DBSCAN算法在高性能计算中心用户分类的应用研究

为提高集群资源使用效率,管理员需要对用户进行分类,从而对不同用户提出资源使用策略。DBSCAN(Density Based Spatial Clustering of Applications with Noise)聚类算法可对用户进行分类,但对初始参数敏感。为此,提出改进算法,首先将密度进行层次划分,由此得出各层次的密度阈值,在每种阈值下采用DBSCAN算法,解决全局参数问题。在此基础上,创新地使用一个直接可达距离排序队列,将排序信息作为可变参数,减小初始参数对结果的影响。通过高性能计算中心用户数据的实例验证了其可行性。实验结果表明,改进后的算法提高了用户分类的准确性和全面性。

流数据处理中负载突发感知的弹性资源分配

在分布式并行数据流处理中,面向实时变化且具有突发性的流数据负载,固定的资源分配将造成资源浪费或服务质量降低,因此,可伸缩的弹性资源分配是一个亟待解决的关键问题.然而,由于资源分配延迟和负载预测模型存在误差,已有的弹性资源分配策略无法准确地提供与突发负载相匹配的资源,且存在不必要的资源调整反复,增加了系统开销.该文主要解决弹性资源分配的调整延迟和调整颠簸问题.针对上述问题,主要的挑战在于突发负载的准确预测和节点间的协作.为此,该文提出了一个上、下游节点协同的弹性资源分配策略,最优化数据质量和资源使用率,兼顾考虑调整代价.在该策略中,基于数据负载关联模型和双向的控制机制,下游节点能够实时感知和预测上游节点产生的突发负载和负载的变化趋势,预先调整资源并避免调整颠簸;同时,上游节点能够基于反馈机制,动态调节数据处理速率以抑制下游节点的负载波动,降低其资源调整的可能性.实验结果表明,当负载变化较大时,该策略平均减少数据丢失达85%,并显著降低了系统资源调整开销,同时,提高了资源使用率.

基于节点相似性和链接次数组合时间序列的链接预测

针对现有方法利用网络信息相对割裂,很难描述链接次数与相似性分数关系的问题,提出一种动态网络中的链接预测方法,用节点相似性分数和链接次数组合时间序列模型进行预测.首先通过社区演化,预测历史上各时间快照下节点间的相似性分数;然后用二元时间序列模型将其与各时间快照下节点间的事实链接次数相结合,判断下一个时间段内各节点对链接发生的可能性;最后在Weibo-Net-Tweet微博转发数据集上进行测试.实验结果表明,该方法至少提高了5%的预测准确度,证明了社区演化与链接预测之间的内在联系,验证了二元时间序列模型的有效性.

多核层次结构下的有限元碰撞模拟及优化

以碰撞力学为基础建立了圆柱体撞击刚性墙的有限元模型,并采用EBE方法对有限单元的结构和物理量进行分析。分析了多核体系结构下核间通信的基本原理,并就在多核架构上优化有限元程序运行效率问题给出了简要的方法,采用FORTRAN语言和MPICH2标准库编制了相应的有限元程序,多次的实验数据表明,我们的模型建立是成功的,我们的优化程序是可行的,程序运行效率平均提高了6.8%以上。

分布式高分数据分发平台的设计与实现

随着科技的发展,人们对未知世界探索的欲望也越来越强烈,自从1957年10月4日人类向太空发射的第一颗人造卫星开始,截止到2015年12月31日,全球共有在轨卫星1381颗,与2011年在轨卫星数量(986颗)相比,5年期间数量增长了39%,而其中对地观测卫星占14%。这给全球的卫星事业的发展带来了巨大的机遇和挑战,我国也建立自己的卫星系统。我国在2006年到2020年国家中长期科学和技术发展规划纲要中把建立高分辨率对地观测系统(简称高分专项)作为16个重大科技发展专项之一。随着高分数据的民用应用的发展,高分数据已经逐渐走进了人们的生活,从农业保险、灾情预测到指挥城市都发挥着重要的作用。基于以上背景,设计并实现了一个分布式高分数据分发平台。