针对乳腺肿块和钙化簇分类任务中可用训练数据量较少的问题,结合乳腺钼靶图成像特点提出了一种基于二次迁移学习的多视角模型。首先,使用CBIS-DDSM制作乳腺局部组织切片数据集来预训练主干网络,完成主干网络的领域适应性学习,使之具备基本的病理特征捕捉能力;随后,把主干网络二次迁移到多视角网络中,在绵阳市中心医院数据集上进行微调,同时利用CBIS-DDSM增加训练的正样本数量以提升网络的泛化能力。实验结果表明,领域适应性学习和数据扩充策略平均提升了17%性能指标,取得了94%和90%的肿块和钙化簇曲线下面积(AUC)值。
现有Web服务在面临高并发请求时,会出现响应时间增加,甚至服务器宕机的问题,为此提出一种基于云计算的自伸缩分布式Web系统架构。该架构构建在OpenStack基础设施即服务(IaaS)的平台之上,结合Cloudify平台即服务(PaaS)的平台,实现了自伸缩云应用平台(ECAP);并提出以虚拟机资源模板为标度值来构建模糊矩阵,实现模糊层次分析调度算法。最后在云平台上上传测试应用,并使用压力测试工具对平台进行了测试分析,结果表明所构建平台比普通应用服务器在应用的平均响应时间和负荷性能上表现更好。
针对云环境下大规模并发视频流调度过程中资源利用率低和负载不均的问题,提出一种基于蚁群优化(ACO)算法的视频点播(VOD)集群视频流任务调度策略VodAco。在分析视频流期望性能与服务器空闲性能的相关性、定义综合性能匹配度的基础上,建立数学模型,并采用蚁群优化思路进行最佳调度方案搜索。通过云仿真软件CloudSim实验表明,与轮询(RR)、贪婪(Greedy)算法相比,所提算法在任务完成时间、平台资源占有率、各节点性能负载均衡指标上具有较为明显的优势。