检索结果

Select

1. 面向视频数据的时空伴随模式挖掘算法

张潇誉, 于自强, 刘承栋, 李博涵, 靖常峰

《计算机应用》唯一官方网站 2023, 43 (8): 2330-2337. DOI: 10.11772/j.issn.1001-9081.2022101566

摘要（259）

HTML （18）

PDF （5225KB）（209）

时空伴随模式是具有时空伴随关系的视频对象组合。为了从海量视频数据中快速发现符合查询条件的时空伴随模式，提出一种基于三重剪枝匹配策略的时空伴随模式发现算法——MPA。首先，利用已有的视频对象识别和跟踪模型对视频对象进行结构化提取；然后，对提取的连续帧中大量重复出现的视频对象进行压缩存储并构建索引；最后，设计基于前缀树的时空伴随模式发现算法，以快速发现符合查询条件的时空伴随模式。在真实数据集和合成数据集上的实验结果表明，与暴力搜索算法（BFA）相比，所提算法的效率提高了30%左右，且数据量越大，效率提高越明显。因此，所提算法能够快速发现海量视频数据中满足查询条件的时空伴随模式。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 端到端通信中基于时间转换能量采集的计算迁移方案

冬欣松, 郑建超, 蔡跃明, 尹廷辉, 张潇毅

计算机应用 2018, 38 (12): 3535-3540. DOI: 10.11772/j.issn.1001-9081.2018051171

摘要（308）

PDF （943KB）（251）

在端到端（D2D）通信网络中，为提高移动云计算的有效性，提出了一种基于时间转换能量采集的计算迁移方案。首先，一个流量受限的智能移动终端把其需要迁移的计算任务通过D2D通信以射频信号的形式发送给一个能量受限的智能移动终端，后者利用时间转换方案对接收信号进行能量采集。然后，能量受限终端会为流量受限终端中继任务到云端服务器付出额外的流量消耗。最后，所提的方案被建模为一个最小化终端能量与流量消耗的非凸优化问题，通过优化能量受限终端的时间转换因子、采集能量分配因子以及流量受限终端的传输功率，最终获得了最优方案。仿真结果表明，相比于非协作方案，所提方案通过互惠协作进行计算迁移能有效地减少终端的匮乏资源开销。

参考文献 | 相关文章 | 多维度评价

Select

3. 异构云系统中基于智能优化算法的多维资源公平分配

刘曦, 张潇璐, 张学杰

计算机应用 2016, 36 (8): 2128-2133. DOI: 10.11772/j.issn.1001-9081.2016.08.2128

摘要（458）

PDF （1014KB）（426）

资源分配策略的研究一直是云计算领域研究的热点和难点，针对异构云计算环境下多维资源的公平分配问题，结合基因算法（GA）和差分进化算法（DE），分别给出了两种兼顾分配公平性和效率的资源分配策略，改进了解矩阵表达式使异构云系统中的主资源公平分配（DRFH）模型转化成为整数线性规划（ILP）模型，并提出了基于最大任务数匹配值（MTM）的初始解产生机制和使不可行解转化为可行解的修正操作，以此提高算法的收敛速度，使其能够快速有效地得到最优分配方案。实验结果表明，基于GA和DE算法的多维资源公平分配策略可以得到近似最优解，在最大化最小主资源份额目标值和资源利用率方面明显优于Best-Fit DRFH和Distributed-DRFH，而且针对不同任务类型的资源需求，具有较强的自适应能力。

参考文献 | 相关文章 | 多维度评价

Select

4. GPU OpenFlow海量数据网络处理模型——GOMDI

张伟解争龙丁要军张潇晓

计算机应用 2014, 34 (8): 2243-2247. DOI: 10.11772/j.issn.1001-9081.2014.08.2243

摘要（462）

PDF （840KB）（399）

OpenFlow的出现提高了现有网络的服务质量(QoS)，但在处理海量数据时存在网络会话识别效率低、网络报文转发路径不佳等缺点。在OpenFlow的研究基础上，提出了海量网络数据处理(GOMDI)模型，通过将GPU并行计算、生物序列算法和机器学习方法相融合，设计出GOMDI网络会话匹配算法和路径选择算法。实验结果表明，GOMDI网络会话匹配算法与CPU环境相比加速比提升了近300；路径选择算法中网络丢包率低于5%，网络延时小于20ms。因此，GOMDI模型可有效地提升网络性能，满足大数据环境下实时处理海量信息的需求。

参考文献 | 相关文章 | 多维度评价

Select

5. 基于模糊综合评判的网络认知模型

王伟王辉张潇

计算机应用 2012, 32 (12): 3486-3489. DOI: 10.3724/SP.J.1087.2012.03486

摘要（749）

PDF （623KB）（536）

针对传统传输控制协议(TCP)应用于异构网络的局限性，提出了一种基于模糊综合评判的网络认知模型。该模型通过建立隶属度函数和不同网络环境下的动态权重分布，运用模糊综合评判的方法来区分无线误码丢包和网络拥塞丢包。仿真实验证明：与传统TCP协议相比，该模型在不同的网络条件下，能够较准确地区分无线误码丢包和网络拥塞丢包，提高了TCP的吞吐量，改善了网络性能。