存储系统中的局部修复阵列码模型

对于单容错和双容错的存储系统,在磁盘修复过程中发生的任何故障都可能引起数据丢失,导致修复失败,保证数据的修复效率对于存储系统的可靠性至关重要。RDP码在进行单盘故障修复时使用混合恢复算法能减少25%的读取总量,但是在进行双盘故障修复时需读取所有的元素。针对目前难以同时提升单双盘故障修复效率的问题,对RDP码进行拓展,提出了一种具有局部修复性质的阵列码模型——DRDP码。DRDP码在RDP码的基础上将部分数据列按水平线进行异或计算生成局部水平校验列,并将其参与到全局校验列的编码计算中,从而缩短了修复链,使其拥有局部修复的功能。通过理论分析,DRDP码拥有良好的编译码复杂度和更新效率,大幅节省了单盘故障修复读取开销,并对双盘故障修复读取开销进行了优化,同时能修复75%三盘故障的情况。实验结果表明,与RDP码、LRRDP码和RDP(p,3)码相比,DRDP码的编码时间可节省8.23%~32.89%、单盘故障修复时间可节省7.08%~35.01%、双盘故障修复时间可节省5.07%~29.26%。

基于模函数与像素值差值的高质量双图像可逆信息隐藏

为解决在一些一对二的交流场景中使用信息隐藏技术来传递信息时对载密图像的视觉质量和载体图像的精确度的高要求问题.在本文中提出了一种基于模函数和像素值差值(pixel value difference,PVD)的双图像可逆信息隐藏方案,通过模函数和对数函数确定了PVD范围表,从而确定在单位面积上的信息嵌入位数以及模函数的系数.所提出的方案可以在信息嵌入位数不断增加的情况下仍然保持像素值的修改量与信息嵌入位数之比不大于0.5,所以与目前一些基于PVD的方案相比在像素对差值越大的图像中越占有优势.实验结果表明与现有的一些在载密图像质量方面优质的方案相比,具有更高的PSNR和SSIM,此外本方案在抗RS隐写分析和PDH隐写分析的静态攻击方面上具有良好的性能,并且避免了大多数在基于像素值差值的信息隐藏方案中对溢出问题的解决方案复杂繁琐的情况.

基于社群联盟的冲突消解原则求解图着色问题

该文提出了一种基于群体协作的计算模型。该模型首先将输入的数据单元建模成微观个体,然后基于求解目标设计个体间的协作规则,最后通过个体在协作过程中涌现出的宏观现象来得到全局最优解。通过运用群体协作模型求解具有NP-完全复杂度的最优图着色问题,结果表明该模型的性能优于若干启发式方法,并且得到如下结论:1)如果算法的动力学特征类似于混沌边缘现象,则算法能够在线性或亚线性时间复杂度求解问题。2)如果算法的动力学特征呈现出完全随机性或强收敛性,则算法将退化成蛮力搜索。

基于协同过滤和文本相似性的Web文本情感极性分类算法

Web文本情感极性分类算法在网络舆情监控方面具有重要的研究价值。针对传统文本分类算法依赖于情感词典的弊端,以及不能很好的应用于不规则的Web文本分类的局限性,提出基于协同过滤和文本相似度的Web文本情感极性分类算法。先统计分析网络文本高频词汇覆盖情况,进而根据统计结果,基于协同过滤和余弦相似度计算提出一种新的Web文本情感极性分类算法,其利用余弦相似度方法计算出Web文本的相似性,判断文本的情感极性。对于无法直接判断情感极性的文本,该算法设计了协同过滤中的情感词评分以及Top-N情感词推荐机制,且通过对情感词的评分与推荐输出进行多次迭代相似度计算来判断未知Web文本情感极性。最后使用中文情感挖掘语料(Chn Senti Corp)进行实验。结果表明,算法具有较高的查全率和查准率,在不规则的Web文本下也表现出较好的分类效果,可较实用地解决Web文本情感极性分类问题并应用于网络舆情监控。

动态计算网络:一种面向物联网的普适计算框架

随着物联网的发展,大量不同的设备通过各种不同的方式连接到物联网中,使普适计算环境更加复杂和多样化,因此要求在物联网环境下的普适计算框架能适应新的计算条件的变化。提出了一种新的普适计算框架,以便在物联网环境中普适计算系统能够自动适应复杂多样的软硬件运行环境,使软件无需修改就可以在整个物联网环境中任意地执行,实现普适计算的服务发现、上下文感知与服务迁移功能。提出物联网环境下普适计算的基本运算单元为"动态计算网络",使用"设备动态匹配"作为普适计算软件自动适应环境的解决方案。提出的动态计算网络增强了普适计算软件对物联网环境的适应性,为面向物联网的通用软件系统设计提供了一种有效的解决方法。

基于质心分水岭算法的静态手势分割算法模型

为了解决在类肤色背景下难以从图像中高效地分割出完整静态手势的问题,提出了基于质心分水岭算法(improved centroid watershed algorithm, ICWA)的静态手势分割模型。该ICWA算法可以有效地减少图像梯度对手势分割的影响并完整地提取出肤色区域。此外,本文设计了一种将PCA(principal component analysis)降维和凸性检测算法相结合的方法,可以根据对凸点准确提取手腕的割线。同时,利用卷积神经网络(convolutional neural networks, CNN)在标准数据库上进行了初步的手势自动识别实验。实验结果表明:该分割模型对于9种静态手势的平均识别率达到了97.85%。

融合多信息的个性化推荐模型

为了解决协同过滤推荐系统的数据稀疏与冷启动问题,通常利用辅助信息来提高推荐系统的整体性能。当前大多数社交媒体网站和电子商务系统都允许用户发表文本评论,以及对项目(如商户、电影、商品等)进行评分。为了更加有效地融合多种数据信息,解决数据稀疏的问题,提高推荐算法的准确性,构建了一个基于用户-项目历史交互数据源融合知识图谱的模型,提出了基于用户-项目历史评论的深度学习算法,将2种算法动态融合,利用随机梯度下降方法进行模型求解,为用户提供更精准的个性化推荐服务。实验结果表明:相比于已有典型推荐算法,所提模型取得更好的推荐效果,并且可以有效地解决数据稀疏带来的推荐准确性降低的问题。

面向复杂路网低频GPS采样数据新型地图匹配算法

大数据时代低频采样交通轨迹数据呈指数级增长,准确、高效地对复杂路网中产生的海量低频浮动车数据进行地图匹配对出租车载客热点和路线推荐具有重要意义。基于上述考虑,提出了一种基于曲线拟合的改进算法,对缺失的轨迹数据和路网数据分别使用插值和均值化的方法进行补全,利用Geohash技术对路网和轨迹数据进行存储和搜索,充分考虑车辆速度和道路限速因素,使用轨迹点后向向量和路段向量对路候选段进行分析,设计综合评价函数得到最优匹配结果。实验结果表明,与传统垂直投影算法和曲线拟合算法进行对比,所提曲线拟合算法准确率较高,时间效率得到显著提升。

基于社会力异常检测改进算法的人群行为模型

社会力异常检测算法(SAFM)是检测人群异常行为(人群聚集和恐慌逃散等)的一种核心算法,提取的底层特征不能完整地描述人群的运动状态,导致人群异常行为的识别率低。为此,提出一种改进的社会力异常检测算法(SFDE)解决此问题。算法引入人群运动的轨迹避免底层特征的丢失,通过无监督方法将轨迹进行聚类,再通过轨迹和人群相互作用力建立人群行为模型(人群运动强度、人群方向熵和聚簇中心距离势能的作用力)。为证明算法有效性,应用改进的SFDE算法结合深度学习模型来识别不同的人群异常行为。通过UMN数据对算法进行验证,结果表明SFDE算法的准确率比传统的SAFM算法提高了18%,并且执行时间提高了2.2 s。

基于分片的高维稀疏数据存储模式优化研究

针对大型数据库中高维稀疏关系表空字段对存储空间的占用问题,通过利用传统行存储数据库模拟列式存储数据库的工作原理,设计了一种基于分片的数据库结构。通过实验分析,数据库存储空间比原始模式降低了27.42%左右。在对高维稀疏数据中五个字段进行查询时,I/O数据块个数降低至原始模式的35.27%,对高维稀疏数据中四个字段进行查询时,I/O数据块个数降低至原始模式的28.22%,而随着字段的减少I/O数据块仍会进一步减少,从而提高了数据库的访问效率。

改进的菱形解相位法在相位展开中的应用

为解决菱形解相位法在展开复杂相位场时容易出现拉线或孤岛的问题,提出了菱形解相位法的改进算法。该算法首先结合Goldstein枝切法找出包裹相位分布中的残差点,并将包裹相位图分为残差点区域和非残差点区域,然后对非残差点区域采用传统菱形解相位法进行展开,最后依据相位的连续性原则,利用最小二乘法拟合残差点区域的相位,获取实际相位的最佳逼近值,从而获得真实且可靠的相位展开结果。仿真结果表明:改进后的菱形解相位法可以有效展开复杂相位场,使拉线与孤岛现象减少了约70%。