基于云计算的多机器人目标智能跟随控制研究

随着信息智能化的快速发展,机器人在工作过程中面临着大量的数据计算、存储与调度等问题,结合多机器人协同工作,提出了基于云计算的多机器人目标智能跟随控制方法.通过人机载距传感器对多机器人以及跟踪目标进行定位,建立二维坐标系的局部地图.以目标的运动状态为基础,对其运动方向和速度进行预测,为每个机器人创建独自的跟踪器来预估目标的跟随状态,将最大近似概率和对应的测量数据、跟踪轨迹进行关联,直到所有的测量数据或跟踪轨迹全部关联完毕.采用松散耦合架构的设计方法对云服务平台的基础层进行设计,为了降低云服务系统的复杂性以及耗时性,采用容器批量部署方式的微服务体系,将各个小服务的代码与环境进行隔离.实验结果表明,所提方法不仅实现了多机器人对目标的良好跟踪,还可以通过云操作系统进行任务分配,稳定高效地完成目标智能跟踪与相互协作.     

使用小波变换实现数字水印

提出了非完备性鲁棒性数字水印典型算法中的行之有效的设计策略，利用小波变换良好的时频局部特性，提出了基于块的小波变换的数字图像水印嵌入方案。为了使嵌入图像的水印具有更高的安全性，把扩频通信的概念和方法引入数字水印系统中，采用了扩频理论中的伪随机序列进行处理。     

基于遗传算法的灌区水资源管理与灌溉决策系统研究

在北方引黄灌区灌溉水资源优化配置与管理理论研究的基础上,结合彭楼灌区的具体情况,研制了灌区水资源管理与灌溉决策系统．该系统具有完整的数据处理功能,具有较强的定性及定量分析能力,为灌区水资源监测和供需分析提供管理和计算平台,为灌区管理提供水资源优化分配和灌溉模式优选的决策支持．     

基于主机的Smurf攻击防御系统设计

Smurf攻击为DoS攻击中较为常见的一种.它利用TCP/IP协议自身的缺陷,结合使用IP欺骗和ICMP回复方法,导致网络严重的拥塞或资源消耗,引起目标系统拒绝提供合法服务,从而对网络安全构成重大威胁.该文在分析Smurf的原理和特征的基础上,提出了这种攻击的监测方法和防范技术,建立了一套较完善的Smurf攻击防范系统,并给出了系统的整体实现以及测试数据.     

移动agent在数字水印中的应用

数字水印是数据安全技术中最有发展前景的技术之一。但是如何有效地在大型网络中检测数字水印,是一个具有挑战性的问题。文中提出一种基于移动agent的数字水印模型。移动agent可以自动在网络中的主机间巡游,检测水印和收集证据,并可以在发现非法使用时采取相应行动。     

基于协调器与遗传算法的云存储数据复制策略

针对云存储数据过程,结合协调器与遗传算法提出一种新的数据复制策略。在Hadoop分布式文件系统体系结构基础上构建一个用于复制管理的协调器,采用接收查询算法和遗传算法接收查询,并将其发送给合适的节点以满足用户期望的服务质量功能需求,同时考虑一个查询中数据块的物理位置以获得更好的复制参数。仿真结果表明,与目前典型的数据中心选择和动态数据复制策略以及逐步删除和添加数据副本策略相比,该数据复制策略不仅优化了系统的负荷分配,而且具有更高的可用性和更小的延迟。     

移动agent在数字水印中的应用

数字水印是数据安全技术中最有发展前景的技术之一.但是如何有效地在大型网络中检测数字水印,是一个具有挑战性的问题.文中提出一种基于移动agent的数字水印模型.移动agent可以自动在网络中的主机间巡游,检测水印和收集证据,并可以在发现非法使用时采取相应行动.     

一种可靠性驱动的云工作流调度遗传算法

为了解决云环境中工作流调度的可靠性问题,提出了一种基于可靠性驱动信誉度模型的工作流调度遗传算法RDR-GA。算法以工作流执行跨度makespan与可靠性最优化为目标,设计了一种基于时间依赖的可靠性驱动信誉度模型,通过该模型可以有效评估资源可靠性。同时,为了寻找遗传最优解,算法设计了新的遗传进化和评估机制,包括：1)以进化算子对调度解中的任务-资源映射进行遗传进化;2)以两阶段MAX-MIN策略评估并决定调度解的任务执行序列。仿真实验结果表明,满足可靠性驱动的信誉度算法不仅能够以更精确的信誉度改善工作流应用执行可靠性,而且能够以比同类遗传算法更快的收敛速度得到进化更优解。     

基于Web的数据挖掘技术及应用

介绍了Web访问行为的数据挖掘,对Web数据挖掘的类型、数据源、过程及应用进行了研究和探讨,详细阐述了Web使用挖掘的挖掘原理和挖掘过程,可为实际应用参考.     

基于云科学工作流调度的代价与能效优化算法

为了降低云环境中科学工作流调度的执行代价与数据中心能耗,提出了一种基于能效感知的工作流调度代价最优化算法CWCO-EA。算法在满足截止时间约束下,以最小化工作流执行代价与降低能耗为目标,将工作流的任务调度划分为四步执行。首先,通过代价效用的概念设计虚拟机选择策略,实现了子makespan约束下的任务与最优虚拟机间的映射;其次,通过串行与并行任务合并策略,同步降低了工作流的执行代价与能耗;然后,通过空闲虚拟机重用机制,改善了租用虚拟机的利用率,进一步提高了能效;最后,通过任务松驰策略实现了租用虚拟机的能力回收,节省了能耗。通过四种科学工作流的仿真实验,结果表明,CWCO-EA算法比较同类型算法,在满足截止时间的同时,可以同步降低工作流的执行代价与执行能耗。