多虚拟机实时迁移中自适应的迁移算法选择框架

IaaS云计算平台中主要通过实时迁移多台虚拟机来实现资源的动态调度、管理与优化。虽然Pre-copy和Post-copy是单虚拟机实时迁移的两种主流算法,且各有优缺点,但现有的多虚拟机实时迁移系统只是单一地使用其中一种迁移算法,无法根据各虚拟机的不同负载情况灵活选择最有效的迁移算法,降低了整体迁移效率。提出一种自适应的实时迁移算法选择框架,利用模糊聚类方法对待迁移的多虚拟机进行分类,按类别选择最适合的迁移算法。实验结果表明,所提出的迁移算法选择框架能够在多虚拟机实时迁移中发挥两个迁移算法的各自优势,有效提高整体的实时迁移性能。     

难解问题的固定参数近似算法研究进展

固定参数近似算法采用参数计算方法寻求问题的近似解,是实际中处理难解问题的一种新的有效手段。根据难解问题的参数计算复杂性类别,综述了固定参数可解问题、参数计算复杂性未定问题和W[t]-难问题(t≥1)固定参数近似算法近年来的研究进展。对于上述每一类问题,分别归纳了当前的主要研究结果,分析了其中的主要算法设计技术并探讨了有待研究的相关问题。     

基于身份加密的装备密钥分布式生成算法

为解决身份加密体制中单一密钥生成中心易遭受攻击的问题,借鉴网络中心战“去中心化”的思想,针对Lewko-Waters身份加密协议,提出了一种分布式密钥生成算法。在算法中,主密钥由密钥生成中心和密钥隐私中心共同掌握,用户密钥在密钥生成中心监管下由分布于网络中的各密钥隐私中心共同生成,有利于增强Lewko-Waters协议密钥管理体系的抗毁性、鲁棒性。最后,在标准模型中证明了该方案在选择明文攻击下的密文不可区分性,并进行了算法性能比较分析。     

基于模糊神经网络优化扩展卡尔曼滤波的锂离子电池荷电状态估计

电池荷电状态(state of charge,SOC)的精确估计是判断电池是否过充或过放的重要依据,是电动汽车安全、可靠运行的重要保障.传统基于扩展卡尔曼滤波(extended Kalman filter,EKF)的SOC估计方法过度依赖于精确的电池模型,并且要求系统噪声必须服从高斯白噪声分布.为解决上述问题,基于模糊神经网络(fuzzy neural network,FNN)建立模型误差预测模型,并藉此修正扩展卡尔曼滤波测量噪声协方差,以实现当模型误差较小时对状态估计进行测量更新,而当模型误差较大时只进行过程更新.仿真和实验结果表明,该算法能有效消除由于模型误差和测量噪声统计特性不确定而引入的SOC估计误差,误差在1.2%以内,并且具有较好的收敛性和鲁棒性,适用于电动汽车的各种复杂工况,应用价值较高.     

基于畸变模型优化的网络摄像机标定*

针对低分辨率网络数码摄像机用于定量量测的标定问题, 提出一种非线性畸变的构建与优化方法。该方法结合多项式模型与传统的畸变模型;利用回归分析原理对模型进行自动精化,以优选显著的畸变参数,从而建立了一种自适应的摄像机畸变模型。运用构建的畸变模型,利用自检校光束法平差方法对同种型号的三个低成本网络摄像机实施标定和畸变纠正。结果表明,该模型有效补偿了通用畸变模型残存的畸变系统差,同时有效的避免了过度参数化的问题,有助于提高摄像机的标定精度和稳健性,使得摄像机的标定精度达到子像素。     

网络空间终端设备识别框架

针对传统Web服务识别方法对服务器软件实现差异依赖性强、不利于扩展到其他终端设备等缺陷,提出了一种网络空间终端设备双重因素主动识别框架. 该框架从服务标识（Banner）和Web指纹两个角度分析终端设备网络指纹特征. 首先,从HTTP数据包头部的“Server”字段、“WWW-Authenticate”字段及HTML源代码中深入挖掘终端设备Web服务中的Banner信息;其次,从图片文件和文本文件中提取终端设备具有的Web指纹特征;同时,结合具体案例分析各识别方法的有效性及优缺点. 结果表明,该框架解决了传统识别方法中Banner信息获取途径单一、依赖服务器软件差异特征的问题,成功将Web服务识别方法扩展到了网络空间终端设备上. 最后,总结已有成果并探讨该框架未来改进方向.     

石油类危化品实时巡检系统

提出了基于GIS、GPS、GPRS和无线传感网络技术的石油类危险化学品油气管道监控系统结构及该系统的软件架构和功能设计.该系统利用无线传感网络、GPS和GPRS技术对油气管道进行实时跟踪巡检预警,利用地理信息系统实现对石油类危险化学品查询、综合分析、动态管理等功能,从而为石油类危险化学品安全监测提供科学依据,对减少事故发生或伤亡损失具有重要的现实意义.     

柔性车间调度的解空间距离聚类和变邻域搜索粒子群算法

根据柔性车间调度问题提出基于解空间距离聚类和变邻域搜索的粒子群算法.在粒子群算法基础上采用贪婪策略引入变邻域搜索方式,即调整关键路径上最大关键工序的机器位置,调整关键路径上工序相对位置变化,加强局部搜索能力;根据机器加工工序的空间距离,采用K-means聚类得到机器加工工序“优良个体”,加大局部搜索性能.同时对于粒子群算法速度更新采用局部停滞策略,保留局部片段相对位置不变特性.通过实验仿真,优化算法取得了较好的效果,与一般的粒子群算法相比较收敛速度迅速且性能良好.     

基于辅助特征的Web服务QoS预测

随着互联网以及Web服务技术的快速发展,相同功能的Web服务数量越来越多.在构建面向服务的应用时,服务质量（QoS）作为Web服务的非功能特性开始被越来越多的用户所重视.为了向用户推荐高质量的服务,首先我们需要对服务质量进行预测.现今有很多关于Web服务QoS预测的工作,这些研究大都关注在建模方法的优化上,忽视了辅助特征对于QoS预测的影响.着重分析辅助特征对于QoS预测的影响,例如服务类别和用户地理位置.为了实现此目标,基于因子分解机（Factorization Machines）设计并构建了一个统一的QoS预测架构,该架构可以灵活、方便地考虑进多个辅助特征.结合服务类别和用户地理位置这两类辅助特征,提出了一种QoS预测方法,并通过在真实数据上的实验证明了我们的方法的优越性.     

多语种文本图像中的文字语种辨识方法的研究

本文针对汉字、朝鲜文字和英文单词混合的文本图像提出了基于主成分分析技术以文字为单位进行文种辨识的方法。首先,通过主成分分析方法构造特征空间,并且把分割的文字映射到此空间得到重构图像;其次,计算原图像和重构图像的水平和垂直方向直方图的相对熵;最后,根据原图像和重构图像之间的欧式距离和相对熵来判别文字语种。实验表明,本文提出的方法在没有分割错误的情况下,能获得99.78%的识别准确率,有效地解决了在汉、朝、英三种文字混合构成的文档图像中文种辨识问题。