浅谈基于云计算的图书馆服务创新

云计算的出现打破了传统数字图书馆处理大数据的性能瓶颈.为数字图书馆引入前沿的计算机技术提供了良好的平台.从云计算的概念和特点入手,探讨了基于云计算的图书馆服务创新,包括智能信息检索、读者兴趣挖掘及虚拟图书馆等.     

桌面云技术及组网应用的探讨

桌面云技术基于云计算架构的桌面交付,利用云计算的虚拟化技术,通过在云计算服务器集群上部署虚拟桌面组件来对外交付桌面应用系统,可有效＂分离＂企业IT系统用户的物理终端和逻辑桌面（含应用程序和用户数据）,实现在数据中心集中化管理桌面。为最终实现终端统一管控、安全可靠、绿色环保、灵活便捷、购置及运维低成本化等目标打下基础。     

云计算在素性判定中的应用

云计算的出现给人类带来了又一次的信息巨变,云计算的海量数据处理和虚拟资源可以帮助我们解决很多数学难题。主要利用云计算的分布式计算框架和虚拟技术研究其在素性判定中的应用,并且针对三种典型的素数判定定理提出了这些素性判定方法和云计算结合的方案,同时给出了相应的实验数据和结果分析。     

云计算在高校计算机实验室的研究与应用

高校计算机实验室承担着大量实验教学和学生自由上机的任务,机房建设和管理过程中存在一些问题,如软硬件安装,设备维护工作量大且较复杂等。提出采用一种新的机房服务模式云平台解决这些问题,降低机房管理成本,加强实验教学的灵活度,提高管理效率。采用VMware Horizon View6.0云桌面构建了高校综合实验教学平台,对云计算和虚拟化的部署步骤进行了说明。     

虚拟装配环境中的人机交互技术研究

为了解决虚拟装配系统中的人机交互问题,结合虚拟装配环境,给出了数据手套和三维跟踪器的驱动类,阐述了数据手套和三维跟踪器的原始数据获取方法和处理策略.提出了综合使用数据手套和三维跟踪器数据进行手势识别与命令映射的方法;采用非模态的动态透明菜单和对话框作为数据手套和跟踪器的补充方式进行人机交互;讨论了通过虚拟手操作零部件模型的虚拟装配过程.通过开发基于三通道投影的虚拟装配环境,对数据手套、三维跟踪器以及头盔显示器等应用进行了实例验证,验证结果表明上述方法有效可行.     

基于云计算的大数据关键特征高效提取方法研究

传统特征提取方法不适于大数据特征提取,提取效率低;为此,提出一种新的基于云计算的大数据关键特征高效提取方法。介绍了云计算中的MapReduce编程模型,给出Map与Reduce两个阶段的任务执行过程,通过MapReduce编程模型对大数据关键特征提取方法进行编程和处理,在云计算中实现高效运算。通过样本局部特征对特征集合进行评价,选择大数据关键特征。通过相空间重建保证大数据特征的不变性,在此基础上,引入关联维实现大数据关键特征的提取。实验结果表明,采用所提方法对大数据关键特征进行提取,可行性和效率高,与其他方法相比有更好的性能。     

云计算数据中心的虚拟资源自适应供给模型

随着云计算技术的飞速发展,云计算数据中心的规模越来越大,随之而来的资源管理、运维调度、能耗开销等问题也开始日益严峻。本文对云计算数据中心的设计思路与设计结构进行了详细的介绍,先从云计算数据中心的总体结构进行分析,随后引入虚拟资源自适应供给模型概述,通过综合分析三种不同的虚拟资源供给模型优劣,提出利用多层次网络队列方法搭建虚拟资源自适应供给模型,通过综合考量模型的平均响应时间、服务器利用率、使用成本等因素,对虚拟资源进行合理的规划与调度,最终帮助云计算数据中心配置合适数量的虚拟机,做出合理的资源调度策略,力求优化数据中心的运维调度,降低能耗开销,提高能源利用效率,推动能源发展。     

用Horizon FLEX实现计算机机房桌面虚拟化

计算机机房是高校实践教学的重要场所,不断增长的计算机规模、复杂的网络环境以及终端计算机的差异性,使计算机机房的资源分配不合理,数据安全性不足,实验环境部署繁杂,管理成本高等问题日益突出。为了提高机房系统和应用部署效率,简化计算机机房管理,对VMware Horizon FLEX结构和工作原理进行了研究,分析了其在计算机机房中应用的优势,最后采用Horizon FLEX虚拟桌面技术构建了计算机机房桌面虚拟化系统,给出了计算机机房安装部署VMware Horizon FLEX的主要过程。     

基于云计算的大数据关键特征高效提取方法

传统特征提取方法不适于大数据特征提取,提取效率低;为此,提出一种新的基于云计算的大数据关键特征高效提取方法。介绍了云计算中的MapReduce编程模型,给出Map与Reduce两个阶段的任务执行过程,通过MapReduce编程模型对大数据关键特征提取方法进行编程和处理,在云计算中实现高效运算。通过样本局部特征对特征集合进行评价,选择大数据关键特征。通过相空间重建保证大数据特征的不变性,在此基础上,引入关联维实现大数据关键特征的提取。实验结果表明,采用所提方法对大数据关键特征进行提取,可行性和效率高,与其他方法相比有更好的性能。     

云桌面在企业信息化应用中的安全问题浅析

云桌面的安全风险主要表现在机房安全风险、终端安全风险以及信息安全管理风险等三个方面。云桌面是云计算模式下IT的创新办公应用系统,可以将计算、存储、管理服务发布给使用者,实现向任何地点的任何设备交付应用和桌面服务。企业信息化建设中通过这种虚拟化技术应用,可以大大降低设备采购费用,提高系统维护的便利性和办公的灵活性,进而提升工作效率。当然,便捷的事物脆弱性也会较高,存在安全风险。云桌面的安全风险主要表现在机房安全风险、终端安全风险以及信息安全管理风险等三个方面。笔者主要从这三个方面入手,浅析云桌面在企业信息化应用中的安全解决方案。     

基于面片模型的人机交互装配关键技术研究

针对现有的虚拟装配系统大部分是基于实体模型,其计算量大、渲染慢、装配速度慢并且难以处理来自不同CAD系统模型的问题,提出了基于面片模型的人机交互快速装配方法.利用面片所包含的几何信息通过边界表示法重构零部件装配所需的几何信息和空间位姿信息,给出了基于面片模型的装配约束定义.通过人机交互技术将复杂的约束组分解为多个单约束进行求解,实现了约束的快速、准确的求解;按照旋转矩阵和平移矩阵对零部件的空间位姿进行变化,实现装配;最后基于HOOPS三维图形数据平台开发了虚拟装配系统.实践证明,该方法可以有效地减少计算量、提高装配速度、实现协同装配.     

基于虚拟桌面架构的实验机房环境构建

随着机房PC设备的增加和软件环境的复杂化,传统机房维护方法的局限性越来越突出。师生希望机房能提供更加多样化的计算机环境,而维护人员则期望实现规范化的管理,保持计算机环境的统一性。重点探讨如何利用＂虚拟化＂技术协调机房管理中二者之间的矛盾。在高校＂私有云＂平台基础上,通过虚拟桌面技术构建高可靠、易维护的机房管理环境,保障各种实验环境间的快速切换。给出了构建虚拟桌面环境所需要的基本组成模块及各模块承担的作用,分析机房管理重心从维护前台PC到监管后台服务资源的转变过程,强调对服务端物理资源的监管、分配和回收等方法,总结虚拟桌面架构下机房管理的改进和经验,最终为师生上机实验提供个性化的、易用的、高性能的CAI环境。     

建构计算机信息技术与教学融合的课程研究

计算机学科教学是提升社会经济,随着大数据、云计算等信息技术的发展,高等教育中,计算机信息技术的发展逐步加快。在计算机信息技术教学过程中,多媒体网络教室正在逐步发展现代教学中的人机交互功能,也使其成为一种常见的教学模式。因此出现了SPOC和多媒体网络教室相结合的教学模式。基于此,该文以文献对比法和理论分析法,分别阐述了新时代高等教育中,计算机信息技术教学改革的动力因素,主要探索计算机信息技术与教学融合的教学改革途径,供相关学科教师参考。     

基于TB+树云服务性能监控数据索引算法研究

云计算为充分发挥计算性能提供了解决方案,为了能更好支持云计算,对其进行监控成为了一个重要的问题。随着监控数据的增加,快速、准确地访问监控数据成为监控处理的约束。通过构建合适的索引,可以较好地改善大数据量查询的效率。本文给出了一个拥有大数据量的虚拟服务监控系统的存储模型,并给出了基于该模型之上的TB 树(Time B -Tree)二级索引模型。该索引提供了时间点和时间段的两种数据访问方式,经过实验验证,该索引方案获得了较好的访问性能。     

基于自适应遗传算法的入侵检测特征选择方法

针对网络入侵检测所处理数据特征维数高、入侵检测系统负荷大、检测速度慢等问题,提出了一种将自适应遗传算法与信息增益相结合的特征选择方法,并采用基于支持向量机的分类器作为自适应遗传算法中适应度函数的计算与特征选择结果性能的评价。实验采用入侵检测KDDCUP99数据集,将原41维特征属性约简为13维,通过和自适应遗传算法,回溯搜索算法与信息增益相结合的特征选择方法等2种算法的对比实验,表明基于自适应遗传算法的特征选择算法具有更优的解空间寻优能力和特征约简能力。     

基于小波分析的a-多样性k-匿名大数据自适应延迟调度算法

为提高采用k-匿名模型进行a-多样性大数据延迟调度的自适应性和控制准确性, 提出一种基于小波分析的a-多样性k-匿名大数据自适应延迟调度算法. 首先采用小波分析方法对数据进行去噪处理, 通过去噪数据构建优先级列表控制模型; 然后利用高效时分多址协议设计负载均衡传输的信道模型, 并结合自适应加权控制方法建立调度控制的目标函数, 通过时隙分配进行目标函数的最优化求解, 实现调度算法改进设计. 仿真实验结果表明, 采用该方法进行a-多样性k-匿名大数据调度的自适应均衡性能较好, 数据调度的相对误差较低, 数据的召回率优于传统方法.     

基于灰色神经网络的云平台大数据安全风险评估

为了提高网络云平台大数据存储的安全性能,并对数据安全风险进行评估,提出了一种基于灰色神经网络的云存储大数据安全风险评估模型。首先,采用基于自治的元组划分方法将待分析和评估的大数据安全风险信息进行分类,利用高斯密度谱提取信息特征,然后利用灰色神经网络将待分类的信息进行分解,最后,使用自适应差分改进方法检测安全风险信息的相关性。模型根据大数据安全风险信息频谱的特征提取,实现了相关补偿和自适应控制,提高了大数据安全风险评估能力。安全评价曲线能够快速收敛,并与K近邻算法(K-nearest neighbor, KNN)对比仿真实验结果显示,基于灰色神经网络的模型评估具有较高的准确性,因而具有更好的大数据安全保护能力。     

分布式多媒体信息模型

建立适应多种信息类型和支持人机交互的信息模型是分布式多媒体系统面临的基本问题。信息模型应能以统一的方式描述分布式环境下处于存储、编辑、传输、演示等各个处理阶段中多媒体信息之间的空间组合和时间同步关系，以及各处理阶段信息的转换。为此提出了一个面向对象的信息模型，模型定义了层次结构的数据库结构以管理多媒体数据；提出了基于事件的同步机制，能有效地解决媒体对象同步和人机交互的配合问题。此模型已用于分布式多媒体著作工具的开发。     

大数据环境下的云计算网络安全入侵检测模型仿真

在大数据云计算环境下,由于信息交互的开放性和自组织性,导致云计算网络容易受到攻击,研究大数据环境下的云计算网络安全入侵检测模型,提高网络安全防御能力。提出一种基于人工免疫的网络安全态势分析的网络安全入侵检测模型。构建网络安全入侵的信号模型和安全态势分析模型,通过模拟人体免疫系统,进行网络映射,采用双线性Hough变换进行时频变换,实现算法改进。仿真结果表明,采用该模型能有效提高对云计算网络入侵的检测性能,对攻击特征的识别能力较高。     

基于云计算的大数据大图模式的高效挖掘的研究

在图形挖掘研究领域对大图数据进行挖掘方法很多,尽管云计算在解决传统计算问题上十分有效，但对大图形的频繁挖掘中图形分割；信息不对称；模式保留合并仍存在问题。研究提出一种全新的基于云的SpinderMine挖掘法即 c-SpinderMine 方法。首先利用云计算来对大图形数据的大模式进行挖掘，解决大图形数据挖掘算法在云环境下面临的上述问题。然后进行三组真实的数据集实验，有效地缩短执行时间，且对处理云上的大数据表现出很高的可扩展性能。最后实验证明在不同数据大小和最小支持度时具有优越的内存使用和执行时间，对应付云环境下的大图形数据表现出优越的能力。