检索结果

Select

1. 面向外汇市场监测的分布式计算框架设计

程文亮, 王志宏, 周虞, 过弋, 赵俊锋

计算机应用 2020, 40 (1): 173-180. DOI: 10.11772/j.issn.1001-9081.2019061002

摘要（245）

PDF （1204KB）（280）

针对金融外汇市场监测指标计算复杂度高、完备性强、效率低等问题，基于Spark大数据架构提出了一种新的面向外汇市场监测的分布式计算框架。首先，对外汇市场监测的业务特性和现有技术框架进行了分析总结；然后，综合考虑了外汇单市场多指标和多市场多指标并行计算的业务特性；最后，基于Spark的有向无环图（DAG）作业调度机制和YARN的资源调度池隔离机制，分别提出了外汇市场级的有向无环图（M-DAG）模型和市场级资源分配策略——M-YARN。实验结果表明，所提面向外汇市场监测的分布式计算框架相对于传统技术框架在性能上提高了80%以上，可以有效保证大数据背景下外汇市场监测指标计算的完备性、精准性和时效性。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于静态自适应外观模型纠正的目标跟踪算法

卫保国, 葛苹, 武宏, 王高峰, 韩文亮

计算机应用 2018, 38 (4): 1170-1175. DOI: 10.11772/j.issn.1001-9081.2017092312

摘要（515）

PDF （1086KB）（431）

针对单目标跟踪过程中难以长期稳定跟踪的问题，提出一种基于静态-自适应外观模型纠正的跟踪算法。首先将跟踪过程中可能遇到的干扰因素分为来自环境和目标本身两类，分别提出静态外观模型和自适应外观模型，静态外观模型用于全局匹配，自适应外观模型用于局部跟踪，静态模型纠正自适应模型的跟踪漂移问题；使用单链接层次聚类算法去除两种模型融合后引入的噪声；针对运动目标消失再出现时难以捕获的问题，使用静态模型进行全局搜索，捕获目标。对于实验中的视频序列，视频序列中目标的中心位置准确率为0.9，计算机每秒能够处理26帧图像。实验结果表明，该跟踪算法框架可以实现长期稳定的跟踪，具有良好的鲁棒性和实时性。

参考文献 | 相关文章 | 多维度评价

Select

3. 分布式系统中抵御错误注入攻击的优化设计

文亮, 江维, 潘雄, 周可染, 董琪, 王峻龙

计算机应用 2016, 36 (2): 495-498. DOI: 10.11772/j.issn.1001-9081.2016.02.0495

摘要（403）

PDF （613KB）（812）

安全关键分布式系统面临恶意窃听和错误注入攻击的挑战。以往研究主要针对防止恶意窃听,即考虑提供保密性服务,而忽略了错误注入的安全威胁。针对上述问题,考虑为消息的加解密过程进行错误检测,并最大化系统的错误覆盖率,最小化系统的异构度。首先选取AES对消息进行加解密;然后基于错误检测码确定了五种不同的错误检测方案,并求出了对应的错误覆盖率及时间开销;最后在保证实时性的约束下,提出了一种基于模拟退火(SA)的启发式算法,该算法能最大化系统的错误覆盖率和最小化系统的异构度。实验结果表明,所提算法与贪心算法相比,目标函数值提高了18%以上,该算法具有一定有效性和健壮性。

参考文献 | 相关文章 | 多维度评价

Select

4. 面向可信嵌入式系统的随机实时任务能耗优化

潘雄, 江维, 文亮, 周可染, 董琪, 王峻龙

计算机应用 2015, 35 (12): 3515-3519. DOI: 10.11772/j.issn.1001-9081.2015.12.3515

摘要（538）

PDF （864KB）（433）

针对可信嵌入式系统应用中将任务的最坏情况下的执行时间(WCET)作为任务的实际执行时间,导致系统资源的极大浪费的问题,提出了一种基于随机任务概率模型的方法。首先,考虑任务执行时间具有特定概率分布,并且任务具有不错过其死限的概率(NDVP)需求,同时考虑了动态电压和频率调整(DVFS)对系统可靠性的影响,利用该技术降低能耗。然后,基于动态规划算法,提出了一种具有多项式运行时间的优化算法,并进一步设计了状态剔除规则降低算法运行开销。仿真表明,所提算法与最坏执行时间模型下的最优算法相比,系统能耗降低了30%以上。实验结果表明,考虑任务的随机执行时间能在保证系统可靠性的同时大大节约系统资源。

参考文献 | 相关文章 | 多维度评价

Select

5. 基于数据流频繁闭合模式的挖掘

荣文亮杨燕

计算机应用

摘要（1685）

PDF （636KB）（892）

用挖掘频繁闭合模式集代替挖掘频繁模式集是近年来提出的一个重要策略。根据数据流的特点，提出了一种基于滑动窗口的频繁闭合模式的新方法DSFC_Mine。该算法以滑动窗口中的基本窗口为更新单位，利用改进的CHARM算法计算每个基本窗口的潜在频繁闭合项集，将它们存储到一种新的数据结构中，利用该数据结构可以快速地挖掘滑动窗口中的所有频繁闭合项集。实验验证了该算法在时间上和空间上的可行性和有效性。