利用结构化对等网络构造计算资源共享平台

来源 :计算机应用研究 | 被引量 : 2次 | 上传用户:xiaohan191420
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
设计和构建了一个基于结构化对等网络的计算资源共享平台DHT-CRSP。它可以把因特网上用户提交的科学计算作业高效地映射到平台中合适的工作节点上运行,通过容错和安全机制,能保证系统的可靠性和正确性。描述了DHT-CRSP中支持的两种分布式哈希表:Chord协议节点树和CAN协议空间区域;分析了DHT-CRSP中高效的资源匹配算法。通过构建评测环境,运行各种负载与作业场景下的结果表明,DHT-CRSP系统可以获得好的负载均衡性能、低的资源匹配代价,它提供了一种构建高性能的桌面网格平台的新思路。
其他文献
针对现有的权值函数采用人为指定的核函数,难以准确地反映图像复杂处像素间的色度相似关系,提出了利用自然彩色图像特性构建权值函数的方法。根据自然图像的像素在RGB空间的分布特征,提取出色度与灰度的局部线性关系,并利用其作为先验知识结合最小二乘法推广至整幅图像,进而获得一种新的权值函数。该权值函数能将相近的两像素间的灰度差异、位置差异及周围像素的灰度分布统一到色度相似程度的计算中。实验结果表明,该权值函
提出一种带OCL约束的状态图测试线索的自动生成方法。该方法自动解析类图和带OCL约束的状态图的XML模型文件,获取相应的状态节点邻接表,再结合状态对—事件约束集合生成带OCL约束的测试线索。实例研究表明,通过OCL约束冲突判断可避免不可行测试线索的生成,减少测试用例数目,达到降低测试成本的目的。实验结果证明了该方法的可行性和有效性。
详细分析LEACH协议,针对LEACH协议随机产生簇头导致网络中出现局部区域簇头分布不均、簇的规模不一、整个网络能耗不均衡、网络寿命缩短等问题,提出了一种聚类区域自适应调整的WSN能耗均衡分簇算法。在算法的选举簇头阶段,将节点剩余能量、备选簇头与邻居簇头的间距相结合作为判据参数;在成簇阶段,将节点预加入的簇头到基站的距离考虑在内,比较多个数据流向,采用节能最优路径策略。仿真结果表明,该协议能够有效
混合无线传感器网络中的覆盖洞修补通常由网络内的移动传感器移动实现。现有文献中的算法只关注最小化所有移动传感器的移动能量消耗或最小化所有移动传感器中的最大能量消耗中的一个。为此,首先提出一种同时实现前述两个目标的离线算法,其次提出一种双目标的覆盖洞在线修补算法。双目标离线算法基于两个单目标算法的结合。双目标在线算法基于分层分离树上的在线匹配,能有效降低匹配开销。在线算法中感应区域的单元分隔摆脱了算法
基于雾会降低图像对比度以及边界模糊的实际情况,提出一种基于颜色空间的单幅图像去雾算法。首先计算每个像素在RGB颜色空间中距离灰阶线(原点与点(255,255,255)所确定的直线)的距离,确定深度图像;然后根据灰阶线距离计算每个像素在颜色空间中的新位置,进而获得去雾后的图像。算法具有良好的实用性和并行计算可行性。实验结果表明:算法显著增强了图像的对比度、颜色饱和度等,具有良好的去雾效果。
针对现有的孤立点检测算法在通用性、有效性、用户友好性及处理高维大数据集的性能还不完善,提出了一种快速有效的基于层次聚类的全局孤立点检测方法。该方法基于层次聚类的结果,根据聚类树和距离矩阵可视化判断数据孤立程度,并确定孤立点数目。从聚类树自顶向下,无监督地去除孤立点。仿真实验验证了本方法能快速有效识别全局孤立点,具有用户友好性,适用于不同形状的数据集,可用于大型高维数据集的孤立点检测。
为了研究电力网络中级联故障产生的机理,提出了一个含能量耗散和容量扩充的级联故障模型,并用元胞自动机方法进行模拟。结果显示,在能量耗散和容量扩充这两种因素的驱动下,系统能够达到自组织临界状态。该模型较好地解释了电力系统中出现的自组织临界现象。此外,还进一步研究了级联故障的控制措施,结果发现,通过对系统中的重要节点进行控制并采取适当的分流策略,能够大大降低级联故障的规模。
针对含有缺失数据的无线传感器网络数据融合问题,提出了一种简单易行的二次数据融合算法(TFA)。考虑到感知数据的时—空相关性,对缺失数据进行线性插值插补和回归分析插补,对插补结果利用线性组合融合算法进行融合。综合考虑各节点的信息,利用自适应加权融合算法进行融合。实验结果表明,该算法在含有缺失数据的前提下,能够以较低的计算开销和较高的估计精度实现数据融合。
为了提高基于行为描述的服务组合方法的易用性和效率,首先对服务和服务请求进行建模;然后使用一个三层图模型组织服务之间的关系,并基于这个三层图模型提出一种快速易用的服务组合方法;最后通过实例说明了该方法的组合过程,并从理论上分析了该方法的时间复杂度。理论分析显示该方法具有较好的效率。
提出一种基于多尺度稀疏表示的场景分类框架。首先从图像中提取多个尺度的局部特征,然后利用稀疏编码为每个尺度的特征单独学习相应的过完备字典;在图像表示阶段,为图像各尺度上的局部特征依据与其对应尺度的字典进行编码,并按照空间金字塔表示方法和特征各维最大汇总(max pooling)对各尺度上的特征编码分别汇总;最后将不同尺度上汇总的特征串接,形成对图像最终描述的全局向量。在三个常用标准场景库上的分类结果