【摘 要】
：
近年来,物联网技术发展迅速,智能终端设备不断增多,网络边缘产生的大量数据使得传统的云计算中心不能对海量流式物联数据进行高效处理,应用进行数据处理的实时性很难得到保障。为了应对上述挑战,出现了边缘计算以及边云协同的数据处理技术。为此本文基于边云协同技术,对物联网环境下流数据处理服务的运行优化方法展开了研究。论文的主要工作包括:1.针对如何减小边云传输的数据量,提出了一种在约束条件下的基于FF（For
论文部分内容阅读
近年来,物联网技术发展迅速,智能终端设备不断增多,网络边缘产生的大量数据使得传统的云计算中心不能对海量流式物联数据进行高效处理,应用进行数据处理的实时性很难得到保障。为了应对上述挑战,出现了边缘计算以及边云协同的数据处理技术。为此本文基于边云协同技术,对物联网环境下流数据处理服务的运行优化方法展开了研究。论文的主要工作包括:1.针对如何减小边云传输的数据量,提出了一种在约束条件下的基于FF（Ford-Fulkerson）算法的任务卸载方法。该方法将流数据处理服务抽象为“流图”的形式化表示,在资源约束下建立了流数据处理服务的资源模型,通过FF最小割算法对流图进行切割。由于切割结果可能存在多种切割方式,本文与边云资源相结合,选择了一种切割方式,之后分别提取了边缘执行任务子图及云端任务子图,减少从边缘执行的任务子图到云端任务子图的数据传输量从而降低服务时延。2.针对如何优化任务调度的问题,提出了一种基于鸽群启发优化算法（Pigeon-inspired Optimization,PIO）的DACBPIO调度优化算法,通过将DAG任务调度问题进行分治,避免了任务分配时依赖关系对算法的影响。通过提高单次划分任务的资源利用率,优化了整体资源利用率,进而使得边云协同的服务运行速度得到改善。3.通过实验及原型系统进行评估分析与验证。仿真实验结果证明了上述方法在一定程度上的有效性,并设计实现了基于边云协同的流数据处理服务运行优化原型系统。
其他文献
近年来,目标识别技术已经随着深度学习的发展逐渐成熟,智能家居与时尚行业的兴起为基于计算机视觉的衣物识别提供了新的舞台。在居家环境中使用目标识别网络进行衣物识别,在对人身着的衣物类别进行有效的判断的基础上,预估家居环境中的舒适温度、湿度以及空气流通范围,然后输出预测信号给空调等家电来进行相应调节从而保证人体始终处于一个适宜的居家环境中。因此,智能家居场景下的对目标识别的精度和速度都具有很高的要求,又
近年来,人脸识别技术因使用方便在日常生活中被广泛应用,但是人脸信息易被他人获取制作成伪造人脸,非法用户使用伪造人脸攻击人脸识别系统,对用户信息安全造成了极大的隐患。当前已有的人脸活体检测算法随着攻击手段的不断变化,检测能力逐渐下降,人脸识别系统的安全性面临严峻挑战。针对照片攻击、视频重放攻击和面具攻击,本文将人脸运动特征与深度学习相结合,提出了高准确率的人脸活体检测算法,解决了当前人脸活体检测算法
随着选择地铁出行的人越来越多,为了保障旅客的安全,对地铁站内客流量进行实时准确监测变得尤为重要。不同于其他露天场景,高峰期时地铁站内客流量大,同时站内视频采集设备安装位置较高与视频采集角度问题,导致了视频监控内的行人目标的像素较小,检测难度较大,本文提出多尺度加权特征融合网络,实现地铁客流量的精准实时监测。主要贡献包含以下几点:1.数据预处理:本文提出了一种基于过采样的小目标增强算法,整个数据集中
随着科技的发展,人工智能技术在生活中的应用越来越广泛,其中的难点便是如何使机器能够正确地理解人类的语言。机器阅读理解任务的目标是教会机器做阅读理解,使计算机具有和人类一样的理解文章的能力。现有的机器阅读理解方法往往在文章、问题和候选答案之间使用注意力机制来得到相应的向量表示。然而,单一的注意力机制仍有一定的不足,它可能对某些词语过于关注,也可能会忽视某些有用的词语。这会导致它在对文章、问题和候选答
近几年,人工智能技术飞速发展,各种对话系统得到了广泛的研究和应用,特别是在特定领域内的对话系统,比如在航空出行领域,可以应用于机票预定和航班的查询等服务中,减轻企业的负担,降低运营成本,具有极其重要的研究和应用价值。自然语言理解是对话系统的核心模块,其目的是提取出句子中的用户意图和与意图相关的重要语义信息,并将其表示成计算机能够理解的结构化形式。在特定领域类,自然语言理解可以拆分成两个子任务,即意
随着互联网的不断发展,数据过载问题日益明显,用户很难从海量网络数据中获取自己感兴趣的部分,为了解决这类问题,产生了搜索引擎和推荐系统两种工具,其中推荐系统有着更多的新颖性和主动性,因此更受学术界和企业界的关注。一个好的推荐算法可以根据用户的历史数据,准确地分析出用户偏好,进而产生独一无二的推荐列表。为了直观获取用户喜好,大部分的推荐算法采用显式评分进行分析,但这类数据一般不容易获取并且不能保证真实
实际场景中的交通多目标航迹提取面临着目标个数时变、目标运动模型未知和杂波密集等诸多挑战。在现已发展出的各种多目标跟踪算法中,基于随机有限集的多目标跟踪算法可以避免复杂的数据关联,并且带标签的随机有限集跟踪模型通过为目标添加标签实现了目标航迹的提取,基于此而发展出的广义标签多伯努利滤波算法（δ-Generalized Labeled Multi-Bernoulli filter,简称δ-GLMB）的
随着互联网时代的到来,搜索引擎开始被人们普遍使用。在信息检索任务中,针对冷门查询时,由于用户的搜索词范围过小,导致搜索引擎无法检索出需要的数据,从而降低了用户的使用体验。此时查询优化系统可以有效辅助搜索引擎以提供可靠服务。常见的查询优化方法包含查询扩展与查询推荐两种,查询扩展可以根据用户的原查询内容进行扩展,并将扩展后的所有信息融入信息检索系统,从而提高系统的查全率。查询推荐可以根据用户输入的原查
随着大数据时代的到来,诸多行业都提出了众多大数据应用需求。其中,有很多的大数据应用需求相对简单、功能类似,通常可表达为一系列可复用大数据计算单元的组合。针对这种情况,具有较好灵活性和简便性的服务组合技术被应用到具有流程化、功能可复用特点的大数据应用开发工作中。这种思路下,大数据应用可以被表达为以大数据处理相关服务为核心构成的服务组合模型,并通过服务组合引擎对模型的解释执行来实现应用功能。服务组合引
随着信息科学技术的高速发展和各类移动终端设备的不断更新换代,条码技术因可靠性高、信息容量大、纠错能力强、制作成本低等优势,在电子商务、物流管理、手机支付、城市交通等多个领域展现出较高的应用价值。然而,随着二维码的广泛应用与深入发展,隐私泄露、病毒传播、个人财产损失等安全问题也随之爆发,引起了国家与社会的高度重视,如何实现条码信息的高效安全传输也成为当前的重点研究课题之一。因此,本文就彩色条码的传输