先验置信传播(priority-BP)算法很难在实际中达到实时处理的要求,计算效率也有很大的提升空间。针对先验BP算法在图像修复上的应用,改进算法主要在信息传递以及标签搜索方面提出改进措施。在信息传递方面,改进的算法在初次迭代前利用图像的稀疏表示,快速更新目标区域的初始图像信息,为首次迭代提供更为准确的先验值,加速信息传递的收敛速度,并提高标签裁减和传递消息的准确度;在搜索策略方面,改进的先验BP算法舍弃了单一的全局搜索方法,在全局搜索中结合局部搜索方式,提高了标签集的组建效率。最后,将改进算法用于实例验证,待修复图像尺寸越大,改进算法优势越明显,即使在较小的图像尺寸(120×126)下,改进算法修复效果的峰值信噪比(PSNR)相对原算法平均提高了1.1 dB, 修复时间减少了接近1.2 s。实例验证结果表明该算法不但可以有效地提高图像修复的精度,而且提高了图像修复的效率。

针对"落伍者"的选择问题,提出利用故障诊断领域内通常使用的异常检测模型来选择"落伍者"的方法。首先,利用异常检测算法来发现集群中的"慢节点";然后改进MapReduce任务分配算法和推测执行算法,不再给"慢节点"分配任务并将"慢节点"中的任务分配至有空闲任务槽的正常节点中。在改进的推测执行算法中,因相同网段内的节点通常物理邻近,可提高数据传输速度,首次将"慢节点"中的任务分配至同网段的正常节点中,以便数据传输。实例验证结果表明,使用异常检测算法后可迅速检测出异常节点,且与Hadoop-LATE算法相比,处理相同任务量可缩短集群17%的任务处理时间,说明所提算法在集群整体性能优化中表现优异。