基于机群的并行多连接查询处理机分布算法

多连接查询优化是并行数据库系统的核心问题.基于机群的并行数据库系统中,网络通信的带宽一直是系统的瓶颈,处理机间的数据交换会大大的增加连接操作执行的时间开销.提出了基于机群的处理机分布算法,在选择分布关系的处理机集合时,充分考虑了机群系统中引起数据重分布的因素,减少了额外的通信开销;同时兼顾并行系统中的算子内并行、算子间并行和流水线并行等多种并行,便于开发机群系统的并行性.实验结果表明,该方法具有良好的性能,有助于提高并行多连接查询的执行速度.     

基于机群系统的并行多连接查询优化算法

多连接查询优化是并行数据库系统的核心问题。已有的研究工作多集中于连接个数较少的情况,不适用于机群系统中的多连接查询优化。在机群环境中,系统的通信带宽是一种瓶颈资源。提出了基于遗传算法的多连接查询优化算法,算法考虑了关系的存储信息和网络的通信代价,有效地利用了机群系统中的资源。实验结果表明,算法具有良好的性能,能够提高多连接查询的执行效率。     

基于多重加权树的并行数据查询处理方法

研究了并行数据库系统的优化问题,提出了一个基于多重加权树的查询处理方法.这种方法由基于多重加权树的并行查询计划模型、并行查询计划的代价模型和一个并行查询优化器等三部分组成.并行查询计划模型首次模拟了所有关系操作、查询执行的三种并行性、查询操作的处理器和存储器分配、按流水线方式并行执行的操作间的存储器分配以及数据重分布.查询代价模型充分考虑了按流水线方式并行执行的操作间的等待时间,并给出了一种自底向上的查询代价计算方法.查询处理器以最经常使用的选择-投影-连接查询为背景.查询优化器使用了一组确定启发式规则为数据操作分配处理器,并且很好地利用了存储器资源.此外,查询优化器支持多种连接操作实现算法,能够根据不同情况为查询中每个连接操作选择优化的连接操作实现算法.该查询处理方法已经用于作者自行设计的并行数据库管理系统,取得了良好的效果.     

基于DHT的轻量级Chord协议快速搜索的研究

提高P2P网络资源快速定位效率是Chord协议的应用之一.提出了一种基于DHT的轻量级Chord资源快速定位算法.该算法根据节点自身资源被访问次数建立资源管理表并利用哈希函数对资源号有序序列实现相同资源搜索时减少遍历次数,也就加快了热度资源查询与定位速度.仿真实验表明,该算法在小型P2P网络中用来提高资源定位效率是可行的.     

移动同步复制的冲突预处理与检测消解策略

针对移动计算资源有限性、移动通信的频繁断接性和通信带宽的有限性、不同移动数据库产品之间的异构性,鉴于目前移动同步复制技术存在的缺陷,提出一种新的事务级同步复制模型,重点分析了该模型的冲突处理策略,并给出了具体的实现算法.该模型在冲突检测和消解之前加入冲突预处理机制,通过引入用户关心数据、事务相关集等概念,有效节省了移动客户端的存贮资源和移动通信带宽,减少了服务器的工作负荷和出错概率,降低了冲突检测和消解算法的复杂度.采用基于规则的冲突检测和消解策略,简化了冲突处理过程,提高了同步效率.此外,基于SyncML同步协议的实现算法具有对多种异构主流数据库产品良好的通用性和适应性.     

基于统计信道状态信息的节能分布式中继选择

针对放大转发协作网络中的中继节点选择问题,提出了基于统计信道信息的能量有效分布式中继选择算法. 算法对系统能量效率与系统中断性能进行折中,通过最小化系统平均消耗总功率来确定转发阈值,各中继节点根据转发阈值独立地决定是否参与数据转发. 考虑有多个中继节点辅助源节点进行数据传输,提出了基于数值搜索方法确定转发阈值的多中继节点选择算法,在满足系统目标中断性能的同时,使系统消耗较少的平均功率. 为了降低阈值求解的复杂度,考虑只有1 个中继节点参与数据转发,进而提出了具有低计算复杂度的单中继节点选择算法. 仿真结果表明,与已有的放大转发模式下的中继选择算法相比,该文提出的算法在能量效率上具有更好的系统性能.     

具有复杂网络特性的无线传感器网络的谣言传播机制的查询方法研究

为了降低无线传感器网络的通信开销,减少搜索目标节点的查询次数,以提高无线传感器网络的生存周期;提出了构建具有小世界特性和幂律分布的复杂网络的网络结构,引入谣言传播机制.结合择优连接机制,建立一种新的查询方法.借助GPL模型的拓扑模拟器BRITE产生了不同尺度的仿真网络.针对查询通信开销和算法覆盖度两个重要指标,测试传统的flood-ing算法和本文的方法,结果表明,本文的查询方法的通信开销小于flooding算法的一半,算法覆盖度与flooding算法相当.     

基于粗集理论不完备数据的改进算法

由于经典的粗糙集理论不能处理原始数据中的遗漏信息,需要对这些数据进行补齐才能用于知识获取.因此数据预处理在粗糙集理论应用中非常重要的一环,其结果将直接影响到粗糙集理论应用的效率、准确度.所以有关基于粗集理论的数据挖掘中数据预处理的方法研究具有非常重要的意义.本文分析了当前主要数据补齐算法的特点和不足,并针对已有的基于粗糙集理论的不完备系统补齐算法ROUSTIDA的缺陷,提出了改进的数据补齐算法,使更多的缺损数据得到填补,尽量避免可能导致的决策规则矛盾问题.     

运用C4.5算法优化入侵检测系统的研究

研究了以决策树结构取代原有入侵检测系统采用的链表结构,在于改进入侵规则的存储和模式匹配,提高检测速度.用C4.5算法为决策树每个规则集节点动态选择最显著的特征,进行并行测试,实现性能优化.为了减少冗余比较和无效匹配,运用了一种基于C4.5决策树裁剪算法,以规则信息量作为判断标准.研究结果表明,此方法可以提高最终模型的预测精度,并能克服噪音数据,有效地提高了模式匹配速度和规则的访问速度.     

面向医疗区块链的新型轻节点数据查询方法

医疗区块链系统的用户向全节点请求数据时可能被欺骗,而简单支付验证等轻节点数据查询方法面临着存储困难。为解决这些问题,提出了一种面向医疗区块链的新型轻节点数据查询方法。引入具有动态追加能力的Merkle山脉（Merkle mountain range,MMR）,设计基于推荐的可信节点选择和基于采样的可信节点验证的最新有效块获取算法,采取MMR和Merkle树的承诺机制,使得持有一个最新有效块的轻节点用户能够验证全节点发送的医疗数据。此外,还将该方法扩展应用于联盟链。分析和实验表明,所提方法的时间开销和空间开销均在较低的范围内。     

卫星通信系统中编码调制模式分配算法

在编码调制方式动态可变的FDMA卫星通信系统中,通过功率和带宽的均衡利用可提高资源利用效率,并能防止后续用户分配资源时功率或带宽受限而导致的系统容量降低.对卫星链路进行分析,建立基于编码调制模式动态可变的博弈模型,提出一种基于功率和带宽均衡利用的编码调制模式分配算法,提高了系统资源的利用效率.仿真表明,所提出的资源分配算法在资源受限情况下能显著提高系统信道容量.     

基于动态目标遗传算法的云计算工作流调度方法

针对云工作流资源调度直接关系到云计算的成本和效率的问题,提出一种基于动态目标遗传算法(DTGA)的成本最小化和期限约束的云计算工作流调度方法.该方法使用云计算资源的索引来编码染色体,采用动态目标策略(DTS)算法解决严格的期限约束,当没有获得可行解时,算法专注于优化执行时间以满足期限约束,一旦获得可行解后,则侧重于优化在期限约束内的执行成本.实验结果表明在不同规模数据调度和不同的期限约束下,相比改进量子遗传算法(IQGA),提出方法具有更高的适应性,能够在更严格的期限约束条件下以更低的执行成本找到云计算资源调度的更优解.     

基于生物地理学优化算法的在线课程查询调度算法研究

为解决大规模在线课程查询负载均衡的问题,降低系统负载率,在平衡负载的自适应查处调度器的基础上,提出一种基于生物地理学优化算法(BBO)优化平衡负载的自适应查处调度器(BAQP)期望代价矩阵的在线课程查询调度算法。选择系统的总体负载消耗系数作为评价指标,运用BBO算法优化获取在线课程的最优查询方案。通过静态权值和动态权值不同任务和资源查询调度性能对比可知,BBO算法较Min-Min和Max-Min算法具有更强的系统负载平衡能力和较低的系统负载率,可以有效降低系统消耗系数。     

基于结构的文本信息检索技术的设计与实现

设计了文本信息检索的一些数据结构,包括结构化倒排索引、结构索引和词典等,并在此结构的基础上设计实现了基于内容和结构的查询算法。这些算法以计算机机群并行环境为基础,并行数据查询提高了查询的速度。     

基于Hadoop平台上面向电影数据集Kmeans算法的改进

针对聚类算法并行化的需求,该文对基于Hadoop平台Kmeans算法进行了改进,选用Canopy算法对数据进行预处理,并在具有一定数据结构的电影数据集上进行了单机对比实验,集群加速比实验和集群扩展率实验,分别体现改进后算法实现的高效性、良好的加速比和可扩展性,从而可以有效地运用在实际海量数据挖掘中.     

利用截止期感知的云计算调度方法

针对传统云计算资源调度执行时间长和执行成本高的问题,提出一种利用截止期感知的云计算调度方法 .将VM分配给需要调度的工作流,并在处理时间截止期完成工作的调度.在任务调度过程中,当产生子调度序列后,利用遗传算法来优化执行时间以减少超时.提出的算法具有对不同目标搜索环境的适应能力.实验结果表明,基于截止期感知的云计算调度方法能够在不同规模和不同期限条件下以比粒子群优化算法更小的成本找到更优解.     

基于负熵的随机双梯度算法

随机双梯度算法是独立分量分析中一个重要的学习算法,但该算法收敛速度慢,稳态误差大,不利于信号的准确适时性处理.论文重点对随机双梯度算法进行了改进,提出一种基于负熵的随机双梯度算法.在改进的算法中,用负熵来度量其中的随机变量非高斯性,从而来克服峭度的不稳健性.论文最后通过理论分析和仿真实验证明这种改进的随机双梯度算法具有较好的分离效果且稳定性高.     

一种改进的反向传播神经网络算法

在标准反向传播神经网络算法的基础上,提出了一种改进的反向传播神经网络算法.通过对每个处理单元增加3个参数来增强作用函数,且3个参数与连接权一样,在学习过程中进行实时更新.此算法提高了学习速度,且减少了进入局部最小点的可能性.通过XOR问题的仿真证明了改进算法的有效性.     

改进卷积神经网络的语音情感识别方法

研究了基于卷积神经网络的语音情感识别算法,改进了传统卷积神经网络训练过程中的卷积核权值的更新算法,使卷积核权值的更新算法与迭代次数有关联;同时为了增加情感语音之间的特征差异性,将语音信号经过预处理后得到的梅尔频率倒谱系数特征数据矩阵进行变换,提高卷积神经网络的表达能力.实验表明,改进后的语音情感识别算法的错误识别率比传统算法的错误识别率约减少7%.     

GF(q)域上LDPC码的改进扩展最小和译码算法

通过分析扩展最小和算法(EMS)存在的问题,提出了一种针对q 元LDPC码的改进译码算法. 不同于EMS算法固定每次迭代中FHT的阶数,该算法根据每次迭代中变量节点的概率分布对的平均方差自适应选择FHT的阶数,并修改发生振荡的变量节点输出信息,使之同时包含上次迭代和当前迭代的信息,从而减少性能的损失与振荡的影响. 仿真结果表明,在译码复杂度相当的情况下,该算法性能与收敛速度明显优于EMS算法.