基于数据对称打包的云计算并行核心失败校验缓解

提出一种具有容错的云计算核心失败校验并行数据打包的前滚校验方法.首先,对云计算的核心失败校验算法进行介绍,同时为避免数据溢出,采用对称打包方式对输入进行并行计算,并利用打包输出所包含的冗余特征,提高连续核心故障的容错性能;其次,利用打包数据进行对应的通用矩阵乘法(generic matrix multiplication,GEMM)操作,建立新的整数矩阵的乘法运算、卷积运算和故障恢复机制,来缓解核心故障问题,并对所提方案的计算复杂度进行理论分析;最后,通过在数据平均吞吐量、数据恢复率以及算法的计算时间三项指标上的对比实验,验证了所提方法的有效性.

基于非对称打包和FSVM的图像检索

在图像检索的相关反馈中,引入支持向量机分类方法虽可以提升图像的检索性能,但是传统的支持向量机存在正样本数少、样本非对称、过学习和弱实时性的局限。针对上述问题,提出了一种基于非对称打包的FSVM算法。该算法首先对负样本进行非对称打包处理,最后结合模糊理论与SVM实现图像检索。Corel图片集上的实验表明,当正样本数较小时,该新算法的平均查准率-查全率要优于已有算法。