数据中心SFC+X编排评测环境的构建:POC方法

根据不同场景要求及相应业务需求,服务功能链SFC可以部署在边缘云到数据中心、数据中心之间以及数据中心内部,然而,由于数据中心固有的重资产属性,在其基础上灵活组合的SFC+X编排评测工作因无经济有效的评测环境而难以进行。基于概念证明POC方法进行评测,可以针对实际情况实现一个模型或被测对象中最重要部分,以较小的实施代价验证所关注的问题。在对数据中心SFC+X编排的评测过程中,围绕POC评测环境能否有效评测SFC+X编排功能正确性及有效度量SFC+X编排性能指标,对POC评测方法是否可以解决数据中心SFC+X编排评测问题进行分析,论证了SFC功能正确的传递性原则和性能指标蜕变关系保持原则,提出了POC评测方法可行性定理,并依此原则和定理结合数据中心SFC+X编排特点,对评测所需硬件资源进行约减,以设计实现POC评测环境。通过理论推导及POC验证方法证明了POC评测方法不仅能够有效评测SFC+X编排功能的正确性,而且还可以度量SFC+X编排性能指标。最后提出一种基于POC方法的数据中心SFC+X编排是否满足SLA的评测方法,为数据中心SFC+X编排评测问题提供了一个经济有效的解决方案。

DL+:一种增强型双层知识图谱推理框架

知识图谱是图数据库的一个重要研究领域,它可以形式化地描述现实世界中的事物及其关系,但其不完整性和稀疏性阻碍了其在诸多领域中的应用。知识图谱推理技术旨在根据知识图谱中已有的知识来推断新的知识或识别错误的知识以完善知识图谱。尽管现有的各类推理方法可以获得部分有效知识,但仍然存在获取路径不全、忽略局部信息和引入噪声等问题。基于此,发现且明确提出路径连通性差问题并证明推理有效性与实体间路径连通比率呈正相关规律,进一步提出一种用于增强现有推理方法性能的双层框架DL+。模型第一层是知识增广器,主要利用社区发现算法在初始知识图谱上提取实体邻域信息,构建新知识以增广知识规模,然后设计社区剪枝优化去除构建时引入的噪声,最后将增广后的知识图谱抽取还原为与初始图谱表示相同的结构并输出到第二层以保证模型“即插即用”的特性。第二层是知识推理机,通过在知识增广后的图谱上进行学习推理以达到增强现有知识图谱推理模型的目的,使模型可以在图谱路径连通性比率较高的情况下获得更优的推理结果。最终在4个标准知识图谱数据集上进行的大量实验结果表明DL+算法可以有效缓解实体间路径连通性差的问题,与9类基准方法相比,所提算法的预测精度平均提高了4.798%。

用户隐私保护之手机密码保险箱

根据项目开发的具体过程入手,从需求分析开始,详细地描述了这款APP的开发过程。

基于Dijkstra算法对小区开放后周围道路的影响分析

本文针对开放小区对道路通行能力影响的评估与分析,先找取评价一段单行道路通行能力的评价指标,再拓展至整个道路系统对道路的通行能力进行分析。鉴于已知数据较少,本文采用通过模型求数据,再通过数据进行分析的方式对道路通行能力和开放小区的模式作出评估,从而对开放式小区道路的建设提出优化设计。