频繁序列挖掘帮助的LLVM编译时能耗优化方法

面向最小化能耗的LLVM编译时优化研究工作还较为稀缺,而现有的设计空间搜索优化方法仍缺乏有效捕获和使用选项交互信息的手段,还存在解质量不高和收敛速度不快的问题.针对上述问题,文中提出一种频繁序列挖掘帮助的LLVM编译时能耗优化方法.该方法运用带能耗改进标注的频繁选项序列FOSE表征反复出现在优势解中的选项子序列及其功效,进一步借助不同序列长度的FOSE捕获任意多个选项之间交互并利用前缀树和后缀树进行表示;在此基础上,针对迭代寻优过程设计了一种FOSE挖掘算法,从而形成可为新解生成提供有用、全面、可高效使用和时效好的选项交互信息挖掘方法;最后基于FOSE的前后缀树定义了新解生成机制并给出了新解生成的规则和过程,进而提出一种迭代优化算法FHIA-FSM.与当前最快可获取较好质量解的Georgiou算法以及公认在足够长演化时间后可得到高质量解的GA算法在4个不同领域的7个典型案例下的实验对比显示:在基准停机时间下本文FHIA-FSM较Georgiou和GA的解质量平均相对改进最好可达15.52%和101.81%;在达到基准解质量的收敛速度上,FHIA-FSM较Georgiou和GA平均相对改进最好可达18.00%和25.25%.

基于卡尔曼滤波与中位加权的定位算法

为了有效解决基于接收信号强度的高精度室内位置服务计算困难问题,提出了一种新的基于卡尔曼滤波和中位加权（WMKF）的定位算法。该算法不同于以往的室内定位算法,首先应用卡尔曼滤波平滑了随机误差;然后利用中位加权方法抑制了显著误差,利用距离路径损耗模型得到衰落曲线并计算出估计距离;最后利用质心求解方法得到目标节点位置。实验结果表明,该算法初步解决了相对复杂环境下定位稳定性较差的问题,并有效地提高了定位精度,使精度达到0.81~1 m。

基于虚拟机自省的运行时内存泄漏检测模型

云计算及数据中心领域中已广泛采用虚拟化技术来尽可能消除虚拟计算环境中的内存泄漏是提高其可靠性的一种重要途径。提出了一种基于虚拟机自省机制的运行时内存泄漏的信息流检测模型与内存泄漏的判定方法,设计并实现了该模型的原型系统。通过对原型系统的有效性与性能评估实验分析,结果表明,该模型方法能有效地检测出运行时内存泄漏,并且具有较好的性能。

一种面向Xen虚拟计算环境的运行时内存泄漏检测方法

虚拟计算环境中系统性能的稳定性问题研究对于云计算相关技术的研究和应用具有重要的理论和实际意义.长时间不停机系统的内存泄漏可能给实际应用带来严重后果,在虚拟计算环境中检测运行时内存泄漏是一个极具挑战性的问题.针对该问题,对内存泄漏的现象进行了分类.基于Xen虚拟机构建并实现了一种面向Xen虚拟计算环境的虚拟化内存泄漏检测(virtualization memory leak detection,VMLD)的方法,提出了相应的检测规则.通过修改虚拟机管理器,设计超级调用,实现了内部缓冲区维护、控制、拦截、监视等模块.实验结果表明,VMLD方法能有效地检测出运行时内存泄漏,并且具有较好的性能.

用范畴论和SHOIQ(D)DL形式化上下文

为了解决在动态环境下不断进化的本体知识库和资源整合所带来的上下文环境问题,作者从范畴论的角度在一种描述逻辑SHOIQ(D)内提出了一个基于上下文的Context-SHOIQ(D)形式系统,文章对其语法、语义,以及有关推理和知识表示的若干元语言进行了论述,最后讨论了该形式系统实现异构信息集成的方法.

基于局部敏感布隆过滤器的工业物联网隐性异常检测

工业物联网(IIoT)系统中的传感器由于持续使用和正常磨损出现损坏,导致收集和记录的传感数据出现隐性异常。为解决该问题,提出一种基于局部敏感BloomFilter(LSBF)模型的异常检测算法LSBFAD。首先利用基于空间划分的快速Johnson-Lindenstrauss变换(SP-FJLT)对数据进行哈希映射,然后采用相互竞争(MC)策略进行除噪,最后利用0-1编码构建BloomFilter。在SIFT、MNIST和FMA三个基准数据集上进行的仿真实验中,LSBFAD算法的误报率(FAR)均低于10%。实验结果表明,基于LSBF的异常检测算法与当前主流的异常检测算法相比,具有较高的检测率(RD)和较低的误报率,可有效应用于IIoT数据的异常检测。

一种快速的明文信息嵌入超椭圆曲线除子的方法

明文信息嵌入到超椭圆曲线HEC的除子,是该密码体制的一个重要的工作.提出了一种明文的嵌入方法,并从理论上证明了实现该方案的现实可行性,该方法减少了大量的计算.

扩展OWL:聚合集成协作的本体和智能体(英文)

为了解决本体之间、本体与外部智能体之间协作的困难问题,提出了一个本体聚合集成协作的方法,与当前方法不同之处在于不使用owl:import而采取添加新的协作接口(agent-link和on-tology-link);讨论了为外部智能体及本体所做的语法接口,叙述了本体与外部智能体和本体协作的元方法.该方法致力于从OWL自身来解决这个协作问题,而且容易跟踪本体协作过程中新增知识的上下文.

基于EOWL的簇集成协作本体

不同的本体之间通常需要进行协作。标准OWL只是预留了一个owl:import接口,是一种“全盘的肯定方式”。文章提出了一个不同于当前本体之间的约束协作方法,构建了一个本体与外部本体群的协作模型,进而基于OWL进行了扩展(EOWL),引入了本体的协作接口。利用这种扩展,建立了一个本体的分簇分层次的协作管理机制,这种扩展从本体语言自身解决了本体与外部本体群之间的协作。

基于超椭圆曲线密码体制的SSL协议的应用研究

本文介绍了超椭圆曲线密码体制(HECC)和SSL协议的主要子协议Handshake的工作过程,提出了在SSL协议中应用HECC的签名、认证、数字信封的实现方案,并且该认证方案不依赖可信第三方,防止了骗取消息的可能。

在线社交网络中信息传播模式的特征分析

在线社交网络以其独特的传播优势,已成为一种流行的社交媒体平台。针对在线社交网络中信息传播模式的形式特点,结合传染病动力学原理,提出了在线社交网络中的信息传播模型。模型考虑了不同用户行为对传播机理的影响,并建立了不同用户节点的演化方程组,模拟了信息传播的过程,分析了不同类型的用户在网络中的行为特征以及影响信息传播的主要因素。实验结果表明:不同类型的用户在信息传播过程中有着特定的行为规律,信息不会无限制地传播,并在最终达到平稳状态,并且传播系数和免疫系数越大,信息传播达到稳态的速度就越快。

融合时间综合影响的轮盘赌游走个性化推荐算法

传统的基于图的推荐算法忽略了时间综合信息影响从而导致推荐质量不高。针对这一问题,提出一种融合时间综合影响的轮盘赌游走个性化推荐算法。该算法以用户-项目二分图为基础,引入衰减函数,将时间综合信息对推荐的影响量化成图节点的关联概率;然后采用轮盘赌模型根据关联概率选择游走目标;最终对每个用户做出top-N推荐。实验结果表明:该算法比传统基于图的随机游走PersonalRank算法在推荐的准确度、召回率以及覆盖率指标上都有明显提高。

基于Xen虚拟机的内存资源实时监控与按需调整

在虚拟计算环境中,难以实时地监控与分配内存资源。针对以上问题,基于Xen虚拟计算环境,提出一种能够实时监控Xen虚拟机内存(VMM)使用情况的XMMC方法并进行了实现。所提方法运用Xen虚拟机提供的超级调用,其不仅能实时地监控虚拟机内存使用情况,而且能实时动态按需分配虚拟机内存。实验结果表明,XMMC方法对虚拟机应用程序造成的性能损失很小,低于5%;能够对客户虚拟机的内存资源占用情况进行实时的监测与按需调整,为多虚拟机的管理提供方便。

融合推荐潜力的个性化趋势预测的混合推荐模型

预测用户对物品的行为中,准确的物品推荐是推荐系统的困难问题。为了提高推荐系统的推荐精度,引入物品的推荐潜力,提出一种新颖的融合物品推荐潜力的个性化混合推荐模型。首先根据最近短时间段和最近长时间段的物品访问率计算趋势动量,然后利用趋势动量计算出当前物品的推荐潜力值,最后将物品推荐潜力值融入到个性化推荐模型中得到混合推荐模型。实验证明,融合了物品推荐潜力值的个性化趋势预测,能较大地提高推荐系统的推荐精度。

一种基于规则的软件体系结构层性能演化优化方法

目前基于规则的软件体系结构(Software Architecture,简记为SA)层性能优化方法大多未充分考虑优化过程中规则的使用次数和使用顺序的不确定性,导致了搜索空间受限而难以获取更优的性能改进方案.针对这一问题并以最小化系统响应时间为优化目标,文中首先定义一种基于规则的SA层性能优化模型RPOM,以将SA层性能优化抽象为求解最优规则序列的数学问题;然后设计一种支持SA层性能改进规则序列执行的框架RSEF;进一步提出一种采用约束检查、修复及统计学习机制的演化求解算法EA4PO;最后以Web应用为案例与已有方法进行实验对比.结果表明:(1)本文方法较已有方法可以获取更短的系统响应时间;(2)EA4PO所引入的统计学习机制可显著提高演化求解算法的收敛速度和解质量.

开放环境多分布特性的局部敏感哈希检索方法

基于局部敏感哈希的检索方法能够较好地解决高维大规模数据的近似近邻检索问题.但在开放环境下针对多种分布特性时,迄今尚未有令人满意的解决方案.利用Laplacian算子对数据分布剧烈变化敏感的特性,提出一种具有全局性、适用于开放环境下多种分布特性的基于Laplacian算子的局部敏感哈希搜索方法(LPLSH).该方法把Laplacian算子应用于数据投影的概率密度分布,找到数据投影分布的剧烈变化位置作为超平面的偏移量.从理论上证明了精简维度的哈希函数能够保持局部敏感性及低投影密度区间分割的有效性,分析了利用Laplacian算子计算的二阶导数对超平面偏移量设置的指导意义.与其他8种方法对比,LPLSH算法的F1值是其他方法最优值的0.8倍-5倍,耗费时间也大幅减少.通过对具有多种分布特性数据集上的实验验证,结果表明:LPLSH方法能够同时兼顾效率、精度和召回率,可满足开放环境下多分布特性的大规模高维检索的鲁棒性需求.

时间衰减制导的协同过滤相似性计算

协同过滤算法中,相似性计算方法是整个推荐系统的关键,决定着推荐系统的推荐质量,为了提高相似性计算的精准性,提出了一种基于时间衰减的相似性计算方法.该方法在计算用户相似性时,考虑目标物品与共同评分物品的相似性,同时在计算用户与物品相似性时,考虑时间信息(用户对物品产生行为的时间)对相似性的影响.实验结果表明,该方法能够有效地避免传统相似性计算方法的不足,使推荐系统获得更好的推荐效果.

一种新的基于社交关系的相似度传播式推荐算法

传统协同过滤中用户相似性计算方法在数据稠密的情况下能得到比较可靠的结果.然而当数据稀疏时,相似度计算方法会受到数据稀疏性影响,使其计算结果不准确,特别是在冷启动用户中,相似度计算结果不可靠.为了解决以上问题,从用户社交关系的角度,提出一种新的基于社交关系的相似度传播式协同过滤推荐算法.首先对用户社交关系进行建模,量化用户之间社交关系;然后计算活跃用户之间的相似性得到可靠相似度;最后基于社交关系的可靠相似度传播来构建推荐方法.实验证明,提出的算法可以大幅度提高推荐精度,改善对冷启动用户的推荐.

软件体系结构层切点指示器的形式化描述方法

软件体系结构层切点指示器是在软件体系结构层次上实现量化机制和描述方面编织的基础。一些面向方面软件体系结构的描述语言虽然引入了切点指示器(Pointcut Designator)的语法成分,但仍未给出其语义的形式化描述,因而难以精确刻画软件体系结构层方面的注入位置。针对这一问题,基于面向方面软件体系结构描述语言AC2-ADL的抽象语法树形式,设计了一种一阶逻辑语言LL4PCD(Logic Language for PCD)。在此基础上,提出AC2-ADL语言PCD的形式化描述方法。该方法能精确定义软件体系结构层PCD的语义,可为形式化分析软件体系结构层方面编织提供支持。

基于规则的软件体系结构层性能优化模型

针对大多数基于规则的软件体系结构层性能优化方法在优化过程中未充分考虑规则的使用次数和使用顺序而导致搜索性能改进空间受限,难以获取最优性能改进方案的问题,设计一种规则序列执行框架,并进一步将软件体系结构层性能优化抽象为求解最优规则序列的数学模型,以精确刻画规则的使用次数、使用顺序与最优性能改进方案之间的数学关系,为搜索更大的性能改进空间、提高优化质量提供支持。