一个可靠的集群簇/网格监控系统

以开放源代码的Ganglia为基础设计和实现了一个具有更高可靠性的集群簇／网格监控系统，该系统能够抵御汇集节点和与之相连的线路的失效。并对可靠性的设计、定量分析与实现，性能的理论分析与实际测试作了论述。理论分析和实验都表明，系统的实现在几乎没有牺牲性能的情况下，取得了更高的可靠性。     

运用Jbuilder和Weblogic进行J2EE应用开发

企业目前十分关注加速应用软件推向市场的时间。Jbuilder9．0是一个成熟的功能齐全的Java应用程序和J2EE组件集成开发环境，它与市场领先的应用服务器Weblogic8．0的无缝连接，能够大大提高企业级系统软件开发的效率。文中介绍了如何运用Jbuilder和Weblogic开发基于J2EE的应用系统的方法，并给出了一个应用例子。在该应用中采用了前端 SessionBean CMP的多层开发模式，取得了较满意的效果。     

集群资源管理系统PBS及其应用

集群技术已经成为高性能计算的主流方向,集群资源管理系统的好坏直接影响到集群系统性能的发挥。文中简单介绍了几种主流的集群资源管理系统,重点介绍了PBS资源管理系统的组成、功能,给出一个应用实例,并针对网格研究的发展,指出集群资源管理系统今后应该加强资源的动态加入退出、作业的迁移、资源使用的计费和安全问题的研究。     

基于K-means++的多视图点云配准技术

针对大规模点集可能存在噪声、离群点及遮挡等情况,提出一种基于K-means+〖KG-*3〗+的多视图点云配准方法。首先,利用K-means+〖KG-*3〗+算法的随机播种技术对下采样后的多视图点集选取初始化的质心,并根据算法的基本原理完成聚类;其次,将点云数据存入K-D树结构,并利用最近邻搜索算法建立点集间的对应关系,从而提升对应点集的搜索效率;最后,通过迭代最近点算法依照扫描顺序计算各视图聚类得到的点云数据与所有视图间的刚性变换参数,将成对配准造成的误差均匀扩散到每个视图中,直至获得最终配准结果。在Stanford三维点云数据集上进行实验的结果表明,本文提出的方法比近年的部分多视图配准算法具有更高的配准精度及鲁棒性。     

基于多特征的个性化图书推荐算法

现有推荐算法计算读者之间或图书之间的相似性不准确、推荐精确度不高。为此,提出一种基于多特征的个性化图书推荐算法。根据中图分类法及图书的特征向量计算图书的相似性,依据读者的特征向量及借阅记录计算读者的相似性。在此基础上产生2种预测结果并对其进行加权,产生最终推荐。实验结果表明,该算法具有较高的图书推荐精确度。     

基于ProActive的P-Spider1.0改进

针对带中心节点结构的分布式并行Web Spider的中心节点负担过重、通信负载不均衡、可扩展性差的问题,提出基于Rabin指纹算法的URL去重改进算法和节点对等结构的改进方案,利用ProActive中间件设计开发改进的分布式并行Web Spider。对比实验表明,改进后的Web Spider采集效率更高,通信负载均衡,无节点瓶颈问题,具有良好的可扩展性。     

Nutch中网页排序效果的改进方法

Nutch是一个Java实现的开源搜索引擎。针对目前Nutch对中文进行单字切分且没有实现PageRank计算的缺点,改进PageRank算法,设计并实现基于MapReduce的PageRank计算方法,对Nutch中文分词进行改进,加入JE中文分词器。实验结果表明,改进后的Nutch具有更高的查询结果准确率和中文网页排序效果。     

融合PSO与ACS的网格资源分配研究

资源分配和任务调度是网格计算的一个关键问题之一。提出一种融合离散粒子群优化算法和蚁群算法的新型算法来解决网格资源分配问题。该算法通过在粒子群算法中引入蚂蚁算法,可有效克服粒子群算法后期的局部搜索能力差和蚁群算法前期盲目搜索的缺陷。理论分析及模拟实验表明该算法具有良好的性能。     

基于ProActive的网格应用程序开发方法

介绍了基于Java的并行分布中间件工具ProActive,结合网格任务调度器,讨论和给出了用ProActive开发网格和网络应用的方法和过程。实践表明使用ProActive可以方便的开发网格网络应用程序。     

结合空间注意力机制与光流特征的微表情识别方法

针对微表情运动的局部性问题,提出一种将深度学习的空间注意力机制与微表情光流特征相结合的微表情识别自动方法.首先,采用帧差法识别缺少峰值帧标记的微表情样本的峰值帧;然后,利用TV-L1光流法提取微表情起始帧与峰值帧之间的光流水平、垂直分量图,并根据光流的水平、垂直分量图导出对应的光流应变模式图;将3个光流图以通道叠加的方式连接起来,构成微表情的光流特征图;最后,在Inception模块搭建的卷积神经网络中设计了一种包含可学习参数的空间注意力单元,使模型在特征提取过程中能够更加关注存在微表情运动的区域.在空间注意力单元中利用3?3和7?7这2种大小的卷积核进行空间注意力的推断,使模型能够综合地考虑不同尺度卷积核的注意力推断结果.实验结果表明,该方法在MEGC2019综合微表情数据集上的识别准确率达到0.788,优于已有的微表情识别方法.