基于分配适应度的Spark渐进填充分区映射算法

分析Spark的作业执行机制,建立了执行效率模型和Shuffle过程模型,给出了分配适应度(AFD,allocation fitness degree)的定义,提出了算法的优化目标。根据模型的相关定义求解,设计了渐进填充分区映射算法(PFPM,progressive filling partitioning and mapping algorithm),通过扩展式分区和渐进填充映射,建立适应Reducer计算能力的数据分配方案,有效缩减Shuffle过程的同步延时,提高集群计算效率。实验表明该算法提高了Shuffle过程数据分配的合理性,优化了并行计算框架Spark的作业执行效率。

应用非对称性渐进分步骨水泥填充法治疗胸腰段压缩骨折的疗效分析

目的探讨在椎体成形术中应用非对称性渐进分步骨水泥填充法治疗骨质疏松性胸腰段椎体压缩骨折的中期疗效。方法 2012-09-2013-09,应用椎体后凸成形术治疗96例骨质疏松性胸腰段椎体压缩骨折患者。将96例患者分为两组:A组为椎体两侧对称等量骨水泥填充组,B组为椎体两侧非对称不等量骨水泥填充组,各48例。统计分析手术前后骨折椎体平均高度、视觉模拟评分(VAS)、ODI指数、后凸角(Cobb角)变化以及骨水泥渗漏情况;并随访至少3年以统计术后再骨折发生率。结果 96例均获随访,随访36~42个月(平均36.9个月)。与术前相比,所有患者术后骨折椎体平均高度、VAS评分、ODI指数和Cobb角均明显改善。两组间术后骨折椎体平均高度、VAS评分和ODI指数无明显差异;两组间术后即刻Cobb角无差异,但末期随访Cobb角有差异(P<0.05)。A组骨水泥渗漏率及再骨折发生率较B组高,差异有统计学意义(P<0.05)。结论在椎体后凸成形术中应用非对称性渐进分步骨水泥填充法是治疗骨质疏松性胸腰段椎体压缩骨折更加安全而有效的方法。

基于多通道颜色判别的深度图像空洞渐进式填充算法

深度图像在自动驾驶、三维测量等领域发挥着越来越重要的作用,针对深度图像中空洞信息难以准确修复,填充速率较慢等问题,本文提出一种基于多通道颜色判别的深度图像空洞渐进式填充算法.首先根据深度图像和彩色图像设置筛选条件,对空洞点邻域内像素进行准确筛选,然后计算邻域内像素在空间域和值域下的双边权值并得到带有权重的二维填充模板,进行填充时将二维模板化简为两个互相垂直的一维模板以提高填充速度并采用渐进式填充方法对空洞进行填充.在公开数据集上对实验结果在主观视觉上进行定性对比分析,客观上通过均方根误差和峰值信噪比两个评价指标对本文算法处理效果进行准确分析.实验结果表明,本文方法能较好地保留物体的边界信息,有效防止填充后物体边缘模糊的现象,填充结果准确,填充速率得到优化.

云环境下公平性优化的资源分配方法

针对云数据中心资源分配不均、效率不高、资源错位等问题,为了满足不同用户的需求,达到多种资源分配的公平性,实现资源的高效利用,提出了全局优势资源公平(GDRF)分配算法。GDRF算法采用多轮分配方式,即先通过用户已分配资源量确定分配资格,每轮再通过全局优势资源共享比和全局优势资源权重来确定具体的分配用户,分配过程充分考虑了资源的匹配情况,采用了max-min fairness思想的渐进填充方式,并且将多资源分配公平性统一度量模型运用到了算法中。实验基于一个Google集群数据模型与基于占优资源的多资源联合公平分配算法作了比较。实验结果表明,GDRF算法分配的虚拟机总量提高了12%,资源总利用率提高了0.5个百分点,公平评估值提高了约15%,并且该算法的资源组合分配的适应度较高,使得用户需求和供给更匹配。