云数据管理系统中查询技术研究综述
摘要：作为一种全新的互联网应用模式,云计算在工业界和学术界备受关注.人们可以通过终端设备便捷地获取云端服务,并以按需使用的方式获得存储资源、计算资源以及软硬件资源.云计算的发展带来了一系列挑战性问题,而云数据的管理问题首当其冲.文中结合云数据的特点提出了一个云数据管理系统的框架,并在此基础上从索引管理、查询处理、查询优化以及在线聚集等几个方面对云数据管理系统中查询技术的研究工作进行了总结分析,指明了该领域面临的挑战和未来的研究工作.基于数据服务的嵌套视图动态更新方法
摘要：数据服务屏蔽了数据访问的复杂性,并且支持用户以可视化方式定义装载异构数据源的嵌套视图.然而,当异构数据源输出的数据发生更新时,该更新需要通过数据服务逐层传播到顶层的嵌套视图,一类挑战性问题是,如何减少更新传播过程中的冗余计算,提高嵌套视图的数据新鲜度.为此文中提出了基于数据服务的嵌套视图动态更新方法,该方法利用指针为嵌套视图中的元组建立嵌套任意层次的数据服务的引用,同时给出了一种记录数据服务更新的日志以及在该日志上的嵌套视图增量更新算法.文中在原型系统中实现了该算法并且进行了实验分析,实验结果表明,该方法减少了70%的嵌套视图的更新时间,提高了60%的嵌套视图的数据新鲜度.RGPS制导的按需服务组织与推荐方法
摘要：随着互联网上各种Web服务数量的快速增长,如何发现满足用户个性化、多样化需求的服务成为亟待解决的关键问题之一.文中提出了一种面向领域问题的、基于角色-目标-流程-服务模型的按需服务组织与推荐方法.该方法在对与领域问题相关的用户角色（R）、目标（G）、流程（P）和服务（S）进行建模的基础上,利用RGPS元素间的关联关系对领域中服务实现了按需组织,同时根据不同的用户需求表达方式相应地设计了3种服务推荐算法.最后,通过实验验证了所提方法的有效性,并结合实际案例介绍了所开发的系统平台.云虚拟机资源分配的效用最大化模型
摘要：随着云计算和虚拟化技术的发展,为云资源管理提供了一种更高层次的调度选择：一个作业不再只能分配到一台物理机上,而是可将一台或多台物理机的计算资源虚拟化成一台虚拟机来运行该作业.根据作业需要,高效分配定量的物理资源放置虚拟机,是决定云系统性能的关键因素,即云资源调度问题实质就是一个虚拟机和物理机之间的映射问题.文中借鉴网络效用最大化模型,提出了一种云资源调度模型——云效用最大化（Cloud UtilityMaximization,CUM）模型,与传统调度模型相比,目标函数不再是最小化最大完工时间,而是以达到效用最大为调度目标,可以充分提高用户的满意程度.通过求解CUM优化问题得到最优的虚拟机和物理机映射关系.设计了针对该模型的分解优化算法——简化次梯度算法求解拉格朗日对偶问题,证明了该算法可以获得原始模型问题的最优解.仿真实验表明算法可行且具有良好的收敛特性,并给出了CUM模型在真实云环境下的应用场景.一种基于近距离最大子图优先的业务流程推荐技术
摘要：业务流程的动态性和不确定性,为企业流程建模过程带来了巨大挑战,传统基于流程挖掘或流程检索的方式在一定程度上提高了建模的智能性,但仍需大量人工参与,如何更大程度地提高业务流程建模效率和准确度成为当前企业亟待解决的问题.论文借鉴传统推荐技术思想,提出了一种业务流程推荐技术,该技术以业务流程资源库作为出发点,利用图挖掘方法进行流程模式的提取,基于近距离最大子图优先的流程匹配策略对参考流程与流程模式的相同性进行判断,进而选取相关候选节点集作为推荐结果.基于业务流程推荐系统原型JTangWFR,通过对比现有相关技术表明,文中方法能够支持实际应用中的复杂流程结构,其效率和准确度方面能够满足实际应用的需求.Web服务选择中偏好不确定问题的研究
摘要：应用偏好进行服务选择是Web领域的重要研究方向.在偏好研究中,偏好信息的获得是一个复杂的过程,特别是获取的过程涉及到普通的非专家用户.获取的偏好经常会遇到偏好不完整、偏好冲突的问题,在实际应用中带来很多的问题.文中以条件偏好表示工具CP-net建模用户的偏好,总结了CP-net中出现的不确定性,定义了偏好不完整、偏好冲突.提出了CP-net对应的结果集合上的最优关系与弱化的最优关系.通过CP-net与对应最优关系的分析,提出了CP-net交运算.在此基础上,提出了解决CP-net中不确定问题的方法,并对这个方法进行了优化.最后的实验证明了文中所提出方法的正确性和有效性.云计算系统相空间分析模型及仿真研究
摘要：针对云计算系统具有海量节点和节点间高耦合性的特点,提出了将云计算系统投影到参数相空间,将节点参数的变化转化为参数相空间中点的运动,利用海量节点在参数相空间的运动与热力学运动的相似性定义来分析云计算系统在相空间上的广义热力学参数,并在参数相空间的基础上进一步定义云计算系统的动量相空间,建立云计算相空间分析方法的基本理论模型.依据该模型建立了相空间调度算法,通过仿真对比实验验证了相空间分析模型对云计算系统工作状态的分析表述能力和相空间调度算法的有效性.相空间调度算法能使云计算系统在参数相空间中保持低熵的均衡状态.基于MDP的服务不确定性自适应决策方法
摘要：服务系统运行中因环境变化而面临各种不确定性事件,导致期望价值无法完全实现.有多种应对不确定性的策略,不同的策略导致服务最终成功执行的概率不同,所导致的质量变化（时间延迟、成本溢出等）也不同,需要寻求最优的应对策略,使不确定性造成的损失和应对策略所付出的代价最小.对不确定性事件和相应的应对策略进行了分类,根据流程结构定义服务执行中的各种状态,采用不确定性触发关系图（UTG）刻画状态与决策动作之间的关系,进而采用Markov决策过程（MDP）进行最优策略的选择.通过仿真实验验证了方法的有效性,并给出了影响决策效果的若干因素.演化数据的学习
摘要：在一些实际问题中,数据的分布随时间的变化而逐渐变化,这类数据的学习问题被称之为演化数据的学习.文中综述了演化数据上的学习方面的研究进展.提出了今后需要关注的一些问题,如数据演化的机制、一般性的假设问题、演化数据分类等等.XML空间频繁变化结构挖掘方法
摘要：XML数据在实际使用过程中不断发生改变,针对XML数据动态可变的特点,提出一种根据XML数据变化过程挖掘XML空间频繁变化结构SFCS（Spatial Frequently Changing Structure）的方法,首先提出XML子结构空间度量方法,通过结构空间变化度SSCD、版本空间变化度VSCD和空间变化程度SCD这3个度量值衡量XML子结构的空间变化频繁性并提出SFCS定义.进一步,提出一种用于保存XML空间变化信息和发现SFCS的数据模型SC-DOM,论证了XML编辑操作对子结构空间的影响并据此提出SC-DOM状态动态迁移方式,最后提出根据SC-DOM发现SFCS的算法并讨论算法复杂度.实验结果表明SFCS是频繁变化的结构,使用SC-DOM模型进行SFCS挖掘是有效且可扩展的.基于非近似求导过程的加更新和乘更新分类算法
摘要：自从Kivinen和Warmuth提出权衡正确性与保守性的在线学习框架后,此在线学习框架已被广泛引用.但是在Kivinen和Warmuth提出的梯度下降和指数梯度下降算法中,对目标函数中的损失函数求导过程中使用近似步骤会引起在线学习结果恶化.文中,运用对偶最优化理论,提出了非近似的基于平方距离相关熵损失函数分类算法和基于相关熵距离相关熵损失函数分类算法,通过4种不同维数的真实数据集的实验研究,验证了提出算法的分类预测性能.基于输出不一致测度的极限学习机集成的基因表达数据分类
摘要：选择性集成学习已经成为分析基因表达数据、获取生物学信息的有力工具.为了更好地挖掘基因表达数据,利用极限学习机的集成,克服单个ELM用于数据分类时性能欠稳定的缺点,文中提出了一种基于输出不一致测度的ELM相异性集成算法（D-D-ELM）.算法首先以输出不一致测度为标准对多个ELM模型进行相异性判断,其次根据ELM的平均分类精度剔除掉相应的模型,最后对筛选后的分类模型用多数投票法进行集成.算法被运用到Breast、Leukemia、Colon、Heart基因表达数据上,并通过理论和实验得到验证.实验结果的统计学分析表明D-D-ELM能够以更少的模型数量达到较稳定的分类精度.基于用户聚类的异构社交网络推荐算法
摘要：相比传统的社交网络,基于弱关系的微博类社交网络具有显著的异构特征.根据特征可以将节点分为用户（消息订阅者）和主题（消息者）两类,面向用户推荐其感兴趣的主题成为了该类社交网络中推荐系统的主要目标之一,同时该类社交网络中普遍存在的数据稀疏性和冷启动现象成为了推荐系统面临的主要问题.文中提出一种基于两阶段聚类的推荐算法GCCR,将图摘要方法和基于内容相似度的算法结合,实现基于用户兴趣的主题推荐.与以往方法相比,该方法在稀疏数据和冷启动的情况下具有更好的推荐效果,此外,通过对数据集进行大量的离线处理,使得其较以往推荐方法具有更好的在线推荐效率.最后通过真实社交网络的数据对本方法进行了验证,同时分析了各参数对推荐效果的影响.影响力扩散概率模型及其用于意见领袖发现研究
摘要：作为意见领袖识别基础的影响力扩散模型IDM存在两个缺陷：（1）由回复链结构断层或者帖子内容间接传播引起的影响力传递中断;（2）由灌水所导致的虚假影响力传递.为解决上述问题,文中提出了一种新的影响力扩散概率模型IDPM,进而建立了网络意见领袖筛选模型.该模型在相同兴趣空间上定义单个关键词语传播概率影响力,在帖子影响力定义中引入了有效关键词语概念,避免了上述缺陷;同时,在用户影响力计算时给每个帖子一个影响因子,用以整合其它有用信息,使模型具有开放性和包容性特点.在2010年12月到2011年5月网易社会新闻版块评论数据上的实验表明,文中方法是有效的,其平均精确率相对IDM模型提高了59.8%.社会网络中交易节点的选取及其信任关系计算方法
摘要：社会网络环境中,由于缺乏有效的激励策略,导致节点缺乏服务交易的主动性和积极性;由于存在利益相关,一些节点会相互联合去共同推荐某个节点,形成协同作弊和信任推荐不可信的问题.为此,提出了社会网络中交易节点的选取及其信任关系计算方法.通过设计竞标服务策略来调动节点提供资源服务的积极性.针对不同服务中评价指标权重难以客观确定的问题,提出基于熵权的指标权重确定方法,并利用TOPSIS方法来选择合适的网络交易节点以避免交易节点选取的随意性.由于信任与风险并存,因此引入交易影响力函数来融合节点的直接信任和推荐信任以确定所选交易节点的可信性,并通过考虑推荐时间影响函数、交易内容相似度和推荐熟悉度等多维影响因子来保证推荐可信性.最后提出了基于多属性的节点推荐信任度更新方法.仿真结果表明文中方法对提高节点服务积极性、抑制节点协同作弊和恶意欺诈都有较好的效果.线性加速比并行实时任务的节能研究
摘要：节能设计是嵌入式实时系统中一个重要的研究方向.目前的研究大多采用串行任务模型,很少关注并行任务.文中研究了在离散工作模式与实时约束下,多核平台下的线性加速比并行实时任务的能耗最小化问题.文中假设所有处理器核都支持DVS技术且加速比是线性的,在此条件下,文中首先给出一个定理证明了当各任务执行在系统全部核上时系统能耗最小.然后,将问题建模为一个0-1整数线性规划,利用最早截止期优先算法确定任务调度,并给出了两个高效的节能算法确定各任务的工作频率.文中最后通过大量的模拟实验,证明提出的算法的效果显著,可以达到几乎与最优解相同的节能效果.同构DVS集群中基于自适应阈值的并行任务节能调度算法
摘要：目前,高能效的并行任务调度算法设计已经成为集群系统的研究热点.现有基于复制的节能调度算法主要利用阈值平衡系统的性能和能耗,但随机设置的阈值无法根据性能需求和环境参数等特征自动调节,导致调度算法存在一定的局限性.文中提出一种面向同构集群系统的两阶段节能调度算法ATES（Adaptive Threshold-basedEnergy-efficient Scheduling）.首先,设计一种基于自适应阈值的任务复制策略,该策略能够自动计算最佳阈值,利用该阈值获取近似最优的任务分组.然后,将各分组任务调度到支持DVS的处理器上,并充分利用任务之间的空闲时间降低处理器电压.该算法将任务复制策略与电压调节技术有机结合,在调度过程中能够自动调整阈值,有效提高调度算法的能效.为了验证ATES算法的合理性,通过典型应用进行仿真实验,并与常见任务调度算法进行比较,结果表明ATES算法能够更好地实现性能和能耗之间的平衡.高性能网包分类理论与算法综述
摘要：随着IP网络架构的不断演进以及网络业务和安全需求的不断增长,高性能网包分类在下一代交换机、路由器、防火墙等网络基础设备中有着越来越广的应用.网包分类算法作为高性能网包分类的核心技术,具有重要的研究价值和实践意义.文中从理论分析和算法设计两方面介绍了高性能网包分类的最新研究成果.在理论分析层面,依据计算几何理论对网包分类问题的数学解法及复杂度进行了归纳,总结了网包分类算法的理论依据及性能评价方法.在算法设计层面,对具有影响力的网包分类算法按照不同的研究方向进行了归类和介绍,并结合自身研究成果对不同类别的算法设计思路行了深入分析.作者在多核网络处理器平台以及FPGA平台上实现了几类具有代表性的网包分类算法,并通过真实的网络流量测试比较了不同类型算法在不同系统平台上的实际性能.最后,作者总结并展望了高性能网包分类的下一步发展方向.