云环境下的虚拟化技术探析

从虚拟化技术的发展历程出发,介绍了虚拟化技术的概念与云计算3种服务服务模式的关系,探讨了云环境中的几种主要虚拟化技术——服务器虚拟化、存储虚拟化、应用虚拟化、桌面虚拟化.重点介绍了一种典型的存储虚拟化模型,详细分析了其中虚拟层、逻辑层、物理层的关系及工作机制.设计了一种适应私有云环境的虚拟存储系统,并在已有实验条件下进行性能测试,测试结果显示该系统比传统存储系统有更好的I/O性能,阐述了虚拟化技术是支撑云计算和云存储系统的关键技术.     

面向教育云E-learning服务用户的信任评估

基于用户主观性及其能力客观性分别提出了用户信任云评估模型及其能力信任评估模型,用户信任云模型使用期望、熵和超熵对具有随机性和模糊性的复杂实体进行主观信任评估;而用户能力评估模型在考虑能力对象和交互属性基础上综合评估用户客观能力的信任度.结合这2种模型提出了用户综合信任评估模型,实验结果表明该评估模型能较好地实现教育云计算环境下E-learning服务用户综合信任评估.     

基于HDFS的云数据备份系统

将云计算技术应用于数据备份领域,  设计并实现了基于分布式文件系统(HDFS)的云数据备份系统. 该系统利用云存储技术, 应用已有的廉价计算机设备构建数据备份集群, 解决了用户数据备份/恢复业务的需要, 通过用户分群管理、 小文件合并上传、 恢复优先等策略进一步提高了系统性能. 实验结果表明,  云备份系统在安全性、 可扩展性、 经济性及可靠性上均具有一定的优势.     

基于曲率图卷积的非均匀点云掩码自编码器

提出一种基于曲率图卷积的非均匀分组与掩码策略,用以优化掩码自编码器.首先,提出曲率图卷积以避免固定邻域导致的归纳偏差;其次,在曲率图卷积后引入图池化层,根据点云局部特征进行池化操作并分组;最后,在池化层输出特征的基础上学习每个分组的掩码概率来避免冗余.实验结果表明,本方法能有效提高点云掩码自编码器在下游任务的泛化效果,在ModelNet40上的分类精度达到93.7%,在Completion3Dv2上的补全精度达到5.08,均优于目前主流方法.     

基于多分辨方法的海量数据三维云体绘制

针对因图形硬件存储能力有限带来的海量云数据体绘制的交互性差等问题,提出了一种适用于大规模体数据压缩的多分辨率三维云体绘制方法。该方法首先引入基于变异系数的多分辨率细节层次划分,再利用小波变换和最优量化对划分数据块进行压缩,最后采用基于GPU的自适应采样光线投射算法对云数据进行体绘制。实验结果表明:该方法与传统的多分辨率压缩绘制方法相比,既提高了绘制速度,又保证了绘制的逼真效果。     

多目标云资源最佳适应匹配算法的研究

随着云计算的持续研究和发展,面向用户需求的云资源管理与选择是云计算中的重要研究方向之一.为了满足用户的多种云资源需求,使用树型云资源属性管理表(AMT-Tree)对云资源进行管理,并提出一种多目标云资源最佳适应匹配算法(MoOam),保障用户在海量数据下得到最优资源.实验结果表明:MoOam算法在资源匹配中是有效的.     

基于点云数据的不同曲面特征逆向建模方法研究

针对曲面重构过程中存在曲面建模难度大、曲面质量差、建模效率低等问题,以点云数据为研究对象,首先研究了点云数据的精简、曲线拟合、曲面拟合等算法和原理。其次,基于Geomagic Design X开发应用平台,针对不同曲面特征的三角面片,提出适合于条状类、回转类、平缓曲面类等不同曲面特征的快速逆向建模方法。从而提高了曲面建模质量、效率和精度,为产品开发设计提供较好的逆向建模思路。     

VANET云环境下基于人工神经网络的车辆任务卸载策略

在VANET(vehicular ad-hoc network)云环境中,由于车辆自身资源受限等原因需要将部分计算密集型任务卸载至周围车辆协同处理。而车辆移动的随机性是影响车辆任务卸载性能好坏的重要因素之一,对此,提出了一种车辆间的卸载任务分配策略。考虑到车辆之间连接时间的随机性,提出一种基于人工神经网络的连接时间预测方法,该方法能够通过对历史数据的学习,较为准确地对未来车辆行驶轨迹进行预测。此外,车辆将空闲资源进行共享意味着自身能耗增加,由于车辆本身的自私性使得车辆不会无偿为周围车辆提供服务。为了激励车辆之间进行协作,制定了一种分布式买卖博弈方法达到车辆资源需求与收益之间的平衡,还设计了一种集中式任务分配策略以获得任务卸载的最大效用。仿真显示,提出的方法在最大化卸载效用与提高任务卸载成功率方面都有较好的性能。     

面向点云数据的复杂几何模型对象优化方法研究

针对高精度、高保真的点云数据在精简后点云数据重构网格精度降低误差增大的问题,提出了面向点云数据的复杂几何模型对象优化方法.首先通过空间八叉树法建立点云数据和网格的拓扑关系,并利用原始点云到重构网格的距离确定网格的误差,以目标精度为阈值,然后利用增点法对面片进行划分,最后根据插入点算法重新定位插入点.实验验证表明：利用该文方法对兔子和龙进行一次细分使得精简率90%兔子重构网格误差由0.81 mm提升到0.48 mm,精简率90%龙重构网格误差由0.36 mm提升到0.11 mm.     

基于P2P的网络测量云平台的设计与实现

在分析现有网络测量系统缺陷的基础上,提出了网络测量即服务(network measurement as a service, NMaaS)的概念、架构和设计原则,研究了基于对等网络(peer to peer, P2P)的网络测量云平台的方案设计和关键技术,所提出的方案支持网络服务质量和用户体验质量的动态感知。最后通过典型的应用场景验证了服务平台的有效性。