基于仿生自主神经系统的节能高效云调度研究*

为了实现兼顾性能和能耗的高效云调度管理机制,提出了一种基于仿生自主神经系统（BANS）的云调度管理系统。建立了理论模型来评估和分析重要的性能和能耗指标,并利用纯利润优化模型均衡性能和能耗之间的制约关系。基于理论分析结果,进一步利用最优性分析和自主触发机制实现了动态灵活的局部资源管理,同时,采用启发式算法来获取面向用户请求分发的全局最优调度策略。实验结果展示了重要的性能-能耗制约关系,同时也表明,相比传统负载均衡调度机制,局部自主资源管理可以在纯利润上带来约60%的显著提升,全局请求调度还将进一步带来约15%的提升效果。     

基于交互作用的文本分类特征选择算法

针对文本分类中的特征选择问题,提出了一种考虑特征之间交互作用的文本分类特征选择算法——Max-Interaction。首先,通过联合互信息（JMI）,建立基于信息论的文本分类特征选择模型;其次,放松现有特征选择算法的假设条件,将特征选择问题转化为交互作用优化问题;再次,通过最大最小法避免过高估计高阶交互作用;最后,提出一个基于前向搜索和高阶交互作用的文本分类特征选择算法。实验结果表明,Max-Interaction比交互作用权重特征选择（IWFS）的平均分类精度提升了5.5%,Max-Interaction比卡方统计法（Chi-square）的平均分类精度提升了6%,Max-Interaction在93%的实验中分类精度高于对比方法,因此,Max-Interaction能有效利用交互作用提升文本分类特征选择的性能。