一种面向非规则数据的阶段预取策略

传统数据预取技术在处理结构复杂的非规则数据应用程序时,其有效性明显下降.为解决该问题,基于程序运行时的数据访问阶段性特征,提出一种面向非规则数据的阶段预取策略,研究应用程序的访存规律和预取调度机制.该策略通过在线剖析应用程序的访存行为,识别出数据访问性能指标表现稳定的数据访问阶段和具有特定访存行为特征的预取阶段,实现在数据访问阶段内依据预取阶段的访存规律动态调整预取操作.实验结果表明,与传统的基于访存流模型的数据预取技术相比较,阶段预取策略能够减少无用预取,更加有效地改善非规则数据应用程序性能.     

支持软件预取的缓存WCET分析

许多高性能嵌入式处理器都引入了多级缓存、硬件预取及软件预取等机制,为使支持软件预取的硬实时任务具有执行时间的可预测性,提出一种支持软件预取的缓存WCET分析方法. 该方法对多级缓存抽象解释模型进行了软件预取语义扩展,分析了软件预取对任务的最坏情况下性能和能耗的影响. 实验结果表明,该方法能够对支持软件预取的多级缓存行为进行有效分析;同时软件预取优化技术可使某些访存缺失较大的硬实时任务WCET平均减少22.9%,能耗平均降低24.1%.      

IA-64中软件数据预取的优化

软件数据预取是一种有效的隐藏存储延迟的技术。IA- 6 4是支持软件数据预取和软件流水的 EPIC(显式并行指令计算 )体系结构。软件数据预取不是一种无损的技术 ,其引入的开销有时会降低程序的性能。提出了降低软件流水中数据预取开销的算法 ,利用旋转寄存器的特性合并具有相同类型的预取操作。在 ORC(open research compiler)中实现了此算法 ,并对 SPEC CFP2 0 0 0基准程序进行了测试。实验结果表明此算法有效减少了冗余数据操作的个数 ,提高了编译器的性能     

基于隐马尔可夫模型的Web网页预取

为了缓解网页访问延时的问题，提出了一种基于隐马尔可夫模型的网页预取方法。该方法借助隐马尔可夫模型，挖掘蕴涵在用户访问路径中的信息需求概念，以此进行预取页面的评价，最终实现基于语义的网页预取，实验结果表明，该方法具有较好的预取准确度。     

基于网络性能测量的控制预取

目前的Web预取模型一般是基于预取算法来提前取得Web对象,缺乏对网络性能测量情况下控制预取的研究,我们在网络性能测量的基础上进行Web对象的可预取性测量和预取控制,尽可能的减少不必要的预取,以提高预取算法的命中率,平滑网络业务。     

个性化推荐与Web预取技术对比

随着Internet基础结构的不断扩大和其所含信息的持续增长,准确预测Web用户的访问行为并且进行合理推荐对于一个网站来说极其重要,而提高用户访问效率、减小用户感知延时的主要方法有页面预取技术和Web个性化推荐技术等.系统地比较了个性化推荐技术与预取技术的功能和特点,深入分析了二者在提高网络服务质量和用户访问效率方面的关键技术.     

基于概念联想网络的网页预取模型

提出一种基于概念联想网络的网页预取模型，挖掘用户访问模式中蕴含的概念间联想模式，结合在线学习和离线挖掘两种方式，建立面向用户的概念联想网络，并基于概念联想网络实现网页预取评价。模型对网页进行概念层次的分析，提高了预取的准确性，实现了基于语义的客户端网页预取。     

分布式系统卷重构过程的改写块预取方法

从多同构主机分别由同一共享系统卷远程启动与配置过程中对共享卷改写情况的统计分析入手,提出了透明计算模式下分布式系统卷重构过程的改写块预取模型.通过在共享系统卷的改写相似集元素上留下一种标识来进行信息传递,以此指导该主机以后对改写相似集的快速定位,并指导其他主杌重构其系统卷时快速预取相应的改写块.设计了基于二度局部特征的改写块预取算法,使得改写块预取能在横向顺序预取、纵向跳转预取两方向并发完成.算法对共享系统卷扩展块改写感知判别和改写块地址重定位的时间复杂度始终是O(1).结果表明该预取策略具有良好的性能和稳定性.     

一种基于频繁项挖掘的大量小文件动态合并算法

分析了当前社交网络中大量小文件数据特点,将访问日志与数据挖掘相结合,提出了一种基于频繁项挖掘的大量小文件动态合并算法.此算法实现小文件动态合并,解决了合并文件的一致性问题,从而预测用户下一步的访问,为预取小文件做引导,提高预取的命中率.针对预取和缓存的文件过多的特点,设计了一种新的含循环单链表的缓存置换算法优化缓存内容.通过实验证明,该算法大量小文件动态合并性能优于已有的算法.     

预应力混凝土靠船桩变形性能试验研究

通过4根后张预应力混凝土靠船桩的室内试验,并结合有限元分析计算,研究了初始预张拉应力、混凝土强度、配筋率等对靠船桩的变形性能、裂缝及其闭合情况的影响.研究结果表明,采用高强度材料的预应力混凝土靠船桩具有良好的变形能力和裂缝闭合性能.实际应用此项技术时,建议混凝土强度取C60～C80;混凝土取高强度时,初始预张拉应力取规范规定的下限值,反之取上限值.     

基于改进的隐马尔可夫模型的网页预取

为提高基于隐马尔可夫模型(HMM:Hidden Markov Model)的网页预取精度,对经典隐马尔可夫模型的两个前提假设进行了扩展,推导出新模型中计算观测序列概率的公式.由此构建出可用于网页预取的高阶隐马尔可夫模型,同时为降低高阶隐马尔可夫模型的空间复杂度,给出了构建树状状态空间存储访问序列的算法.介绍了将改进的隐马尔可夫模型应用于网页预取的具体方法,通过对比实验证实该方法的预取准确度提高了7%.     

试论数据挖掘技术在Web预取中的应用

近年来,互联网的不断发展,使人们对数据的需求不断扩大,这也使数据挖掘技术成为互联网领域中至关重要的技术,通过数据挖掘技术,可使人们从海量信息中筛选出自身所需的有效信息,随着数据挖掘技术的发展,其在Web技术中正发挥着越来越重要的应用价值,尤其是在Web预取方面,通过数据挖掘技术的运用,可使数据查询变得更加准确,从而实现Web资源的多方共享。鉴于此,该文便对数据挖掘技术在Web预取中的应用进行深入的研究。     

基于缓存及预取技术的大型数据库查询优化研究

以大型数据库应用为背景,基于多Agent技术,构建了一个分布式数据库访问平台,重点研究了分布式环境下的语义缓存及相应的预取技术,实验表明,该方案对海量数据的统计查询性能有显著提高.     

应用于计算机存储管理的基于部分匹配的预测算法

由于需要存储访问,程序的运行速度不能随处理器的速度提高而改进,解决这一问题的一种方法是采用预测预取技术,减少不在内存页的访问,从而优化程序运行。介绍一种用于存储管理的基本部分匹配的预测算法。     

扩展幂级广播方案中的暂停控制

提出了一种为轮播方案及扩展幂级广播方案(ExtendedExponentialBroadcasting,EEB)提供暂停控制的技术预缓存技术,该技术通过利用轮播方案和EEB方案的周期性,在客户端增加少量的缓存用于在执行暂停操作时预取部分数据,可以实现实时的暂停和继续操作·与传统的通过开辟额外信道的方法相比,具有资源占用量小,实现简单等特点     

基于用户浏览兴趣的网页预取策略

提出一种基于用户历史浏览情况对未来相关网页进行预取的算法.该算法能自适应调整用于生成会话的参数,并使用Session-tree结构完成对相关页面的预取.在实现中考虑到用户在特定事件和时间下的历史浏览行为,使用奖励因子和快速排序策略以提高效率.试验分析结果表明,基于自适应会话调整及群体共同兴趣剖像的预取算法能较好地完成对相关页面的预取.     

预分解窑系列生产能力的研究

本文在预分解窑热工特性的基础上,研究了预分解回转窑的生产能力,并分析了国内预分解技术存在的问题和解决措施。     

基于Zipf定律的PPM预测模型

Web预取技术是减少网络延迟,提高服务质量的主要解决方案之一。本文利用Zip法则提出一种新的预测模型。实验表明,该模型具有较好的性能。     

Web智能代理的预取技术和缓存技术

针对同一个工人组中成员可能对Web有相似的兴趣点和访问习惯问题,研究了主要包括缓存和预取两个部分的智能代理技术,研究了代理缓存三种替换算法：LRU和LRU的两种变种,仿真试验表明,LRU算法的命中率极差,将LRU的两种变种相结合则是一种较好的方案,通过引入预测算法和门限算法,代理服务器可以预测最近将要访问到的页面,并存在客户际请求提出之前有选择地下载,因为单个客户访问某个页面的历史次数往往不够多,将预测算算放在代理服务器上比放在客户端的预测概率更准确,通过在代理服务器上实现缓存和预取技术,可减少用户访问Web的响应时间,还可减少实际访问Web服务器的总次数,并提出了一个为发展中国家中国家用户缩减Web访问代价的有效方法。     

基于代理的数据挖掘在Web预取中的应用研究

由于接入Internet的用户数量剧增以及Web服务和网络固有的延迟，使得网络越来越拥护，用户的服务质量得不到很好的保证。为此提出了一个基于Agent(代理）的Web预取系统，此系统利用了数据挖掘技术来挖掘用户的兴趣关联规则，并且充分考虑了用户当前的兴趣状况，可根据用户的兴趣习惯很好地预测用户即将发生的行为，进而预取从目前页面连结出去的最有价值（用户最感兴趣）的几个页面，从而达到提高网络浏览速度和提供主动服务的目的。