云计算中的云采用模式

模式包含适用于复杂任务的最佳实践和专业知识,有助于以清晰的格式定义良好的解决方案,以便处理反复出现的问题。计划实现一个云呈现的企业应该将"云采用模式"视为启动该流程的一种方法。介绍了如何应用云采用模式来支持企业云实现的业务和技术需求,通过场景展示云解决方案。讨论了供应商如何构建私有和公共云,给出了客户端将应用程序全部托管在云环境中或者部分托管在云中,或者部分托管在本地。     

基于关注关系的互联网云数据挖掘方法实现

随着互联网技术的飞速发展,互联网上的数据的获取也变得越来越简单与便捷。然而由于现在互联网云数据的海量性,如何精准有效地从其中获取数据变得尤为重要。针对海量互联网云数据的数据挖掘的技术研究成为不可缺少的网络数据研究领域一部分。因此,本文将数据网页以及内容间的引用与被引用行为抽象为一种关注关系,根据对此关系的分析与综合处理,设计并实现了一种互联网云数据挖掘方法。     

制造资源耦合映射与模糊匹配技术研究

针对云制造中云制造服务资源匹配映射多种模式并存,云制造服务资源与云制造资源需求间相互影响且映射关系复杂,导致缺少有效云制造服务资源匹配方法.在综合考虑云制造资源需求间相互影响的基础上,提出了云制造服务资源匹配模型,利用模糊积分度量用户云制造资源需求与云制造服务资源间的匹配程度,提出了基于模糊积分的云制造服务资源匹配方法.通过基于模糊积分的云制造服务资源匹配方法,计算获得云制造服务资源对云制造资源需求的匹配度,为制造云中的终端用户提供按需、自助、敏捷的云制造服务资源智能匹配技术.最后,以中小模具企业云制造平台某型号多工位级进模具排样图设计应用为实例,证明了文中方法在工程应用中的正确性与高效性.     

利用稀疏点云偏序关系的半监督单目图像深度估计

为了减少传统基于学习的深度估计方法对大量稠密深度数据的依赖,提出了一种基于偏序关系的深度估计方法.首先对RGB图像进行超像素划分,根据稀疏点云在超像素图像上的投影生成超像素的深度,进而在超像素中心之间建立了深度偏序关系,结合稀疏点云的实际深度值作为监督信息,训练卷积神经网络估计场景深度.在NYU Depthv2数据集上的实验结果表明,该方法仅需稀疏点云就可达到0.262的平均相对误差,优于之前国际同类方法,甚至超过部分使用稠密深度数据的监督方法.     

基于映射关系的云模型控制器研究

首先介绍了云模型的基本概念和规则推理,分析了云模型的线性映射关系和非线性映射关系,然后设计出基于多种映射关系的不同云模型智能控制器。最后与常规PID控制系统进行了对比,仿真结果表明了本文设计方法的有效性。     

基于动态授权机制的自适应云访问控制方法研究

随着云计算的快速发展,其新型计算模式为我们提供了高效、便捷的服务。但这种计算方式拥有大量敏感性数据,如果不对数据加以有效保护,后果不堪设想。目前解决数据泄露的有效方法之一,云访问控制能够保障云服务只被授权的用户合法操作,得到广泛应用。然而传统的访问控制方法,当用户的行为方式发生改变,无法及时发现并动态调整访问控制策略,存在紧耦合、静态性等问题。在当前的云环境中,用户所拥有的角色数量众多,其职责经常性发生改变,云服务与用户之间的访问授权关系不易建立和维护。针对以上不足,提出基于动态授权机制的自适应云服务访问控制方法。方法中,采用基于信誉模型和用户角色树构建模型的动态授权机制,对用户的行为特征进行信誉评估,提前预测及实时监控,确保授权结果的高实时性和高可靠性。并为每一云服务引入可信认证模块,由云服务自主控制云用户的可访问性,增强所提方法的安全性和准确性。模拟实验表明,该方法能够较好地预测和监控云用户行为变化,及时调整云用户的服务访问权限,有效保障敏感数据的安全性。     

一种新的基于云理论和随机过程的可靠性评估方法

为解决系统可靠性评估中不确定性的问题和定性与定量信息转换的困难,结合随机过程可靠性分析方法和云理论,提出了一种新的可靠性评估方法.将云理论融合到随机过程可靠性分析方法中,利用云模型描述系统的状态转移.同时,构造系统定性评价中的云标尺,将系统可靠性评估中的定量变量和定性变量对应起来.该方法考虑了系统可靠性评估中的随机性和模糊性,研究了系统可靠性中的定量表示和定性评价之间的对应关系,结果是语言值,很直观.通过这个方法,找到语言值描述的系统特性与定量数值描述的系统特性之间的对应关系,能够准确理解和使用这些系统评估中的语言值.最后用一个实例验证了该方法的适用性.     

基于优化组合权与云-VIKOR法的PFMEA风险评估分析与改进

针对过程失效模式与影响分析（PFMEA）风险评估过程专家评估信息的模糊性与随机性,引入云模型将其量化为云语义评估信息,并集结成综合云评价矩阵。针对传统客观加权法不考虑风险因子间相互影响关系的问题,提出改进熵权与云-DEMATEL优化组合求解风险因子权重,其中引入云相似度算法对专家的云评价结果进行精确化处理,避免了评估信息定量转换过程信息的缺失。根据云距离测量法计算每种故障模式与正、负理想解之间的距离,进而提出云-VIKOR法求得各失效模式的风险排序。最后,通过案例分析验证了所提方法的可行性。     

云桌面虚拟化技术环境下的高职学生多元化网络虚拟技术教育研究

基于云桌面网络虚拟化技术互动网络创新模式,研究了利用云桌面虚拟化创新性来开展高职学生多元化网络虚拟技术教育的工作模式。同时,分析了传统单一化网络虚拟技术教育的局限性,探讨了创建云桌面网络虚拟化技术互动网络创新模式教育的热点话题,提出了基于云桌面虚拟化技术环境下多元化网络虚拟技术教育在云桌面网络虚拟化技术互动下的创新决策。     

国产化混合云平台建设与性能优化的研究

为了验证实时性业务迁移至国产化混合云平台的可行性,采用国产化主机、虚拟化云平台软件、容器化云平台软件搭建混合云平台,对时统和组播两个具有代表性的实时业务模型迁移进行了研究;为了保证混合云平台测试范畴的完整性,硬件普适性,实验设计了四种混合云模式,并适配两个品牌主机,对时统和组播两个业务模型按照组合方式进行了八个云模型的迁移实践;实验针对不同混合云模式综合采用了软件和硬件调优技术,达到了同时满足时统业务模型满足时延不大于8ms和组播业务模型满足数据包丢包率不大于10-6 个/s两个性能指标;得出时敏性业务可以迁移到国产化混合云平台的结论,并通过分析混合云四种模式优劣势,对时敏性业务和通用业务的云平台部署模式提供了决策支持。     

一种基于云模型的信息系统威胁因素分析方法

信息系统所面临的威胁复杂多变,具有很多不确定性因素。人们多用定性的自然语言对威胁因素进行评价,传统的分析方法存在着一定的局限性。提出了一种基于云模型信息系统威胁因素分析方法,应用云模型及不确定性推理,将威胁评价因子指标量化为可细微变化的不同分值,实现语言的定性概念与其定量之问的转换。在此基础上,结合关联分析法对威胁影响因素的权重进行挖掘,客观反映出其影响程度。最后通过实例分析,验证了该方法的有效性。     

基于均匀分布的高斯云模型

云模型实现了定性概念与其定量表示之间的不确定转换。高斯分布与高斯隶属度函数的普适性奠定了高斯云模型的普适性,目前云模型的理论与应用研究主要集中在高斯云模型。将均匀分布引入到云模型中,扩展了高斯云模型,分别得到了均匀分布云模型和均匀高斯云模型,两类扩展的云模型为不确定性的形式化描述提供了新的途径。最后利用多维均匀高斯云模型模拟分形树生长过程,实验结果表明云模型能有效模拟自然界中不确定的分形现象。     

基于云模型定性规则推理的分类方法

根据粗糙集原理和模糊集理论,提出了一种基于云模型定性规则推理的分类方法,利用云的相关理论获得多条件单规则中包含隶属度的决策表,结合模糊模式识别技术进行样本分类。针对一些数据对象分别隶属于不同类别的情况,用定性概念来代替模糊集中的定量数据并建立二元关系,能对连续型数据进行更为简单合理的＂软＂分类,从而使基于定性概念的算法模型符合人类思维方式。     

逆向云在定性评价中的应用

现有的定性评价存在主观性和随意性大的缺点，缺乏客观性和精确性,云模型是一种定性与定量之间相互转换的有效工具，逆向云可以实现定量数值与定性概念的自然转换，从而得出一个用精确数值表示的定性概念．该文分析并给出了逆向云发生器的具体算法，并对还原的各特征值进行了误差分析．最后将该算法应用到射击评判上，评价结果不仅有射击准确度的评价，而且有运动员心理素质的分析，比仅仅用环数来评价一个运动员更准确、更具体．     

一种交互式的云模型图像分割方法

论文针对图像分割中存在的不确定性问题,通过研究不确定性人工智能中定性和定量的转换模型—云模型,提出一种新的基于云模型的图像分割方法。该方法采取交互式的方式选择训练样区,利用训练样区中的像素生成云模型,并通过泛概念树生成算法生成泛概念树,最后通过极大判定法判定像素所属类别,实现图像分割。这种方法能较好地描述图像目标的不确定性。通过几组实验,证明该方法可以准确地分割出目标,并优于传统的图像分割算法。     

基于可拓云的网络信任评估

针对网络信任评估中存在不确定因素的问题,以复杂开放网络中的安全交易为研究背景,引入可拓云理论,利用可拓学中的物元理论和云模型的不确定性兼二者定性与定量相结合的优点,提出了基于可拓云的网络信任评估模型,实现了信任值定性与定量之间的转换。在此模型基础上提出基于可拓云的网络信任评估方法,对网络安全交易能够有效地进行信任评估,为最终信任决策提供有利依据。仿真实验结果表明:信任决策调度算法提高了信任评估的准确性和交易的成功率,有效缓解了网络交易实体的欺骗行为,评估方法具有可行性和有效性。     

基于云模型的定性评价及在学评教中的应用

学评教定性评价是高校教学质量管理的重要环节,对高校的快速发展具有积极意义和重要作用。提出基于云模型的学评教综合评价模型,利用逆向云发生器实现评价指标评语的定性定量转换,运用虚拟云的算法获得最终的评价云模型,通过分析数字特征和云滴分布得到评价的结果。实例验证表明,评价结果直观可靠,具有一定的实践意义和指导作用。     

基于云模型以约束为中心的复杂系统定性建模

针对以约束为中心的复杂系统仿真中缺乏有效的不确定性信息描述方法,导致仿真中不确定性信息不能充分利用的问题,借鉴和采纳云模型的相关理论和方法,研究了以约束为中心基于云模型的复杂系统定性建模方法。首先提出了仿真中基于云模型的不确定信息表示方法、基于云模型和群体专家决策的量空间构建方法;然后给出了基于云模型的系统定性约束方程的构建方法;最后将提出的建模方法应用于一个敏捷供应链的建模实例。结果表明提出的建模方法具有客观表达不确定信息、将定性与定量信息在仿真中相互融合的优点。     

用语言云模型发掘关联规则

该文提出用语言云模型用于KDD中知识表达和不确定性处理,引入了多维云模型作为一维模型的扩展.语言云的数字特征量将语言值的模糊性和随机性用统一的方式巧妙地综合到一起,基于云模型的概念层次结构可以跨越定量和定性知识之间的鸿沟.为了发现强关联规则,属性值要在较高的概念层上泛化,同时允许相邻属性值或语言项间有重叠.这种软划分可以模仿人类的思想,使发现的知识具有稳健性.将基于云模型的泛化方法与Apriori算法结合起来,从空间数据库中发掘关联规则.试验显示了其有效性、高效性和灵活性.