【摘 要】
：
边缘云环境中,为改善任务执行效率和移动客户端能效,以最小化执行时长和降低移动端能耗为目标,提出一种工作流调度与卸载决策算法PCTSO。依据工作流任务的结构层次,设计基于优先级的待调度任务选择机制;设计基于连续任务选择的卸载机制,验证连续依赖型任务的整体卸载可以更有效利用边缘云服务器资源,提升任务执行并行度。利用随机工作流结构和Montage科学工作流进行仿真实验,其结果表明,该算法在满足能量约束的同时,可以进一步提升多工作流的调度效率,降低执行时长。
【机 构】
：
黄河科技学院现代教育技术中心,郑州轻工业大学软件学院
【基金项目】
：
国家自然科学基金项目(81501548),河南省科技攻关基金项目(182102310216),河南省民办高等学校品牌专业建设基金项目(ZLG201903)。
论文部分内容阅读
边缘云环境中,为改善任务执行效率和移动客户端能效,以最小化执行时长和降低移动端能耗为目标,提出一种工作流调度与卸载决策算法PCTSO。依据工作流任务的结构层次,设计基于优先级的待调度任务选择机制;设计基于连续任务选择的卸载机制,验证连续依赖型任务的整体卸载可以更有效利用边缘云服务器资源,提升任务执行并行度。利用随机工作流结构和Montage科学工作流进行仿真实验,其结果表明,该算法在满足能量约束的同时,可以进一步提升多工作流的调度效率,降低执行时长。
其他文献
针对大型网络中社区发现优化方法的效率问题,提出一种局部社区发现方法(LRW-LSA),从少量种子节点中识别本地社区的所有潜在社区成员。采用限制性随机游走进行采样处理,从种子节点出发得到一个相对较小的子图;利用种子的归一化指示向量对子图进行Lanczos迭代,得到相关节点与目标社区的隶属概率用以恢复出目标社区。在不同领域的真实数据集和合成数据集上进行实验,结果表明,LRW-LSA优于现有的社区发现方法。
针对网络攻击检测准确率较低的问题,提出基于人工神经网络和遗传算法的混合网络攻击检测算法。将多目标遗传算法和多项式逻辑回归模型组合成封装特征选择算法,利用多项式回归模型对多分类数据的高效学习能力以及多目标遗传算法的全局优化能力,提取数据的最优特征子集;将降维后的特征集送入感知机训练,利用重引力搜索算法搜索神经网络的参数。基于不同的网络数据集完成实验,实验结果表明,该算法有效降低了特征维度,实现了较好的检测性能。
提出数字语音信号的FDCR(frequency domain coefficient residuals)特征,分析该特征对信号处理操作的鲁棒性和恶意攻击的脆弱性。将语音信号分帧、帧号映射为二进制的水印序列,通过量化FDCR特征的方法将水印嵌入到载体信号中。提取端通过判断提取帧号是否完整来对各帧内容进行取证,篡改定位。实验结果表明了该算法的不可听性、鲁棒性以及对于恶意攻击的篡改定位能力。
为提高k-modes算法的精度并解决初始簇中心选择问题,提出一种基于簇内簇间相异度的k-modes算法(IKMCA)。基于簇内簇间相似性对相异度系数进行改进,给出初始簇中心自主选择的具体方法。提出的簇内簇间相异度系数考虑特征值本身的相异性与其它相关特征对它们的区分性。提出的初始簇中心自主选择方法可以自动确定聚类个数和初始簇中心位置。实验结果表明,提出算法在聚类精度、纯度、召回率上均优于经典k-modes算法及其变体算法。
早年我由中国美协派遣去巴黎国际艺术城交流访问及举办画展,历时三个月,后来又去了一个多月。两次在巴黎期间,我对巴黎的城市建设及环境艺术进行了考察,巴黎的古建筑保护及新区建设给我留下了非常深刻的印象,尤其是位于巴黎主轴线西端的拉德芳斯(法语:La Défense)的环境艺术。拉德芳斯是十九世纪末才完工的一个集办公、商业休闲等功能的大型城市综合体,里面高楼林立(图1),和巴黎主城区看到的城市景观基本上都是低矮的古建筑完全不一样。
为解决Elastic Search大数据环境下的网络安全交互式分析场景中存在的原生DSL语言语法复杂、多个索引间的关联能力较弱等问题,研究并构建基于Elastic Search的网络安全交互式分析系统。通过一种新的语言CSIAL来简化网络安全分析的操作,利用语句的解析结果去调用相应API来实现对网络安全相关数据的基本查询与分析,通过一定方法扩展Elastic Search所不具有的子查询、连接查询等功能,对连接过程进行优化,实现介于安全分析人员与数据之间的交互式分析桥梁。实验结果验证了该方法的有效性。
针对复杂场景中交通标志被遮挡,用单一模型特征提取方法获取的图像信息不充分的问题,提出一种复合胶囊网络的交通标志识别方法。将残差网络中的多尺度思想引入胶囊网络卷积层,在主胶囊层中加入双通道池化,对动态路由算法的计算方式进行优化,提高特征提取的效果和预测值的输出概率。在GTSRB数据集上的测试结果表明,改进后的复合胶囊网络识别精度达到99.21%,相对于其它识别算法性能有所提升,验证了该模型的有效性。
针对现有去雾方法计算成本高、色彩失真及去雾不彻底等问题,提出一种结合瑞利散射理论与暗通道先验的单幅图像快速去雾算法。对瑞利散射理论进行研究,设计一种简单而有效的改进大气光估算方法;建立暗通道先验模型,对初始透射率图进行估计,采用线性高斯滤波器对初始透射率图进行平滑处理;通过大气散射模型恢复无雾图像。通过户外模糊图像的定性和计算复杂度实验,将实验结果与其它算法进行比较,验证了所提算法的处理速度明显优
作为以实践为主导的学科,设计学的跨学科属性备受关注,其教育模式与学科边界也一直是学界所探讨的热点问题。通过促进“超学科”人才培养模式体系框架的建构,能够推动以问题为导向的跨学科背景下的设计学教育研究。在对全球范围内多所在设计创新教育中较有代表性的高等院校人才培养模式进行比较研究的基础上,以湖南大学设计艺术学院为例证,对面向国家重大战略与产业升级下的“新工科·新设计”设计学人才培养模式进行梳理。
针对传统空调压缩机故障诊断工况信号采集困难的缺点,提出一种基于学习矢量量化(learning vector quantization,LVQ)神经网络的空调压缩机声纹识别模型用于空调压缩机故障诊断,将声纹识别技术引入压缩机故障诊断。对压缩机的声音数据进行预处理,包括预加重、分帧、加窗,在分帧步骤中针对压缩机的声音特性进行改进,通过计算声音信号的梅尔倒谱系数(Mel frequency cestrum coefficient,MFCC)得到压缩机声音的特征向量。在模型训练阶段,重点分析原始的LVQ算法和改进