一种基于树型结构的P2P系统高维数据检索方法

来源 :计算机应用研究 | 被引量 : 8次 | 上传用户:Empty0
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
P2P中基于DHT的路由算法不支持范围查询,因此对高维数据查询的支持不是很好。当前P2P处理高维数据的主流方法是降维和空间填充技术,但两者均有很明显的缺点。针对这些问题,提出一种将树型结构——Baton树应用于高维数据检索的方法,操作简单,无须降维,且支持范围查询。经过实验证明,查询的时间复杂度达到O(log2n),与Baton树在检索一维数据时的效率相同。树型结构可以增加子节点数量,通过增加扇出的方式,减少时间开销,理论上可以使时间复杂度降低为O(logmn)。
其他文献
针对一类具有离散时滞和参数范数有界的不确定性中立联想记忆神经网络的全局渐近鲁棒稳定性问题进行了研究。通过应用范数理论和矩阵不等式分析方法,并构造合适的Lyapunov-Krasovskii泛函,推导出了与时滞无关的新稳定性判定准则,用于保证神经网络的平衡点是全局渐近鲁棒稳定的。该准则中包含的未知参数少、计算复杂度低,易于验证。仿真算例验证了新判定准则的有效性。
提出了一种新的基于边缘分类能力排序准则,用于基于排序聚集(ordered aggregation,OA)的分类器选择算法。为了表征分类器的分类能力,使用随机参考分类器对原分类器进行模拟,从而获得分类能力的概率模型。为了提高分类器集成性能,将提出的基于边缘分类能力的排序准则与动态集成选择算法相结合,首先将特征空间划分成不同能力的区域,然后在每个划分内构造最优的分类器集成,最后使用动态集成选择算法对未
一型模糊粗糙集可以直接处理连续属性集,但不能处理高度不确定性数据,而区间二型模糊集可以增强系统处理不确定性的能力。为了提高处理噪声数据的精确度,在一型模糊粗糙集的基础上,定义区间二型模糊粗糙集。基于区间二型模糊粗糙集模型研究了连续域决策信息系统的属性约简,通过紧计算域给出了新的约简算法。由于拒绝变量集合的存在,提出的约简算法可在有限时间内收敛,并且得到了更加合理的结果。数值仿真验证了约简算法的可行
针对容迟与容断网络中的单播通信问题,提出了一种自适应感知路由协议(adaptive context aware routing protocol,ACRP);并引入卡尔曼滤波理论,给出最优的消息轮渡节点选取策略。仿真实验表明,与常见的单副本拷贝或多副本拷贝协议相比,提出的面向情境感知的自适应路由协议拥有更好的传输性能和稳定性。
如何合理地分配云计算资源一直都是研究的热点。建立云计算环境下的资源调度模型,通过人工萤火虫算法个体最优与云计算节点资源分配对应起来,在算法中引入高斯变异算法,通过与经典函数比较,优化后的算法在搜索精度上以及收敛速度上有了很大的提高。通过在Cloud Sim平台上与经典智能算法的比较,该算法能够有效地提高云计算中的资源调度性能,缩短任务完成的时间,提高系统整体处理能力。