一种基于聚类分组的虚拟机镜像去冗余方法

随着云计算的兴起,虚拟化技术使用也越来越广泛,虚拟机正逐步取代物理机,成为应用服务的部署环境.出于灵活性、可靠性等方面的需求,虚拟机镜像急剧增长,如何高效地、经济地管理这些镜像文件已成为一个很有挑战性的研究热点.由于虚拟机镜像之间存在大量重复性的数据块,高效的去冗余方法对于虚拟机镜像管理至关重要.然而,传统的去冗余方法由于需要巨大的资源开销,会对平台中托管的虚拟机性能造成干扰,因而并不适用于云环境.提出了一种局部去冗余的方法,旨在优化镜像去冗余过程.其核心思想是:将全局去冗余变成局部去冗余,从而降低去冗余算法的空间复杂度,以达到减少操作时间的目的.该方法利用虚拟机镜像相似性作为启发式规则对虚拟机镜像进行分组,当一个新的镜像到来时,通过统计抽样的方法为镜像选取最为相似的分组进行去冗余.实验结果表明:该方法可以通过牺牲1%左右的存储空间,缩短50%以上的去冗余操作时间.

基于去冗余特征和语义关系约束的零样本属性识别

基于生成式的零样本识别方法在生成特征时受冗余信息和域偏移的影响,识别精度不佳.针对此问题,文中提出基于去冗余特征和语义关系约束的零样本属性识别方法.首先,将视觉特征映射到一个新的特征空间,通过互相关信息对视觉特征进行去冗余处理,在去除冗余视觉特征的同时保留类别的相关性,由于在识别过程中减少冗余信息的干扰,从而提高零样本识别的精度.然后,利用可见类和不可见类之间的语义关系建立知识迁移模型,并引入语义关系约束损失,约束知识迁移的过程,使生成器生成的视觉特征更能反映可见类和不可见类之间语义关系,缓解两者之间的域偏移问题.最后,引入循环一致性结构,使生成的伪特征更接近真实特征.在数据集上的实验证实文中方法提高零样本识别任务的精度,并具有较优的泛化性能.

基于最大时间阈值与自适应步长的时间相关性感知数据去冗余算法

针对传感器网络感知数据去冗余方法存在冗余度高的不足,提出一种基于最大时间阈值及自适应步长的时间相关性感知数据去冗余算法(TCDA).TCDA充分考虑了去冗余过程中,数据变动幅度大、局部最大值与最小值存在较大误差、局部特征值的丢失以及数据平稳时的数据相似阈值失效因素;TCDA在保证去冗余率的前提下,设置最大时间阈值防止数据相似阈值失效,确保数据的时效性;同时TCDA采用自适应步长机制降低计算复杂性,减少计算能耗.实验结果表明:TCDA与数据传输协议(DaT)方法相比,节约了3%的传输能耗和50%的计算能耗.

一种去冗余的SIFT特征提取方法

基于SIFT特征点的配准是图像配准领域里常采用的一种方法。但是,在复杂背景下,图像SIFT特征点通常量大且冗余,这会带来浪费存储空间、容易误配、配准耗时多等问题。针对这些缺点,提出了一种去冗余的SIFT特征提取算法。首先提取出SIFT特征点,然后根据特征点周边梯度情况,判断特征点是否落于目标区域,进而保留目标区域特征点,删除背景区域特征点,减少特征点数量的同时也实现了去冗余。提取所得的特征点质量好坏由落入目标区域的点数和落入背景区域的点数比例判断。实验结果表明,本算法减少了复杂背景下大量的干扰特征点。这将为后续的配准工作提高精度和效率。

步进频率雷达目标去冗余算法

本文分析了不同参数对步进频率雷达系统性能的影响 ,在此基础上提出了两种目标去冗余算法 :舍去点迹提取法和同距离选大点迹提取法 ,分析了两种算法的优缺点 ,给出了相应的数学公式 ;对不同算法进行了计算机仿真 ;文章最后简要介绍了实际雷达系统的试验情况 。

人群优化算法机器人路径规划及路径去冗余

为了从根本上改善路径寻优的策略,增加使用者的选择空间,文中将一个较新的优化算法(人群搜索算法)首次应用于路径规划领域。人群搜索算法的全局搜索能力有助于在一开始的优化过程中就找到最优的搜索方向,之后其较强的局部搜索能力又能在该方向进一步搜索最优解,用于路径寻优非常符合需求。将该方法与传统的遗传算法、粒子群优化算法、灰狼优化算法就路径优化方面进行了比较。Matlab的仿真结果证明了人群搜索算法在路径规划中的稳定性和收敛性较好,而且计算量小,对于路径规划领域有着重要研究意义。同时对于算法应用于路径规划容易出现冗余提出了一个优化技巧,实验证明该技巧能够在保留算法全局搜索能力的同时保证所产生的路径的平滑性。

云存储系统性能优化策略与关键技术研究

文章深入分析了提升云存储系统性能的关键策略与技术,概述了云存储系统性能的指标,包括传输带宽、读写响应时间和资源利用效率。分析了影响云存储系统性能的因素,如网络带宽限制、服务器性能和数据冗余机制。文章重点讨论了优化性能的策略,包括实施可扩展网络结构、负载均衡机制、数据去冗余和压缩等。通过这些策略,可以显著提高云存储系统的效率和可靠性,满足日益增长的数据存储需求。

基于小波变换系数去冗余的图像无损压缩方法

本文对基于DPCM与整数小波相结合的算法在无损图像压缩中的应用进行了深入研究.研究表明,分块图像数据经过整数小波变换后仍存在冗余,对这些冗余的数据进行分析,可通过DPCM编码,对变换后的数据做进一步的压缩.由于5/3整数小波变换的特性,其冗余信息主要分布在水平、垂直和对角线的方向.因此,本文在大量实验数据的基础上,提出了一种按照冗余信息的分布规律,构造出预测模板,再对变换后的不同的子带系数选择相应的、开销最小的模板进行残差系数冗余信息去除的方法.实验结果表明,所提出方法的残差系数的平均码长比原始图像的平均码长减小了2.61,总压缩率比JPEG 2000压缩率平均提升了4.63%,相比原始图像直接进行DPCM编码压缩率平均提升了6.16%,同时因其算法简单,非常适合于硬件FPGA上的实现.

海量大数据定向采样有差别挖掘算法仿真

在大数据中,不同类别之间可能存在数据分布不均衡的情况,即某些类别的数据样本数量远远少于其他类别。这种情况下,传统的采样方法无法正确反映所有类别的特征和差异。为提升大数据信息的应用性,文中研究海量大数据定向采样有差别挖掘算法。以网站统一资源定位器(URL)初始化为基础,在网络上抓取网页,采集网页的超文本标记语言(HTML)数据,提取定向数据的相关链接,并将其导入URL队列。根据网络搜索策略,实施相关的数据搜索和处理。完成数据搜索后,将自动进行下一网页的URL,继续进行海量大数据定向采样。结合模糊特征匹配与检测滤波方法实现大数据定向采样过程中的抗干扰处理。采用粗糙集算法实施挖掘,利用扩展差别矩阵对大数据决策表内的值实施约简,实现海量大数据的模式分类。实验结果显示,该算法数据采集过程中的丢包率基本控制在0.2%以下,具有较高的鲁棒性。

Web服务组合中的去冗余方法研究

Web服务组合结合了网络上不同功能的服务,以完成更复杂的功能,满足用户的需求。然而,传统方法得到的解决方案往往包含不必要的冗余服务,效果重复的服务会导致额外的响应时间和成本。为了去除冗余服务,本文提出了一种Web服务组合的去冗余方法(CRR,composition redundancy removal)。该方法对规划图算法进行改进,在规划图算法中加入去冗余过程。首先对服务存储库进行搜索,找出满足用户需求的候选服务;然后,以用户请求的目标输出为起点进行逆向搜索,同时删除冗余服务,得到无冗余的Web服务组合结果。使用数据集进行实验分析与验证,结果表明,与改进前的规划图方法比较,CRR过程去除了大量冗余服务,可以获得服务质量QoS(Quality of Service)更优的解。

面向仿射目标识别的几何与仿生融合特征提取方法

针对由于拍摄视角不同,目标图像在水平或垂直方向发生拉长或压缩等仿射变换,进而无法正确识别的问题,本文设计了一种几何与仿生融合的特征提取方法 .首先,对传统的角点和直线检测进行改进,提出自适应Harris角点检测方法和去冗余的直线检测方法,并将角点数、直线数和面积比向量作为几何特征.然后,采用生物启发变换算法提取图像的仿生启发特征,该算法包括两个阶段,每个阶段均需执行方向边缘检测和局部空间频率检测.接着,将输入图像的两种特征向量分别与标准数据库中的特征向量进行Pearson相关距离计算,获得匹配得分.最后,在考虑不同数据库两种特征区分性强弱的基础上自适应确定权值,最高融合分数所对应的标签即为该图像的识别结果.实验结果表明,该方法能较好地提取图像的仿射不变特征,并且该方法在Alphanumeric,MPEG-7,GTSRB和MNIST数据库的识别准确率分别为92.2%,96%,90%和87.3%.

选区激光熔化STL模型切片算法研究

为解决STL模型切片过程中的数据存储冗余和奇异位置问题,提出了一种基于面拓扑关系的切片算法,通过三角面片位置关系的分析,识别并解决切片层高度与三角面片的边或点重合的奇异问题,保证了切片过程的稳定;通过点表和面表分别存储顶点数据和点面关系,将STL模型经过哈希去冗余处理后转换为拓扑结构模型,避免了顶点的重复存储;使用C++语言编写算法程序,采用多个复杂STL模型进行测试,结果显示:顶点存储消耗减小为原来的六分之一,并且通过凸凹棱的线段有效性识别,在变截面位置也能得到完整的边界。

一种基于遗传算法的虚拟机镜像自适应备份策略

虚拟机镜像备份是保障虚拟化数据中心服务可靠性的关键技术.同时,为了节省存储空间,镜像备份过程往往伴随着数据去冗余操作.然而,镜像备份和数据去冗余都会占用大量系统资源,会对在数据中心托管的应用性能造成严重干扰.如何缩短备份与去冗余时间以降低对应用造成的性能干扰成为数据中心管理的关键问题.当前常用的备份策略可以分为3种：先去冗余再备份、先备份再去冗余和边去冗余边备份.每种策略都有不同的资源需求,适用于不同的应用场景,而合理的组合策略可以有效缩短备份时间.该文提出一种基于遗传算法的虚拟机镜像自适应备份策略.我们首先针对不同的虚拟机镜像备份策略,分别建立资源需求模型,然后根据系统当前资源占用情况自适应的进行策略规划,以最小化备份时间.实验结果表明：该文所提出的模型可以在2%~10%误差范围内预测去冗余备份时间,采用所提出的组合策略可以减少20%左右的备份时间.

基于流式细胞术和K-mer分析的银缕梅属(Parrotia C.A.Mey.)植物基因组大小测定

金缕梅科(Hamamelidaceae)银缕梅属(Parrotia C.A.Mey.)仅包含银缕梅(Parrotia subaequalis(H.T.Chang)R.M.Hao&H.T.Wei)和波斯铁木(Parrotia persica(DC.)C.A.Mey.)两种落叶阔叶乔木,其中银缕梅是我国华东地区特有的Ⅰ级濒危珍稀保护植物,属东亚第三纪孑遗成分;其姊妹种波斯铁木则间断分布于伊朗北部,属北极第三纪孑遗植物类群。本研究首次利用流式细胞术和K-mer分析方法对银缕梅属两姊妹种的基因组大小进行了测定,建立和优化了以萝卜(Raphanus sativus L.‘Saxa’)为内标、WPB(Woody plant buffer)为细胞核解离液的两种植物单倍体基因组的DNA含量(DNA C值)流式测定的适宜体系,旨在为金缕梅科银缕梅属植物的全基因组测序、基因组学研究、种质资源开发和利用以及物种保育等提供前期基础数据参考;同时也可为金缕梅科其他属、种的基因组大小测定提供借鉴。主要研究结果如下:(1)通过流式测定银缕梅基因组大小约为971.45±13.91 Mb,波斯铁木基因组大小约为890.52±24.69 Mb;(2)K-mer分析估测银缕梅基因组大小为951.70 Mb,杂合率为1.740%,重复序列比例为77.50%;波斯铁木基因组大小为858.50 Mb,杂合率为0.695%,重复序列占74.30%;(3)银缕梅属于高杂合和高重复基因组,波斯铁木则属于微杂合和高重复基因组。本研究的结果为银缕梅属植物后续基于DNA三代高通量测序技术的全基因组测序、组装及去冗余处理等工作提供了重要的数据参考。

面向多虚拟机的分布式存储系统

通过分析虚拟桌面系统对存储系统的要求,设计并实现了面向多虚拟机的分布式存储系统——虚拟机存储系统(virtual machine storage,VMStore)。分布式技术具有灵活性和可扩展性,因此采用分布式技术提高多虚拟机存储系统的吞吐率。在元数据管理中采用直接块索引结构以获得更好的快照性能,并采用去冗余技术减少多虚拟机镜像之间的冗余数据。实验结果显示存储系统具有较好的吞吐能力,且快照和去冗余的开销对整个系统的影响较小。

露天矿境界优化几何约束模型优化及其应用

几何约束模型的合理性和复杂程度直接影响到模型构建的效率,进而对境界优化的速度产生影响,保证精度和提高运算速度是几何约束模型优化的重点。在总结常用拟合方式的基础上,提出了边坡轮廓插值方法和快速构建开采锥的算法:基于角度反比插值拟合模型,提出了边坡角随方位角、高程变化情况下,快速构建开采锥的环形搜索块判别方式,提高了开采锥构建的合理性和效率;给出了开采锥去冗余的方法,精简了块的几何约束关系,提高了开采锥构建的速度。将以上算法应用于某露天矿中,在构建价值模型基础上,批量生成了一组嵌套坑,选出了经济效益最优的最终境界。

语音库裁剪的一种不定长递阶聚类方法

大量使用不定长是大语料库语音合成质量的一个重要保证,而语音库裁剪方法通常会导致不定长的损失.针对这一关键性问题,该文构建了NuClustering-VPA算法:对不同粒度的不定长变体进行聚类,根据高阶聚类结果调整低阶变体的聚类,使得低阶聚类中心有所偏向.NuClustering-VPA算法保留了最重要的不定长,从而有效减小了裁剪对不定长的破坏.测听实验表明,利用NuClustering-VPA算法,即使在语音库裁减率为39.63%时,合成自然度下降较小,仍然保持在较高的水平.这一技术已被应用在科大讯飞公司的实际语音产品中.

面向交通信号优化改进快速非支配排序遗传算法研究

针对快速非支配排序遗传算法(NSGA-Ⅱ)的精英保留策略会使大量冗余的高排序级别个体同时作为精英保留到下一代,极易发生早熟收敛现象问题,提出了改进的快速非支配排序遗传算法(I-NSGA-Ⅱ),并将其应用于交通信号多目标优化问题。I-NSGA-Ⅱ采用了冗余个体标记方法,之后的精英保留策略会通过该标记来判断去除冗余个体并将其并入临时层级,最后在生成的新种群规模不足时,会从临时层级中取出相应规模的冗余个体,对其进行变异操作后并入新种群。实验表明,I-NSGA-Ⅱ在保证停车率和排队长度基本不变的情况下,减少了车辆及行人延误,证明所提出的算法可提高交通路口综合交通效益。

一种高效的灰度图像真彩化方案

提出了一种高效的灰度图像真彩化方案。该方案的关键技术包括:YUV亮色分离、采样点序列去冗余精简和基于像素空间相关性的匹配点搜索。YUV亮色分离技术在复杂度低、计算量小的同时,有效去除了RGB颜色空间中存在的相关性。通过去除采样点序列的数据冗余,节省了后续整幅目标图像的匹配点搜索时间。利用图像像素点的空间相关性进行匹配点搜索,提高了搜索效率和准确性。经实验验证,本文算法在取得和Welsh算法相近效果的同时,可以节省50%～70%的彩色化处理时间。

基于特征选择和随机森林的电力系统受扰后动态频率预测

基于机器学习的电网受扰后动态频率预测方法往往忽视系统拓扑变化,造成当电网拓扑改变后原训练模型可能不再适用。为此,提出一种基于随机森林(random forest,RF)的电网频率预测方法。考虑到随机森林算法的训练时间与特征数量成正比,提出基于斯皮尔曼相关性和层次聚类凝聚的特征去冗余方法,降低输入特征数量。在此基础上,提取反映电网动态频率的关键特征,进一步降低训练时间。对输入特征去冗余前后以及提取关键特征后的不同情况进行对比分析,结果显示所提算法在保证高预测准确率的前提下,能大幅缩短训练时间。新英格兰39节点上的仿真测试验证了所提算法的快速性、容错性和准确性。