为粒子群中的粒子位置。然后将基于变异粒子群的原子更新模式引入字典学习,利用变异粒子群优化算法进行粒子的适应度淘汰,选择更适合的粒子进行下一轮的字典更新。此外,利用中间变量将历史参考数据引入变异粒子群模型以引导其优化方向,提高字典的准确性和有效性。利用高分一号遥感影像进行实验,实验结果表明该算法优于同类方法,有更好的噪音抑制效果,同时也提高了大规模的遥感图像处理性能。
摘要:针对脑电信号存在个体差异性并易受噪声、伪迹干扰的特点,提出一种基于独立成分分析ICA的优选特征通道算法。采用ICA将通道的数据分解为N200、P300、眼电伪迹以及其他生理信号,根据这些信号对每个通道的影响程度,判定各通道是否适合进行特征提取。分别采用本方法和三种常用方法对12个被试的脑电数据进行特征通道选择,并进行N200和P300电位的辨识,经比对发现,本文方法取得了93.10%的平均分类准确率,比其他三种方法下的准确率分别高出7.27%、1.07%和75.96%。为预测任意被试的最优通道,采用最小二乘法对ICA权值和通道选择阈值之间的关系进行拟合,对三个新被试进行最优通道预测和电位的辨识,得到较高的分类准确率,说明此预测方法具有一定普适性。
摘要:针对基于图像纹理特征的蕾丝花边检索方法效率低下问题,为提高蕾丝花边检索效率,提出一种基于层次匹配下多种特征融合的蕾丝花边检索方法。通过运用图像纹理特征标识图像,利用Canny算子处理纹理图像,得到彩色Canny图像及其灰度梯度共生矩阵GGCM,采用能量、梯度平均、灰度平均、相关等二次统计特征参数描述图像的纹理特征,将上述提取纹理特征结合形状特征和SURF特征进行逐层匹配,实现层次匹配下多种特征的融合,弥补单个匹配方法的不足,同时在蕾丝花边库中验证所提检索方法的正确率。实验结果表明,与其他匹配方法相比,该方法提取的纹理特征具有更强的纹理鉴别能力,能较好地实现蕾丝花边检索,有效地提高了检索方法的速率和准确率。
摘要:角点含有丰富的图像结构信息,在图像配准中是广泛应用的图像特征。Harris算法是经典的角点提取算法,Harris角点对图像旋转具有不变性,但对尺度变化敏感,在有尺度变化的图像配准中,应用受限。仿照SIFT特征点提取过程,提出了一种多尺度角点提取方法,提取的多尺度角点对图像旋转和尺度变化有很好的适用性。并用SIFT描述子描述,用光学及SAR图像进行了配准实验。结果表明,与SIFT、Harris算法相比,本文方法在保证配准精度的基础上,配准时间减少40%以上,特征点在配准过程中的利用率提高一倍多。
摘要:针对词袋模型易受到无关的背景视觉噪音干扰的问题,提出了一种结合显著性检测与词袋模型的目标识别方法。首先,联合基于图论的视觉显著性算法与一种全分辨率视觉显著性算法,自适应地从原始图像中获取感兴趣区域。两种视觉显著性算法的联合可以提高获取的前景目标的完整性。然后,使用尺度不变特征变换描述子从感兴趣区域中提取特征向量,并通过密度峰值聚类算法对特征向量进行聚类,生成视觉字典直方图。最后,利用支持向量机对目标进行识别。在PASCAL VOC 2007和MSRC-21数据库上的实验结果表明,该方法相比同类方法可以有效地提高目标识别性能。