基于灰色关联度的云计算虚拟机分配方法

基于MDA_FHMIPv6的云计算虚拟机迁移系统 陈俊  张伟云 杨建军 微电子学与计算机 2014年03期 基于MDA_FHMIPv6的云计算虚拟机迁移系统

一种基于热页迁移的虚拟机动态缓存划分方法 汪小林 胡夏蒙 李晔晨 罗英伟 静态缓存划分能够降低并行程序所产生的缓存冲突,提高缓存污染程序和缓存敏感型程序运行在共享最低级缓存的多核处理器中的总性能.在一个虚拟化系统中,不同的程序会在不同的时间里运行在不同的虚拟机上,所以事先对缓存进行静态划分是不合适的.本文提出一个了动态缓存划分策略,该策略利用热页监控机制和页面迁移技术,以缓存敏感程序的先验信息为依据,对缓存资源进行动态划分,以提高共享缓存并发执行的虚拟机的总体性能.实验结果显示,我们提出的页面迁

随着商业的推崇,云计算如何提高系统性能成为了新的研究课题,针对这些问题,本文主要提出了基于虚拟化技术的云计算平台的架构,研究了平台的服务器云,这是平台的核心所在. 虚拟化技术研究 虚拟化技术,可以把一个物理单元虚拟成多个逻辑单元,这样,一个物理单元就可以运行多个应用.这对于资源使用效率的提高,有着不可估量的作用,并且各种资源的管理也更加方便.目前云计算模式主要分为:私有云.公有云和混合云.无论是哪种云,其目标都是整合资源为客户服务,系统资源具备高性能的处理能力成为了必然要求. 目前,传统处理器的

基于系统动力学的云计算虚拟化系统建设规模分析与预估 李湘娟    柯尊友 通过采用系统动力学分析方法建立云计算虚拟环境下的虚拟机的调度方式模型.运用计算机系统仿真手段,,运用系统动力学模型和方法,从系统的角度对云计算虚拟机业务需求和建设规模进行研究,找出了影响云计算虚拟机数量的关键因素.进一步,对计算资源池规模建设的决定性因素,使用数理统计理论和方法,提出优化预估建设规模的依据和具体实现,给出回归方程,并验证了预估回归方程的可信性.从而,有效分析了云计算系统的建设规模影响因素,可成功用于预估云计

基于系统动力学的云计算建设规模分析与预估 李湘娟 柯尊友 通过采用系统动力学分析方法建立云计算虚拟环境下的虚拟机的调度方式模型 运用计算机系统仿真手段系统动力学模型和方法,从系统的角度对云计算虚拟机业务需求和建设规模进行研究,找出了影响云计算虚拟机数量的关键因素进一步对计算资源池规模建设的决定性因素,使用数理统计理论和方法,提出优化预估建设规模的依据和具体实现,给出回归方程,并验证了预估回归方程的可信性 从而,有效分析了云计算系统的建设规模影响因素,可成功用于预估云计算虚拟环境建设规模,避免了直

一种基于粒子群优化的虚拟资源分配方法 周相兵 针对云计算环境下存在虚拟化资源利用率不高.延迟.性能衰减等问题,提出一种基于粒子群的虚拟资源分配优化方法.根据云计算优势,对虚拟化资源进行描述及状态定义,分析了虚拟环境下的服务质量(quality of services,QoS)组成和计算方法;同时通过用户与云提供商收益最大化的平衡关系,建立一种虚拟化操作方法,以确保虚拟化资源被合理分配和回收;采用粒子群算法使用户和虚拟服务提供方都能趋于收益平衡.在此基础上设计的一款云播放器与直接嵌入到Web播放器

11.69 基于主动样本选择的判别式跟踪 方法 上面提出的基于标签传播模型的判别式跟踪方法,该方法与大多数判别式跟踪方法一样,在学习分类器时利用采样和加标签两个独立的策略选择训练样本.这种常用的训练样本选择策略存在以下两个问题.第一,根据已有的跟踪结果为样本估计标签容易引起误差累积.跟踪结果存在轻微的不准确都能导致样本标签的错误估计,进而干扰分类器的学习.第二,样本的采集是无目的性的.采集到的样本并不一定含有提高分类器性能的有利信息,导致分类器性能具有不确定性.现有的大部分判别式跟踪方法主要关注

11.17 基于聚类规则项的多任务聚类方法 多任务学习方法能够对交通路网中的多个节点同时进行分析,这满足了交通的网络性特点所提出的要求.进一步的,异质的多任务学习方法又对应了交通中关联关系的异质性特点.图 2 给出了我国山西省高速交通路网的交通流分配情况,可以看出,交通路网中异质的车流常常存在局部集中的特点,如果将这些车流集中的局部区域标记出来,则可以得到图中的聚类模式.假设当前要学习的任务是高速路网中出口流量的预测问题,那么图 2(a) 则表示出了这些预测任务的聚类模式示意图,图中红色的虚线圆

ECAI 2016是欧洲展示AI科学成果的最佳场所,大会为研究人员提供了很好的机会,去介绍和听取当代最优秀的人工智能研究成果. 一种可扩展基于聚类的局部多标记分类方法(A Scalable Clustering-Based Local Multi-Label Classification Method)   摘要:多标记分类的目标是将多个标签分配到一个单一的测试实例中.最近,越来越多的多标记分类应用出现了大-规模(large-scale)问题,其中实例,特征,和标记的数量要不就是其中有一个很大,