BIM 空间关系数据的云存储与检索方法研究

随着工程项目体量的增大,模型中存在的空间关系更加复杂多样化,现有的建筑 信息模型(BIM)数据存储和检索方式无法满足使用要求。为了提高 BIM 中大量空间关系数据的 存储和检索效率,通过集成 BIM 与云计算技术,提出了一种 BIM 分布式负载均衡集群方案, 在此基础上利用弹性搜索框架(Elastic Search)和图数据库Neo4j实现了IFC空间关系数据的云存 储和检索,为海量 BIM 空间关系数据提供一种高效快速的云存储和检索方法。     

基于N层向量空间模型的Web主题检索算法

本文在N层向量空间模型和主题树模型的基础上，通过分析两个模型的分层特性，提出了一种Web主题检索锋法。实验证明，在主题检索方面，该算法具有较快的速度和较高的查准率。     

一种基于KD-Tree的同位模式挖掘算法研究

空间同位模式挖掘是空间数据挖掘中一种重要的方法。空间同位模式是指在地理空间中,由于空间接近性而频繁的聚集在一起的空间特征的集合。提出了一种基于KD树的同位模式挖掘算法,算法可以分为两个基本步骤：邻域的确认和同位模式的剪枝过程。最后通过实验表明了算法的准确性与全面性。     

一种基于三支决策的云任务调度优化算法

云任务调度作为云计算体系的一个重要组成部分,其调度策略的效果直接影响到云平台资源利用率及用户服务质量。为解决当前云调度策略中Min-Min算法和Ma-Min算法容易因云任务分布导致负载不均衡、资源综合使用率低和任务总体完成时间较大等问题,提出一种基于三支决策的云任务调度优化算法(Cloud Task Scheduling Algorithm based on three-Way Decision, CTSA-3WD)。根据云任务的执行时间和计算资源的实际情况来标定任务集合中的轻负载任务和重负载任务。借鉴三支决策基本思想,根据两种任务在其任务集合中所占比例进行三支划分,有针对性地对划分后的3个任务集合设计合适的调度策略:针对轻负载任务占比高的任务集合,使用Max-Min算法;针对重负载任务占比高的任务集合,使用Min-Min算法;针对轻重负载任务接近的任务集合,采用基于Min-Min和Max-Min的改进任务调度算法。对分配完毕的节点中的关键资源进行重新调度,在满足总体完成时间减少的前提下选择最匹配的任务分配给轻负载资源。CloudSim仿真平台的实验结果表明,所提出的云任务调度优化算法...     

一种面向隐私保护的密文检索算法

针对移动云计算环境下数据外包所带来的安全问题,为了保证数据的安全性和密文检索的效率,通过改进传统的密文检索结构,增加私有云索引服务器以实现索引文件与密文文件的存储分离,并在此基础上提出了一种面向隐私保护的密文检索算法。考虑到移动设备的弱计算能力,算法采用对称可搜索加密的方式以减少计算开销,并以Trie树作为索引结构以提高检索效率,同时支持对检索结果排序。理论分析与实验结果表明,该算法能够实现对用户的隐私保护,并具有较好的存储空间和检索时间的性能。     

一种基于目录服务的分布式空间元数据检索方法

本文针对分布式异构空间数据共享中面临的应用问题,提出一种基于目录服务的分布式空间元数据检索方法。在构建分布式空间元数据目录服务实现框架的基础上,以空间位置划分为核心,建立分层目录结构为空间元数据提供逻辑层次的关联和组织基础,进而提出面向多目录服务器的组织方式来支持物理层次的空间元数据目录服务实施,实现了分布式环境下空间元数据的有效检索。     

一种异构云环境下的负载均衡算法

针对动态负载均衡算法在异构云环境中的任务迁移次数过多的问题,提出了一种最小化任务迁移次数的动态负载均衡(MMLB)算法。MMLB算法通过自适应阈值对虚拟机进行分组、任务选择算法最小化任务迁移的次数、任务调度算法优化任务分配实现了任务的再分配。将MMLB与WRR、HBBLB、LBF算法进行实验对比分析,MMLB算法在Makespan、平均任务响应时间、负载不均衡度等评价指标上表现更优,并且有效降低了任务迁移的次数。实验结果验证了MMLB算法的可行性和有效性。     

一种云环境下基于QoS约束的资源分配策略

由于资源非均匀分布以及硬件具有较大异构性,导致资源服务时效率不高。针对上述的不足,根据用户对资源的偏好,建立任务与资源的映射模型,设计一种低负载和低成本的资源分配策略,实现系统负载均衡。实验结果表明,该策略在满足Qo S约束的条件下,有效地提高资源利用率。     

一种基于存储过程的高效空间可视化检索算法

现有的GIS空间数据管理引擎对海量遥感影像数据库的数据管理和空间可视化检索存在效率低下的问题,该文在深入研究海量遥感影像数据库的空间可视化检索特点的基础上,提出了一种基于关系型数据库存储过程实现的高效的海量遥感影像数据库空间可视化检索算法,并对算法进行了多个级男日的性能优化。最后实验结果说明该算法具有高效性、稳定性和普适性。     

基于用户空间位置评分云模型的Web服务协同过滤推荐算法

Web服务作为无形的产品,不具备真实环境下的空间地理位置坐标,针对服务推荐中无法衡量用户群体与Web服务之间的距离位置关系,造成用户相似度计算失衡,导致推荐不准确等问题,提出了基于用户空间位置评分云模型的Web服务协同过滤推荐算法.首先基于用户群体的行为数据量化Web服务的热度区域,通过空间位置量化评分描述用户对于Web服务的兴趣偏好;其次利用云模型来描述每个用户空间行为评分的整体特征,设计了云模型间相似贴近度的计算方法,基于该方法提出了一种用户差异程度系数评估算法,并作为调控系数优化了皮尔森相似度量;最后通过协同过滤找出用户感兴趣的Web服务.实验结果表明该算法使得用户行为偏好的区域划分更加精确,在推荐准确率上明显提高,为基于位置的Web服务推荐提供新颖的方案.     

基于云环境的高效任务调度算法

高效的任务调度是云服务提供商高效处理业务并降低运营成本的关键。针对云环境下的任务调度问题,提出一种贪心模拟退火的新型算法。首先,利用贪心算法求出局部最优解,并用它来初始化所提新型算法的当前最优解及模拟退火算法的初始解;然后,采用模拟退火算法来不断更新当前最优解。实验结果表明,与传统调度算法相比,所提算法能够更快地达到全局收敛,并得到更加稳定的寻优结果,提高了寻优的质量和效率;同时,该算法不仅减少了总任务时间开销,而且使虚拟机的平均资源利用率稳定在99%以上,负载也更加均衡。     

基于社会力群智能优化算法的云计算资源调度

为了提高云计算资源的调度效率,提出了一种基于社会力群智能优化算法的云计算资源调度方法.首先将云计算资源调度任务完成时间最短作为社会力群智能优化算法的目标函数,然后通过模拟人群疏散过程中的自组织、拥挤退避行为对最优调度方案进行搜索,最后采用仿真实验对算法性能进行测试.结果表明,相对于其它云计算资源调度方法,该方法可以更快地找到最优云计算资源调度方案,使云计算资源负载更加均衡,提高了云计算资源的利用率.     

基于服务器集群的云检索系统的研究与示范

在研究云计算及移动搜索引擎的基础上,依据当前技术发展,提出了基于服务器集群的云检索系统模型,该模型由云信息层、云检索集群系统和用户查询框组成.对云检索集群系统中数据存储技术进行了深入研究,提出了分布式云检索数据存储方案.为了提高云检索执行效率,提出了以程序流为核心的云检索软件执行模式.该模型的测试结果表明,系统功能能正确实现,性能表现较好且稳定.通过该模型的示范,给海量信息检索技术提供了拓展思维的方案.     

基于空间信息的直方图图像检索

从具有同一灰度的像素角度出发,寻找空间分布差异,引入面积变量,构造了平均面积直方图,间接捕捉到色彩的空间分布特征,从而能够区别色彩分布相似但空间分布不同的图像,尤其适用于纹理丰富的图像的检索,获得了满意的效果.     

基于Hadoop的并行共享决策树挖掘算法研究

共享知识挖掘是指通过学习不同事物之间的共享知识,将学习到的知识应用到未知事物来加快认知未知事物。针对大数据集中串行共享知识挖掘算法效率低下的问题,结合云计算技术,提出了一种基于Hadoop的并行共享决策树挖掘算法(PSDT)。该算法采用传统的属性表结构实现并行挖掘,但 其I/O操作过多,影响算法性能,为此,进一步提出了一种混合并行共享决策树挖掘算法(HPSDT)。该算法采用混合数据结构,在计算分裂指标阶段使用属性表结构,在分裂阶段采用数据记录结构。数据分析表明,HPSDT算法简化了分裂过程,其I/O操作是PSDT的0.34左右。实验结果表明,PSDT和HPSDT都具有良好的并行性和扩展性;HPSDT比PSDT性能更好,并且随着数据集的增大,HPSDT的优越性更加明显。     

一种基于实测的自动负载建模算法

负载平衡是影响大规模并行计算效率的一个关键因素,准确的负载建模是负载平衡的基础.提出了一种基于实测的自动负载建模算法.该算法无需用户提供信息,具有良好的理论保证以及近似线性的计算复杂度和完全的并行性.2400个进程上的分子动力学模拟表明,该算法执行速度快,同时能够保证60％以上的负载平衡效率.     

云计算环境下分布式文件系统的负载平衡研究

在云计算环境下,文件以块的形式分布在文件系统中。然而系统状态的更新,如节点加入和离开,会导致文件块在系统中的分布不均衡,从而对系统执行的任务产生性能上的影响。针对该分布式文件系统的文件分布不均衡问题,提出了一种完全分布式的负载平衡算法,并采用了仿真实验对所提出的算法与集中式和分布式的负载均衡算法进行了对比。结果表明,该算法在解决了集中式算法的单点瓶颈的基础上只增加了少量的额外开销,其性能明显优于分布式的负载均衡算法。     

云计算和多维QoS环境中基于蚁群优化算法在虚拟机资源负载均衡问题中的研究

针对云计算环境中虚拟机资源负载均衡问题,并为实现云计算下虚拟机资源负载均衡高效调度以满足用户的QoS需求,提出了一种基于多维QoS实现负载均衡的虚拟机资源调度方法。首先,在云计算环境下建立多维QoS网络环境的数学模型;然后,提出一种基于蚁群算法的优化算法,用于实现云计算环境中虚拟机资源高效调度;最后,在云仿真平台CloudSim上进行仿真实验。实验结果表明,相对于其他资源调度算法,所提算法能高效解决云计算下虚拟机资源调度问题,减少虚拟机资源负载均衡离差,具有更好的性能,能完全满足云计算下和多维QoS环境下虚拟机资源负载均衡的需求。     

一种基于虚拟化托管框架的浮动车数据弹性云计算算法

针对大规模浮动车数据（FCD）进行弹性计算等关键性算法研究,在分布式并行处理的基础上,通过虚拟化托管框架,实现FCD弹性计算处理系统及FCD实验平台,该平台不仅能够对浮动车数据处理,还能通过适配处理遥感影像数据等。通过北京市实际浮动车数据集和路网数据测试,实验结果表明,不仅处理效率得到较大幅度提升,并且通过负载均衡优化,进一步降低处理时间,在此基础上,根据任务紧急重要程度,以及虚拟化资源情况,调度合适的计算单元,可实现弹性计算能力,验证该算法的有效性,更好地解决大规模复杂空间数据运算的效率问题。