基于存储的矩阵乘积优化算法

提出了一种基于存储的矩阵乘积优化算法.该算法转置矩阵,提高cache命中率,从而降低矩阵乘积时间. 实验结果表明此算法是行之有效的.     

SPMD型程序的自动并行化

介绍了基于共享变量的ＳＰＭＤ型程序自动并行化模型,给出了从串行源程序生成以ＥＰ８６０并行计算机系统为运行环境的并行程序源程序的过程,并详细讨论了一些关键技术和实现方法．     

服务动态发现机制研究

服务的动态发现是分布式服务框架的一种基本要求，提出了一种实现服务动态发现的D^2发现机制，利用抽象服务的思想，把功能上同抽象服务有重叠的实际服务的信息汇集在一起，服务消费时根据请求信息和描述信息动态发现实际服务，为用户提供服务．D^2发现机制避免了动态发现服务需要的复杂语义描述，服务请求者如同使用普通服务一样访问抽象服务就可以动态地发现实际服务并访问服务功能。     

一种保证QoS的服务发现机制

在网格计算环境中,服务发现是联系服务消费者和服务提供者的重要环节,服务质量QoS是服务消费者关注的重要问题之一．本文提出了一种保证QoS的服务发现机制．该机制根据服务消费者的消费历史,以服务质量QoS要求中的主要参数作为主关键字,进行分类排序,并利用本地缓存,加快了服务发现的速度．对服务提供者提出“连锁店”的概念,结合资源预约,最终满足服务消费者对服务质量QoS的要求。     

遗留信息共享的一种实现方案

在分析遗留系统特点的基础上,提出实现遗留信息共享的一种方案,建立遗留信息的一种封装协议——REML.REML利用网格服务实现各类遗留信息的重新利用,使得TILS这类系统中的遗留信息不必经过重新开发新系统就能被网格用户所访问,实现遗留信息资源的共享.通过该方案,企业可以根据自身的目标,动态地集成这些分布在不同遗留系统中的信息资源.设计实现基于该方案的原型软件,验证此方案的有效性和实用性.     

在网格中重用遗留代码的一种实现方案

针对遗留代码的共享需求提出了在网格中重用LC（LegacyCode）的M—W（Migration—Wrapping）方法．该方法把LC变换为XML格式，迁移到Web服务器之后，包装、部署成web服务以供访问者调用．采用M—W方法，只需付出低廉的代价就可实现大量LC在新系统中的重新利用．     

SIMD-SM模型上的奇偶排序算法

Batcher排序网络在排序深度上不是最优的,但由于有较好的并行性和时间复杂度,因此许多并行排序算法都基于Batcher排序网络.通过观察Batcher奇偶排序网络,提出在SIMD SM模型上的一种奇偶排序算法.该算法占用n/2个处理器,在○(log22n)时间里排序n个关键字.     

基于LINUX的NOW系统的构建

以一个实际的并行机群（NOW）系统为例，介绍了NOW并行计算环境的构建过程和在LINUX环境下的具体配置。     

注册表中失效信息的自动删除机制研究

提出了一种LG结构,用本地和全局两级注册表实现注册表中过时信息的自动注销,使得信息和所描述的资源情况相一致.实际系统运行的结果证明提出的方法是可行的.     

基于密度的KNN分类器样本裁剪算法

KNN算法在分类准确率和召回率方面具有较好的性能,但由于样本相似度计算开销大,导致分类效率低.针对此问题,本文提出一种基于密度的训练样本裁剪算法,对训练样本的各个样本类进行聚类,根据密度不同聚集成不同的簇,删除噪声数据并计算每个样本类的相似度阈值,然后将样本类内大于类相似度阈值的样本进行合并,以减少训练样本总数.实验表明,此样本裁剪算法能够在保持KNN算法分类性能基本稳定的前提下,实现各个样本类内高相似度样本的合并,减少分类计算开销.