一种流模拟与包模拟结合的新网络模拟技术

随着网络应用的发展,网络的结构、规模日趋复杂化,包模拟技术难以适应大规模网络的模拟任务,而流模拟技术虽然有较高的模拟效率,但其模拟精度不如包模拟技术。使用流模拟实现对模拟系统中背景流的模拟,使用包模拟实现对特定网络行为的精确模拟,从而实现了一种包模拟与流模拟相结合、兼顾包精确度与效率的新模拟技术。与其它同类方法相比,该模拟技术将数据包映射为流,实现了背景流与前景流相互作用的准确模拟,从而达到良好的模拟精度与模拟效率。     

一种基于层次切片谱的软件错误定位技术

传统的软件错误定位技术通常利用测试覆盖信息计算程序语句发生错误的可疑度进行软件错误定位,但是这种定位技术没有充分考虑程序本身固有的依赖信息,缺乏语句筛选,从而使错误定位的精度受限.提出了一种基于层次切片谱的错误定位技术,以提高面向对象程序中的错误定位效率.这种技术首先分析程序不同粒度层次元素(包、类、方法以及语句)之间的依赖信息,对可能发生错误的元素进行筛选,缩小错误查找范围;在此基础上,建立了层次切片谱模型,并定义了一种可疑度度量方法;最后根据该可疑度结果从大到小的顺序进行错误定位.通过实验验证了基于层次切片谱的错误定位技术的有效性,且比基于程序谱的Tarantula 技术、Union 技术、Intersection 技术效率更高.     

基于维层次的OLAP变粒度存储策略

目前的决策支持体系结构中都是采用数据仓库来存储系统中的分析数据,应用OLAP技术实现系统中的分析功能。但是,数据量的增长也使得DataCube不断增大,因而影响到了OLAP的效率。本文提出了一种基于层次的OLAP变粒度存储策略,根据实际情况灵活地调整需要进行聚集的粒度与数据集,从而更好地满足数据分析的需要。     

一种基于Trace精度改进的内存系统模拟器优化方法

随着计算机系统规模的不断增长,计算机系统结构的研究对于如何更有效地利用各个部件的性能显得尤为重要.但是在系统结构的研究中,由于研究对象规模过大,采用模拟器进行模拟测试是一种常用的方法.但是在使用全系统模拟器的时候,将整个系统进行模拟会造成实验效率的降低和模拟器程序的维护困难.因此,使用基于trace输入的模拟器成为了一种提高模拟器效率的常用方法,但是由于trace不能良好地表现计算机系统某些部分的运行特性,难以避免地存在一定的模拟误差.对此,提出了一种基于trace精度改进的内存系统模拟器优化方法,通过增加trace中包含的内容、提高trace的精度并在内存系统模拟器中实现相应的支持机制,从而在不影响模拟器运行效率的情况下提高内存系统模拟器的运行精度.     

基于概念格层次分析的视觉词典生成方法

视觉词典容量是影响图像场景分类精度的重要因素之一,大容量的视觉词典因计算量较大影响了分类的效率,而小容量的视觉词典由于多义词问题的严重致使场景分类精度降低.针对该问题,提出一种基于概念格层次分析的视觉词典生成方法.首先生成关于训练图像视觉词包模型的初始视觉词典;然后在构造的概念格上利用概念格的概念层次性,通过动态地调整外延数阈值,获取粒度大小不同容量的描述图像各场景语义的约简视觉词典;最后对各类约简视觉单词构成向量进行异或,删除多义词,进而生成有效描述图像场景语义的视觉词典.实验结果表明,文中方法是有效的.     

一种复杂多维层次的连接和聚集算法

由于数据仓库中存储着不同粒度、容量巨大的数据记录，所以如何有效地执行联机分析处理(OLAP)查询操作，特别是连接和聚集操作，便成为数据仓库领域的核心问题之一．为此，提出了一种降低连接和聚集操作的新算法(join and aggregation based on the complex multi-dimensional hierarchies，JACMDH)．算法充分考虑了复杂多维层次的特点，在原有的位图连接索引(bitmap join index)的基础上，采用层次联合代理(hierarchy combined surrogate)和预先分组排序的方法，使得复杂的多维层次上的连接和聚集操作转化成事实表上的区域查询，从而在处理多维层次聚集的同时，提高了连接和聚集的效率．算法性能分析和实验数据表明，JACMDH算法和目前流行的算法相比，其性能有显著的提高．     

数据仓库中多重粒度划分的层次编码解决方案

数据仓库在决策支持系统(DSS)中起着核心作用,而要创建一个好的数据仓库,如何划分数据粒度是要解决的一个重要问题.通过数据粒度划分方法的分析,结合实例给出了一种划分多重粒度级别的层次编码解决方案,该方法具有安全高效、可基于概念层次对数据进行分析、编码易扩充、编码数据准确规范等优点.最后给出利用层次编码方案解决不同粒度级别数据查询统计的基本思路和方法,结合项目实践证明该方案确实可行,是解决多重粒度级别的好方法.     

磨矿破碎过程粒度分布的分布式参数蒙特卡洛动力学模拟及加速方法

本文针对磨矿破碎过程,提出一种分布式参数蒙特卡洛动力学方法的粒度分布预测模型和模拟算法.该算法采用了分段思想,将磨机沿着轴向分为若干个虚拟的子磨机;根据破裂、前向和后向移动三类微观事件定义了倾向函数和系统状态矩阵,并设计了分布式算法的调度策略.此外,针对蒙特卡洛动力学算法效率低的问题,提出了基于τ-leap的磨矿过程分布式参数蒙特卡洛模拟加速算法.为了解决分布式参数更新过程中状态不一致的问题,创新性地提出了一种基于缓冲区的同步方法.通过对仿真案例的分析表明,本文提出的分布式参数蒙特卡洛动力学算法具有较高的精度,提出的基于τ-leap的加速算法能够显著提高计算效率,同时保持较好的精度.     

基于时间维层次查询频率的数据仓库粒度模型

数据仓库中的事实数据一般以最小粒度存储。而大量的细粒度数据具有很大的随机性,很少直接进行分析和处理,往往被聚集到一定层次的粗粒度数据。另一方面若采用ROLAP存储数据,则大量的细粒度数据将会影响查询的效率。本文介绍了一种基于时间维层次查询频率的粒度调整模型,它能根据用户在时间维层次的查询频率实现对数据粒度的调整。     

虚拟手术中刚体和软体碰撞检测算法研究

在虚拟手术中,组织器官的碰撞检测一直是影响手术模拟效率的瓶颈.文中基于手术器械一般远小于组织器官、并且手术过程中器械仅有极小尖端部分与器官接触这一事实,提出了一种新的算法.传统的碰撞检测算法中,一般用层次包围盒树对物体进行建模.文中对虚拟手术器械的建模使用线性表来代替层次包围盒树,与标准库RAPID的对比实验表明,该方法提高了检测的效率,能较好地解决类似虚拟手术中小型刚体和大型软体之问的碰撞检测.