基于负载特征聚类的节能资源调度算法

基础设施即服务(IaaS,Infrastructure as a Service)平台提供商为用户提供高性能服务的同时,必须考虑如何在不违反服务级别协议(SLA,Service Level Agreement)的前提下,节约云平台的能耗成本.采用基于负载特征聚类的方法,提出一种IaaS云平台上保证SLA的资源调度算法,最终实现降低SLA违反率和节约能耗的目标.具体采用能耗相关的负载特征提取和改进K-means聚类分析的研究方法,进行资源调度算法研究,对物理资源进行有效分配,以保证IaaS平台节约能耗的要求.实验验证方面,通过扩展CloudSim模拟实验平台,对本研究算法与改进BFD(Best Fit Decreasing)算法进行比较,得出本研究算法在SLA违反率和节能方面更优.      

电离层周日变化对解算GPS硬件延迟稳定性的影响

针对电离层周日变化特征分析了其可能对SCORE方法估算的硬件延迟稳定性的影响. 利用BJFS以及XIAM台站的GPS观测数据, 解算了位于太阳活动高年(2001年)和太阳活动低年(2009年)的卫星硬件延迟并分析了估算的硬件延迟的稳定性. 研究发现, 电离层周日变化对估算的硬件延迟稳定性具有一定影响, 但是利用不同台站所得到的卫星硬件延迟稳定性在昼夜不同时间上的解算结果存在一定差异. 电离层周日变化对利用 BJFS台站数据解算的硬件延迟稳定性日夜差异较为明显, 在太阳活动高年利用XIAM 台站数据解算的硬件延迟日夜稳定性差异不很明显, 由于XIAM台站处于电离层赤道异常峰附近, 夜间电离层变化很大, 因此对比中纬度地区, 电离层周日变化对赤道异常峰附近地区硬件延迟稳定性解算结果的影响相对较小, 但在太阳活动低年, 其影响仍较为显著.      

祥和扎龙

<正>在黑龙江省西部,嫩江的乌裕尔河下游,有一处世界重要的湿地,千百年来少有人走进深处,这里生息着近百种珍贵鸟类。正是出于对它的好奇和珍重,十几年来我多次从大庆或齐齐哈尔不同方向走进这片浩瀚的湿地,湿地中飘若天仙的丹顶鹤及湿地中的养鹤一家人,给我无尽的奇妙感受。中国现有国家级湿地保护区10余个,其中位于齐齐哈尔东南部及大庆西北部之间的扎龙国家级湿地保护区属丹顶鹤主要繁殖地,是丹顶鹤的故乡。每年3月中旬前后,随着气候转暖,黄河三角洲和我国南方的绝大部分丹顶鹤种群历经数日征程,又会迁回到繁殖地扎龙筑巢繁衍。     

GPS信号的电离层延迟误差及改正

详细论述了电离层对GPS信号的延迟误差,讨论了修正电离层延迟误差的相对定位、延迟模型改正方法,分析和比较了双频观测量和三频观测量电离层延迟误差改正方法。     

流数据复杂聚类查询处理算法

流数据上的连续查询,尤其连续聚类查询是流数据处理研究的难点.草图算法能够计算流数据上等值连接大小的高精度近似值,而直方图算法能够较精确地统计流数据的分布.本文结合这两种算法的优势,提出了一种能够高效处理流数据上复杂聚类查询的算法.理论和实验结果表明,该算法具有较高的精度和较小的空间复杂度.     

小波聚类算法在本科招生生源质量分析中的应用

招生是高校人才培养工作的首要环节,生源质量的好坏直接关系到高校的人才培养质量.随着我国高等教育招生制度的改革、发展和完善,自主招生越来越受到高校的重视,优质生源的竞争日趋激烈.本文将小波阈值方法引入到数据的聚类分析中,建立了一种新的数据挖掘模型并应用到在校学生学习成绩信息的分析研究中,对建立科学的本科招生生源质量评价体系进行了初探,分析结果对高校招生管理工作起到了科学指导和辅助决策作用.     

基于光纤智能夹层和模糊RBF神经网络的飞行器载荷识别

为了更好地保障航空飞行器的安全,提高飞行器的可靠性,提出了一种通过性能参数稳定的光纤智能夹层采集数据,并且结合模糊RBF神经网络对机翼盒段载荷进行识别实验的方法.该方法融合了模糊理论和神经网络各自的优点,通过改进的模糊C均值聚类(FCM)聚类算法删除冗余的规则以进行规则的优化,能自适应地从学习样本数据中提取相应信息,实时地进行载荷辨识.从仿真结果可以看出:该网络模型具有学习时间较短、学习速率较快和精度较高等优点.     

GNSS-IR双频数据融合的土壤湿度反演方法

目前全球导航卫星系统反射信号干涉测量（GNSS-IR）土壤湿度反演研究仅针对单一频点展开,提出用熵值法将2个频点数据进行融合以改进土壤湿度反演精度。首先,利用频谱分析法分别解析出各频点的信噪比（SNR）序列的振荡频率,计算出对应的等效天线高度,并利用最小二乘法求解各频点信噪比序列相位;然后,通过熵值法进行2个频点的相位观测量融合;最后,利用融合结果与实测土壤湿度建立经验模型,实现土壤湿度反演。利用地基观测实验获得的全球定位系统（GPS）L1和L2信噪比数据对该方法进行了验证,结果表明:L1和L2双频融合反演结果平均标准差为0.6%,比L1单频反演结果提高64.73%,比L2单频反演结果提高32.12%;均方根误差为0.37%,比L1频点降低72.8%,比L2频点降低73.4%。      

Dirichlet混合样本的EM算法与动态聚类算法比较

Dirichlet分布是一类包含正参数向量的连续多元概率分布,在比例结构问题中具有广泛的应用。针对Dirichlet混合样本的聚类问题,进行了最大期望（EM）算法和动态聚类算法研究。首先,推导其数学过程,并给出算法迭代步骤。然后,利用数字仿真实验,比较了EM算法与动态聚类算法两种机器学习算法在Dirichlet混合样本中的聚类效果。最后,计算对数似然函数值、程序运行时间、收敛迭代次数、聚类正确率、真正率（TPR）和假正率（FPR）6个评价指标。仿真实验结果表明,EM算法聚类正确率更高但是运算效率相对较低,而动态聚类算法运算效率较高但是损失了部分聚类正确率。因此,实际应用中建议综合权衡聚类正确率与运算效率的相对需求后,再选取合适算法进行Dirichlet混合样本聚类。      

ThinkDesign2009新功能

ThinkDesign2009在继承原有各版本优势技术的同时,在实体、曲面、钣金、工程图等方面均增强或新增许多功能.以下见对ThinkDesign2009的新功能及ThinkDesign的部分传统优势技术进行的简要介绍.