一种基于测量的快速流媒体分类算法

通过分析流媒体业务的特点,给出了核心路由器设计中针对IPv4和IPv6流媒体数据包的处理策略,并提出了一种基于测量和拟相似思想的快速流媒体识别和分类算法。     

土石坝参数化设计中的关键技术研究

提出基于改进方法的系统整体流程的参数化设计模式,以土石坝参数化设计为例,应用参数化设计软件GC为开发平台,实现完整参数化设计系统的开发流程.首先利用几何因果推理技术确定土石坝坝体模块几何元素的构建序列;然后使用约束驱动技术实现土石坝坝体模块参数的动态修改;最后使用特征模型技术实现用户自定义的土石坝坝体模块特征库的构建和模型装配.实验结果表明综合运用这三种技术能有效解决各个技术中的局限性,提高参数化设计的效率.     

大规模流媒体直播系统扰动性研究*

在基于P2P技术的大规模流媒体直播系统中,节点频繁地加入和退出,形成扰动问题,严重影响了系统设计和整体性能。通过分析对等网络节点会话时间概率分布理论,在充分利用会话时间长的节点基础上,提出了抗扰动节点选择机制来增强系统稳定性。通过对比实验证明,该方案降低了扰动问题对流媒体直播系统的影响。     

一种适用于过程改进的适应性评估方法

本文分析了现有过程改进评估方法中存在的主要问题,从过程改进的根本目的出发,结合国内软件行业的实际情况,提出了一种灵活的适用于过程改进的适应性评估方法,该方法结合基于模型的评估方法一同运用,能够有效的降低评估成本,有利于推动软件组织的持续的过程改进活动.     

医疗体检数据预处理方法研究

原始体检数据存在信息模糊、有噪声、不完整和冗余的问题,无法直接用于疾病的风险评估与预测。由于体检数据在结构和格式等方面的不足,不适合采用传统的数据预处理方法。为了充分挖掘体检数据中有价值的信息,从多角度提出了针对体检数据的预处理方法：通过基于压缩方法的数据归约,降低了体检数据预处理的时间及空间复杂度;通过基于分词和权值的字段匹配算法,完成了体检数据的清洗,解决了体检数据不一致的问题;通过基于线性函数的数据变换,实现了历年体检数据的一致性和连续性。实验结果表明,基于分词和权值的字段匹配算法,相对于传统算法具有更高的准确性。     

基于带宽预测与自适应压缩的容器迁移方法

随着数字化技术的发展与工业自动化应用范围的扩大，在万物互联环境下边缘设备数量快速增长，这些设备产生的数据量激增，导致网络带宽逐渐成为边缘计算的瓶颈。针对移动边缘服务迁移过程中传输数据量过大以及边缘节点网络环境不稳定等问题，结合带宽预测和数据压缩技术，提出一种面向Docker容器的服务迁移方法。通过预测网络带宽动态调整数据压缩算法的压缩速度以及压缩强度，从而充分利用网络带宽和多核处理器的计算能力，最大限度地减少网络传输的数据量以及服务的停机时间。实验结果表明，该方法对网络环境变化具有较强的适应性，能有效平衡数据传输和压缩计算的时间开销，提高服务迁移性能，相比于容器本地服务迁移、基于Docker基础镜像的服务迁移等方法，迁移时间、传输数据量和停机时间至少减少了23.7%、19.4%和17.6%。     

基于SSM的组播路由解决方案

传统组播基于host-group的工作模式，在访问控制、地址分配以及协议复杂性方面存在一定的问题。文章在分析传统组播的主要问题的基础上，给出了如何利用源特定组播SSM技术，来解决或改善这些问题。     

一种并行结构路由器保序自适应负载平衡结构

论文提出了一种通用的并行结构路由器具有IP包保序功能的自适应负载平衡结构APOKLB(AdaptivePacket-Order-KeepingLoadBalancer)和一种有效的基于流分类的信元调度算法FCS(FlowClassification-basedScheduling)。分析了FCS的算法复杂度、APOKLB所需内存数量、带宽及其平均排队延迟,并给出了APOKLB与几种保序结构进行了比较。     

基于多视角的脑胶质瘤分级模型研究

针对当前研究中的脑胶质瘤分级模型难以充分利用磁共振影像序列间的互补信息的问题,提出一种基于多视角的脑胶质瘤分级模型(MBMED).以最大熵判别模型(MED)为基础分类器;利用AdaBoost对多视角脑胶质瘤数据集进行模型训练.训练时进行等权重初始化,通过优化误差率对样本和多个视角的权重进行迭代更新,输出基础分类器的组合,实现对脑胶质瘤的精准分级预测.在公开数据集BraTS2017和自建数据集Glio-maHPPH2018上进行十折交叉验证实验,平均曲线下面积(AUC)分别为0.9485和0.9612.实验结果证明了该模型在脑胶质瘤分级中的有效性和准确性.