基于数据锁描述的DBMS分层排队网络模型

针对数据锁对数据库管理系统(DBMS)性能的影响,在分析数据锁工作原理的基础上提出DBMS基于数据锁描述的分层排队网络模型LQNM(Layered Queuing Network Model),运用分层算法MOL(Method of layered)实现模型的求解。通过求解后的实验结果与排队网络模型QNM(Queuing Networks Model)进行比较以此来说明该模型通过对数据锁的描述提高了模型预测精度。     

基于缓冲池描述的DBMS分层排队网络模型及其求解

针对OLAP查询的特点,提出基于缓冲池描述的DBMS分层排队网络模型,以构建这一模型为例示范构建DBMS分层排队网络模型的方法和步骤。对比分析分层排队网络模型的两种求解算法——MOL(the Method of Layer)和SRVN(the Stochastic Rendezvous of Network)在算法结构、模型限制、描述能力、求解精度上的差别,总结出模型参数获取的三种途径。     

云环境下基于LQNM的数据库性能建模研究

在云环境下,数据库系统性能的优劣是云服务供需双方共同关注的焦点,如何形象地描述云环境下数据库系统的资源分配,合理地评价数据库系统的性能成为目前一个重要的问题。通过分析云环境下数据库系统的工作原理,提出采用分层排队网络建模技术为其建立性能模型,该模型把云环境下的数据库系统抽象为三个软件任务(客户端、查询代理进程、数据管理进程)和三个硬件任务(THINK、CPU、硬盘),并以负载特征参数作为输入,通过分层的方法求出该模型的解。通过模型预测值与实验测量值分析系统平均响应时间之间的误差,并与传统的排队网络模型进行比较,从而验证该性能模型的有效性和准确性。     

基于排队网络的流水线模拟器任务缓存新分析模型

流水线软件模拟器是嵌入式微处理器软件仿真系统的关键技术,提出对嵌入式微处理器流水线仿真系统的排队网络建模与缓存大小分析方法.对SPARC-V8流水线模拟器建立M/M/1/N型排队网络模型,分析指令到达及服务阻塞机制.为了解决模型计算中的阻塞问题,在排队网络模型中增加"保持节点",得到扩展的等价排队网络模型.采用近似计算迭代算法,得到系统性能评价指标,并建立排队网络节点性能关系曲线,确定各功能模块的任务缓存大小.根据得出的任务缓存计算值设置流水线软件模拟器实际缓存大小,实验表明模型计算数据与实际运行数据基本一致.该评价方法对嵌入式微处理器流水线仿真系统的建模与性能分析具有重要的指导意义.     

基于分层排队网络模型的MCU性能预测及优化研究

针对视频会议系统中的多点控制单元(MCU)提出了一个基于分层排队网络模型的性能预测方法．通过对分层排队网络模型进行扩展，建立了多点控制单元的分层排队模型．设计了一个仿真程序对模型进行评价，仿真程序的输入即模型配置文件．该方法可以较快地从多种设计方案或硬件平台中选择满足系统性能设计目标的软件或硬件配置．仿真结果显示，选择双处理器配置和采用多线程技术，多点控制单元的接入容量提高了50％．最后，多点控制单元终端接入实验证明了该方法的有效性。     

网络RAID存储系统边界性能研究

目前针对网络存储系统性能的研究大都集中在定性研究方面,缺乏有效的定量分析方法和模型．在有限容量闭合排队网络理论的基础上,提出了网络RAID存储系统性能的定量分析模型．并提出了一种新的计算有限容量闭合排队网络系统边界性能的分析方法-APBA法,和其他近似分析方法相比,APBA法的计算时间复杂度更低．测试结果表明,通过利用APBA方法,由网络RAID存储系统的性能定量分析模型获得的系统性能值,可以有效反映网络RAID存储系统在轻载区、重载区和过载区的性能边界,以及系统的最大负载量．     

基于排队网络的异步非线性流水线性能分析

异步电路设计方法是现在集成电路研究的热点,得到越来越多的研究人员的关注。在异步电路设计过程中对异步流水线进行性能分析对异步电路的设计过程有着重要的指导意义,但现阶段缺乏有效的方法对异步流水线(尤其是复杂的非线性流水线)进行性能分析。而排队网络是一种能直观地对异步流水线进行建模的数学工具,但排队网络(尤其是复杂的非线性排队网络)的分析求解十分困难。本文提出了一种采用带Fork和Join的阻塞排队网络对异步流水线进行建模,采用其排队网络模型的平均周期作为异步电路的性能评价指标,并通过将其转化为等价的随机标记图对其平均周期进行分析,并给出了其平均周期的上限和下限。     

Web服务器性能评测软件的原理及发展

由于因特网的迅速发展，Web服务器的负担。日益加重，为了确切地了解或者改进Web服务器的性能，需要公正准确地评价服务器。Web服务器的性能评价方法可以分为两种：测量方法与模型方法。采用测量方法就是使用客户端模拟Web服务器的用户发送请求，以便来测量服务器在高负载状态下的各项评测指标。采用分层排队网络模型能够更好地模拟Web服务器，更好地估计网络延时。     

一种通信服务器新模型的参数分析

该文给出了一个新的Web服务系统的模型,将服务器和通信访问网络考虑为一个整体,构成一个开放的马尔可夫排队网络模型,并将模型扩展到了多服务器系统;然后分析各模型参数对服务系统性能的影响,得到了一些有益的结论,提出了避免死锁的方法,证明了增加新服务器的速率原则,最后对比了几种提高服务器性能的方法在不同拥塞条件下的优劣。仿真结果证实了模型是有效的。该模型以及参数分析的一些结论有益于指导网络管理、规划设计和升级。     

铁路集装箱中心站装卸系统排队模型及分析

针对铁路集装箱中心站装卸系统的设备性能运用闭排队网络模型进行研究。根据铁路集装箱中心站装卸系统的作业特点建立其闭排队网络模型,在该模型中内部集装箱卡车作为顾客在轨道门吊和正面吊两个服务节点以及一个虚设的“运输”服务节点接受服务。由于服务节点的服务时间不能很好地用传统分布表示,导致针对乘积形式排队网络的求解方法并不适用。于是采用近似平均值分析算法求解闭排队网络模型并获得相关的设备性能参数,并分析了装卸系统的设施配置。最终通过与仿真模型所得结果的对比,验证了模型和求解算法的正确性。     

A partial implementation of a relational data-base management system as an extension to FORTRAN

In general applications of a Data Base Management System (DBMS) for centralised monitoring of a medium sized data base, a Relational approach is often said to be preferred to a Hierarchical or a Network approach, because of its simplicity and ease of usage. An experimental Relational DBMS has been implemented at the Computer Centre of the Indian Institute of Technology, Kanpur, India. This system provides most of the facilities required for a Data Model Definition, Data Sub-language, and Data Manipulation Language. The FORTRAN language was selected as the host, because of its popularity and the available system software. The resulting DBMS has been tested on live data and the results have been encouraging.     

使用聚集I/O传输的方法提高网络存储系统的性能

网络存储技术为存储系统提供了更高的扩展性、可用性以及更好的灵活性,并且已经广泛应用到各种领域．但小I／O严重影响网络存储系统的性能,现有的一些方法缺少理论模型．通过排队理论建立聚集I／O传输的数学模型,然后在典型的IP网络存储(NAS)系统中,分别在NAS存储设备和客户两端设计了聚集模块,称之为CFS(chunk file system),实现双向聚集I／O．最后对CFS进行了实验,结果和理论分析基本吻合,说明聚集I／O传输能够改善网络存储整体性能．     

基于BTSM和DBN模型的唇读和视素切分研究

为实现文本/语音驱动的说话人头部动画,本文提出基于贝叶斯切线形状模型的口形轮廓特征提取方法和基于动态贝叶斯网络（Dynamic Bayesian Network, DBN）模型的唇读系统。在描述词与它的组成视素关系的基础上,得到视素时间切分序列。为比较性能,音素DBN模型和HMM的音素识别结果被影射成视素序列。在评价准则上,提出绝对视素切分正确性和基于图像与嘴唇几何特征两种相对视素切分正确性的评价标准。实验表明,DBN模型识别性能优于HMM,而基于视素的DBN模型能为说话人头部动画提供最好的口形。     

基于汽车操纵动力学的神经网络驾驶员模型

作为人一车—路闭环系统的重要环节,驾驶员模型对汽车闭环系统仿真和汽车主动安全性评价都具有重要的意义.本文基于汽车操纵动力学,预瞄—跟随理论以及神经网络建立了一种驾驶员方向控制模型,即两层前馈神经网络驾驶员模型,并在此基础上建立了驾驶员—汽车闭环系统模型.对该闭环模型进行了单移线与双移线仿真试验,仿真结果与理想数据具有很好的一致性,表明该驾驶员模型是合理的,可以有效地模拟驾驶员控制汽车方向的行为特性,为进一步研究人一车一路闭环系统提供了一条可行途径.     

一个基于实际测试的网络流量模型

网络流量模型是网络性能评价、网络协议设计和网络规划等的基础。本文设计了一种在于实际网络测试的时间相关流量模型的方法,采用该流量模型预测网络流量。文章提出了网络流量预测精度的数学定义。网络测试实验表明,此流量模型具有更高的精度,适用于实际运行的网络环境。     

Improved Soil Quality Prediction Model Using Deep Learning for Smart Agriculture Systems

Soil is the major source of infinite lives on Earth and the quality of soil plays significant role on Agriculture practices all around. Hence, the evaluation of soil quality is very important for determining the amount of nutrients that the soil require for proper yield. In present decade, the application of deep learning models in many fields of research has created greater impact. The increasing soil data availability of soil data there is a greater demand for the remotely avail open source model, leads to the incorporation of deep learning method to predict the soil quality. With that concern, this paper proposes a novel model called Improved Soil Quality Prediction Model using Deep Learning (ISQP-DL). The work considers the chemical, physical and biological factors of soil in particular area to estimate the soil quality. Firstly, pH rating of soil samples has been collected from the soil testing laboratory from which the acidic range has been categorized through soil test and the same data has been taken as input to the Deep Neural Network Regression (DNNR) model. Secondly, soil nutrient data has been given as second input to the DNNR model. By utilizing this data set, the DNNR method is used to evaluate the fertility rate by which the soil quality has been estimated. For training and testing, the model uses Deep Neural Network Regression (DNNR), by utilizing the dataset. The results show that the proposed model is effective for SQP (Soil Quality Prediction Model) with efficient good fitting and generality is enhanced with input features with higher rate of classification accuracy. The results show that the proposed model achieves 96.7% of accuracy rate compared with existing models.     

知识型员工任务评价信息系统的指标模型

为解决企业人才评价和成长问题,以B/S模式构建企业任务分派、评价及分析网络信息系统。针对企业知识型员工的任务和创新业绩管理构建较为实用的评价、统计、分析指标模型,使管理者能及时全面地对下属知识型员工的任务或创新业绩进行评价、统计、数据积累及趋势分析。此外,还可以辅助高层管理者动态深入地分析员工个体能力,为网络信息系统中知识型员工的人才识别和筛选机制奠定基础。     

基于排队模型的网络处理器设计验证

基干流量模型的测试在芯片设计尤其是网络处理器的设计验证中得到广泛应用.传统的芯片设计验证强调功能验证上的完备性,但网络处理器芯片对数据包的处理性能有苛刻要求.该文采用M/M/I排队模型评估网络处理器芯片数据包处理能力.仿真结果表明,该验证可在设计早期评估出网络处理器的设计性能,提高网络处理器的设计质量.     

DBMS动态资源自调优系统的设计与实现

在数据库管理系统中,DBMS资源的利用率对系统的影响是很大的。对基于反馈回路的自调优模型的基础上设计与实现DBMS资源自调优工具进行了研究。该工具能够根据资源利用情况,自动找到适合提高系统运行效率的DBMS资源配置参数。给出了实现该系统时用到的诊断树、资源关系模型和资源调整规划算法。     

基于SGMM和DNN结合提高音素识别率的研究

为降低声学特征在语音识别系统中的音素识别错误率,提高系统性能,提出一种子空间高斯混合模型和深度神经网络结合提取特征的方法,分析了子空间高斯混合模型的参数规模并在减少计算复杂度后将其与深度神经网络串联进一步提高音素识别率。把经过非线性特征变换的语音数据输入模型,找到深度神经网络结构的最佳配置,建立学习与训练更可靠的网络模型进行特征提取,通过比较音素识别错误率来判断系统性能。实验仿真结果证明,基于该系统提取的特征明显优于传统声学模型。