论文部分内容阅读
在实时系统中计算任务请求的响应时间具有重要意义,针对抢占阈值调度,给出了一个计算任务请求响应时间的公式。试验结果表明所给公式与采用模拟运行的方法相比具有计算量小、运行时间短的优点。
基于抢占阈值调度的周期任务请求的响应时间计算
【摘 要】
：
在实时系统中计算任务请求的响应时间具有重要意义,针对抢占阈值调度,给出了一个计算任务请求响应时间的公式。试验结果表明所给公式与采用模拟运行的方法相比具有计算量小、运行时间短的优点。
【机 构】
：
空军雷达学院,国防科学技术大学计算机学院
【出 处】
：
计算机应用研究
【发表日期】
：
2006年06期
【基金项目】
：
国家自然科学基金资助项目（60073003）
其他文献
基于ArcIMS9.0系统,并结合ArcXML、JavaScript等编程技术、数据库技术及空间数据库引擎ArcSDE,构建了雅安市旅游WebGIS系统。在WebGIS基础平台上,对雅安市旅游资源信息进行采集、存储、管理、分析和图形处理显示,并由图形、图像、文字和声音等多种形式综合展示。针对系统构建过程中遇到的一些主要问题提出了有效的解决方案。针对目前尚未有适合中国国情的地址编码方案问题,率先编制
三维模型的形状合成是计算机图形学和辅助设计的重要研究课题。借鉴三维模型的位移映射,提出一种形状创新方法,能够生成新颖的三维造型。包括四个部分:首先从特征形状源模型提取三维图案作为位移纹理的生成元素;其次根据宿主网格模型定义三维构图知识,包括构图坐标系类型和其他纹理映射参数;第三是宿主模型进行自适应剖分;最后根据三维图案和映射参数生成位移纹理并与宿主模型融合后生成新的三维造型。
提出了一种基于结构性信息的判断纹理块匹配误差的新方法:颜色—结构差异算法。该方法同时考虑了纹理块之间颜色误差和结构误差对纹理块相似性的影响,弥补了单纯考虑颜色误差的不足,保证了图像间结构信息的连贯性,从而更好地保证了合成后的纹理在视觉上的连贯性。
通过分析信息系统的风险,构建了不确定事件发生概率及其造成损失的层次化结构;将模糊综合评判与神经网络技术相结合的方法运用于信息系统的风险评估过程中,实现了系统风险的量化;最后,通过实例说明了算法的应用,并借助线性回归的方法检测了模型的有效性。通过该方法,不但量化了系统风险,而且将其运用于评估可行性方案集上,还能有效地实现风险控制策略的选择,实现风险的有效控制。
基于市场机制提出了一种以资源代理为基础、面向服务的网格资源管理模型———SBAGRM,在该模型的框架下提出了一种基于效用函数的网格资源分配方法,该方法以满足用户的QoS需求为出发点,旨在追求系统资源的全局最优化。SBAGRM模型可以避免非线性优化带来过高的计算复杂度,以市场模式根据效用函数配置资源,因此计算复杂度将大大降低,模拟结果显示性能明显提高。
网格计算中的资源是动态和异构的,常规的静态作业调度方法不适宜网格计算环境,对于网格计算中一类并行计算的有效执行有赖于网格资源(CPU和网络带宽等)与作业的有效匹配。提出了一种基于资源预测结果对作业进行调度的策略,首先阐述了网格主机负载预测的研究成果———IAR模型,并提出了一种预测网络带宽的工具———网络性能平面,利用资源预测结果构造了一种反馈作业调度模型并对一类基于时间平衡的作业进行实验。结果表
首先介绍Web Services的技术体系和优越性,随后介绍并比较了异构数据库集成的两种策略,即多数据库策略和联邦式策略。在此基础上,根据具体的实际需求提出了一种多数据库与联邦式数据库联合应用的异构数据库集成方案,在方案中区域内采用多数据库,各区域间采用联邦式数据库,并采用W eb Services进行分布式计算。
介绍了重叠区域问题中常用的找重策略以及插值方法,首先在找重策略方面引入基于网格的kd树数据结构,提高了找重的效率;在插值方法研究方面详细介绍了逆距离插值方法,并引入有限单元法中的型函数思想实现双线性/三线性插值,这种基于型函数的线性插值方法具有严格二阶精度、计算简单的优点。实验结果表明这些方法是非常有效的。
代码选择在编译器的代码产生阶段是一个十分重要的任务,它的目标就是在与机器无关的中间表示代码和与处理器相关的机器指令之间寻找一种高效的映射方法。为了支持DSP处理器的SIMD指令,在传统的基于数据流树中间表示的代码选择算法的基础上,提出一种基于数据流图(DFG)的代码选择技术,它能在最大限度地挖掘和利用SIMD指令的基础上寻求对整个DFG的最优覆盖。
遥感图像分类方法通常采用监督的学习算法,它需要人工选取训练样本,比较繁琐,而且有时很难得到;而非监督学习算法的分类精度通常很难令人满意。针对这些缺陷,提出一种基于K-means与支持向量机(SVM)结合的遥感图像全自动分类方法。首先使用K-means聚类算法对样本进行初始聚类,根据每类中样本数及其稀疏程度选取一些点作为标记的学习样本训练SVM分类器,然后用SVM对原始数据重新分类。Iris数据和遥