Hadoop性能优化研究

优化Hadoop的性能可大大提高Map Reduce的工作效率,缩短任务执行时间,增加分布式计算的吞吐量.Hadoop的执行性能受到多种配置属性的影响,不同配置属性间也存在相互制约关系.基于遗传算法,对配置方案不断选择、交叉、变异,多次迭代后产生近似最优配置方案.实验结果表明该配置方案能够有效提高系统性能,并且具有稳定性和适用性.

基于混沌PSO算法的Hadoop配置优化

针对Hadoop的组合优化问题,提出一种基于混沌粒子群优化算法的配置优化策略。为保证算法在进行局部搜索的同时避免陷入局部最优,对陷入局部最优的标准值和混沌处理的迭代次数的不同组合进行实验,获得使Hadoop性能达到最优的配置。实验结果表明,算法得出的最优配置方案能够有效提高Hadoop的性能,具有较好的稳定性。

一种基于匹配次数的运动目标检测算法

运动目标检测中高斯混合模型计算量大、检测实时性较差。为此,提出一种基于匹配次数的运动目标检测算法。利用高斯混合模型构建背景,统计每个像素的观测值与背景模型的匹配次数,根据匹配次数将检测场景分为静态区和动态区,对静态区的像素点进行隔帧检测,对动态区的像素点实行逐帧检测,并结合检测质量和实时性要求研究匹配次数阈值和间隔帧数。实验结果表明,当静态区面积占整帧面积的50%左右时,该算法室内和室外场景每帧图像的检测时间分别为27 ms和20 ms,检测效率较高。

基于FPGA的可控ARM异常表设计实现

为了提高ARM处理器对异常的管理效率和异常的响应速度,在ARM中断向量表基础上,通过集成异常仲裁电路和可控制异常处理分支,提出了高效的可控ARM异常表及其实现方法。引入三级树状结构来表示可控ARM异常表和各类异常处理路径,通过改变异常处理分支实现异常表的可控制性。详细介绍了可控ARM异常表的实体定义、接口描述和实现算法。利用FPGA开发板对可控异ARM异常表进行功能仿真调试,验证了可控ARM异常表的正确性、可靠性和可控制性。

氨磺必利与阿立哌唑治疗慢性精神分裂症的临床对照研究

目的:探讨氨磺必利与阿立哌唑治疗慢性精神分裂症的临床疗效与安全性。方法:选取2014年3月-2015年6月在本院心理科住院的精神分裂症患者78例为研究对象,按随机数字表法分为氨磺必利组与阿立哌唑组,每组39例,分别给予氨磺必利与阿立哌唑治疗8周,于治疗前及治疗2、4、8周末采用阳性与阴性量表(PANSS)评定疗效,药物不良反应量表(TESS)评定不良反应。结果:治疗8周后,氨磺必利组和阿立哌唑组患者总有效率分别为79.49%、74.36%,两组疗效比较差异无统计学意义(P>0.05),两组治疗后PANSS评分均明显低于治疗前,且治疗8周后氨磺必利组阴性症状评分高于阿立哌唑组,比较差异均有统计学意义(P<0.01或P<0.05);氨磺必利组不良反应发生率69.23%,阿立哌唑组不良反应发生率为43.59%,阿立哌唑组不良反应发生率低于氨磺必利组,比较差异有统计学意义(P<0.05)。结论:氨磺必利与阿立哌唑治疗慢性精神分裂症的临床疗效相当,但阿立哌唑不良反应少,更加安全,且对于治疗以阴性症状为主的慢性精神分裂症更具有优势,值得精神科临床推广应用。

月经不调，从养肝开始

如果肝气不舒，人的周身气血运行便会紊乱，出现高血压、消化系统紊乱等疾病，妇女还会出现月经不调的症状。因此，电脑一族养生要从养“肝”开始。