摘要:

摘要:云计算对计算能力的需求，促进了大规模数据中心的飞速发展.与此同时，云计算数据中心产生了巨大的能耗.由于云计算的弹性服务和可扩展性等特性，云计算数据中心的硬件规模近年来极度膨胀，这使得过去分散的能耗问题变成了集中的能耗问题.因此，深入研究云计算数据中心的节能问题具有重要意义.为此，针对云计算数据中心的能耗问题，提出了一种精确度高的能耗模型来预测云计算数据中心单台服务器的能耗状况.精确的能量模型是很多能耗感知资源调度方法的研究基础，在大多数现有的云计算能耗研究中，多采用线性模型来描述能耗和资源利用率之间的关系.然而随着云计算数据中心服务器体系结构的变化，能耗和资源使用率的关系已经难以用简单的线性函数来描述.因此，从处理器性能计数器和系统使用情况入手，结合多元线性回归和非线性回归的数学方法，分析总结了不同参数和方法对服务器能耗建模的影响，提出了适合云计算数据中心基础架构的服务器能耗模型.实验结果表明，该能耗模型在只监控系统使用率的情况下，在系统稳定后，能耗预测精度可达到95%以上.

摘要:近年来，数据中心庞大的能源开销问题引起广泛关注.虚拟化管理平台可以通过虚拟机迁移技术将虚拟机整合到更少的服务器上，从而提高数据中心能源有效性.对面向数据中心节能的虚拟机整合研究工作进行调研，并总结虚拟机整合研究存在的3个挑战.针对已有工作未考虑虚拟机等待资源调度带来的服务器资源额外开销这种现象，开展了资源调度等待开销感知的虚拟机整合研究.从理论和实验上证明了在具有实际意义的约束条件下，存在着虚拟机等待资源调度带来的服务器资源额外开销，且随着整合虚拟机数量的增长保持稳定.基于典型工作负载的实验结果表明，这个额外开销平均占据了11.7%的服务器资源开销.此外，提出了资源预留整合（MRC）算法，用于改进已有的虚拟机整合算法.算法模拟实验结果表明，MRC算法相比于常用的虚拟机整合算法FFD（first fit decreasing），明显降低了服务器资源溢出概率.

摘要:多核系统中，内存子系统消耗大量的能耗并且比例还会继续增大.因此，解决内存的功耗问题成为系统功耗优化的关键.根据线程的内存地址空间和负载均衡策略将系统中的线程划分成不同的线程组，根据线程所属的组，给同一组内的线程分配相同内存rank中的物理页，然后，根据划分的线程组以组为单位进行调度.提出了结合页分配和组调度的内存功耗优化方法（CAS）.CAS周期性地激活当前需要的内存rank，从而可以将暂时不使用的内存rank置为低功耗状态，同时延长低功耗内存rank的空闲时间.仿真实验结果显示：与其他同类方法相比，CAS方法能够平均降低10%的内存功耗，同时提高8%的性能.

摘要:网络虚拟化，使得智能能量感知网络部署成为可能.由于当前网络为高峰负荷而设计，导致资源利用率不足及能量浪费.而网络设备能量消耗对于流量负载不敏感，资源整合成为有效节能技术.根据虚拟网络映射特点及底层网络能耗，提出虚拟网络映射节能多目标决策模型；由于该模型是混合整数规划模型，求解时间复杂度高，通过分析虚拟网络映射动态特征，构造虚拟网络映射字典库，提出底层网络资源利用率的训练方法以及主动休眠底层节点和链路算法，把虚拟网络映射在一个较小的节点和链路集合中，提高休眠节点和链路数量，实现高效节能虚拟网络映射.系统仿真结果验证了主动休眠方法能够提高底层节点和链路休眠数量，显著减少系统能耗.

摘要:随着互联网的发展，各种类型的数据呈爆炸式增长.通过机器学习的方法对大量数据进行实时或离线的分析，获取规律性信息，已成为各行业提升决策准确性的重要途径.因此，这些机器学习算法成为各个数据中心运行的主要应用.然而，随着数据规模的增大和数据中心面临的能耗问题的突出，如何实现这些算法的低功耗处理，已成为实现绿色数据中心亟待解决的关键问题之一.为了实现对这些机器算法的绿色计算，首先对运行在数据中心中的关键算法进行了深入的分析，并观察到在这些算法中存在大量的冗余计算.在此基础上，设计和实现了一种面向数据中心典型应用的低功耗调度策略.该算法通过对不同计算部分的输入数据进行匹配来判断计算过程中的冗余部分，并对算法进行调度.实验数据显示，对于数据中心的两种典型应用k-means和PageRank，该算法可以实现23%和17%的能耗节约.

摘要:为了减少电费和碳排放，数据中心运营商开始建立就地绿色能源发电厂以进行供电.然而，负载的波动性、电价的时间差异性以及绿色能源的间歇性，给节约数据中心电费带来了挑战.针对以上问题，提出一种在线式负载调度算法，可以在不使用未来的负载、电价和绿色能源可用性信息的前提下，最小化数据中心的电费.首先，建立拥有就地绿色能源发电厂的数据中心的电费模型；然后，将数据中心电费最小化问题形式化为一个随机优化问题；最后，求解该优化问题得到相应的负载调度策略.基于真实数据的实验结果表明：该算法可以在保证负载性能的前提下，有效降低数据中心的电力成本.

摘要:近年来，异构系统硬件飞速发展.为了解决相应的编程和执行效率问题，异构并行编程模型已被广泛使用和研究.从异构并行编程接口与编译/运行时支持系统两个角度总结了异构并行编程模型最新的研究成果，它们为异构架构和上层应用带来的技术挑战提供了相应的解决方案.最后，结合目前的研究现状以及异构系统的发展，提出了异构并行编程模型的未来方向.

摘要:多样化的受管资源和不断变化的管理需求，使得云管理面临很大的难度和复杂度.面对一个新的特定的管理需求，管理员往往是在已有管理软件的基础上进行二次开发，通过管理功能的获取和组织来构造新的管理系统.然而，由于缺乏通用的方法，二次开发的难度和复杂度依然很大.为了能够根据管理需求快速定制、集成、扩展已有的管理软件，提出一种基于运行时模型的多样化云资源管理方法.首先，在系统管理接口的基础上构造不同受管资源的运行时模型；其次，通过对不同的运行时模型进行合并，来构造包含所有目标受管资源的组合模型；最后，通过组合模型到用户特定模型的转换，来满足特定的管理需求.在OpenStack与Hyperic两款独立管理软件的基础上，实现了基于运行时模型的虚拟机软、硬件资源统一管理系统，验证了方法的可行性和有效性.

摘要:现有的测试用例约简方法不能有效提高错误定位精度，现有的软件错误定位方法不能充分分析元素间的依赖关系.针对以上问题，提出结合测试用例约简和联合依赖概率建模的软件错误自动定位方法，将测试用例约简与软件错误定位统一为一个整体.不同于一般的测试用例约简方法，所提出的测试用例约简方法在程序执行路径的基础上充分考虑了错误测试用例对错误定位的影响，能够为错误定位提供有效的测试用例，为快速、准确地定位软件错误奠定基础.定义了一种新的统计模型——联合依赖概率模型，充分分析了程序元素间的控制依赖、数据依赖以及语句执行状态，并提出基于联合依赖概率模型的错误自动定位方法.通过计算联合依赖关系的可疑度，对可疑节点进行排序，准确定位错误语句.实验结果表明：与SBI，SOBER，Tarantula，SF和RankCP方法相比，该算法可以更加有效地定位软件错误.

摘要:网络水军识别关键技术已成为当前数据挖掘领域最为活跃的研究之一.如何挖掘海量用户信息中潜藏的网络水军特征与行为模式，从而发现网络水军，以维护良好的网络环境，保障合理的网络秩序，已成为一项十分具有挑战性的工作.对比传统与新型网络水军识别研究，从识别特征角度对近几年内网络水军识别研究进展进行综述，对其关键技术和效用评价进行了前沿概括、比较和分析，并对网络水军识别中有待深入研究的难点和发展趋势进行了展望.

摘要:IP定位技术就是确定Internet中IP设备的地理位置，它可以帮助网络应用改善性能、提高安全性以及提供新的服务.首先概述了IP定位技术的基本概念和应用情况；然后，将现有定位算法分为独立于客户端和基于客户端两类定位算法，并对每一类算法中的典型算法进行了具体分析，讨论了隐私保护技术和新技术的影响；最后，对现有的IP定位算法进行了综合对比，指出了IP定位技术的研究方向.

摘要:在无线mesh网络中，机会路由通过高效使用无线传输的广播特性显著地提高了无线网络的吞吐量.引入网络编码，使得机会路由协议可以避免复杂的调度，更加易于实现.然而，网络编码的引入给机会路由协议带来新的问题：转发节点应该发送多少编码包?MORE等协议依据平均链路状况信息来预计节点转发编码包数目的方法，无法准确判定发送的冗余.以CCACK为代表的研究采用逐跳反馈的方式来减少编码包的冗余发送.首先，针对采用正交向量确认的CCACK机制进行分析，说明了CCACK尽管可以减少确认开销，减少误判，但却带来了“信息空间已覆盖而无法正交”的漏判问题.在此基础上，提出了一种基于累积编码系数反馈确认的网络编码机会路由协议CFACK.该确认机制中转发节点通过侦听下游节点的编码系数向量，并与来自上游节点的编码系数向量进行相关性分析，从而获知下游节点信息是否覆盖自身信息.证明了在无差错网络环境下该确认机制不存在误判和漏判的可能，同时，在有差错网络环境下对该确认机制的有效性进行了分析.结果表明：在一般节点分布情况下，利用额外的一次携带确认，可以确保90%以上的准确性.仿真测试结果表明：CFACK相比CCACK，显著提高了网络的吞吐量，平均提高率为72.2%，同时在编码计算、存储和包头开销上都少于CCACK.

摘要:轮廓描述法作为形状检索中最为关键的步骤，应体现目标的整体形状信息和重要特征点信息，并具备对噪声干扰的鲁棒性.提出一种基于轮廓重构和特征点弦长的图像检索算法，首先在目标轮廓提取的基础上分析轮廓的能量保持率，并进行轮廓的降维重构处理，从而减少了随机噪声造成的轮廓畸变.然后，通过新定义的支持域来计算轮廓点的特征强度，并分析了支持域半径与特征点提取结果的关系，从而筛选出有效的轮廓特征点.最后，根据轮廓点和相应特征点间的弦长关系构造轮廓特征函数，经相应处理后，最终得到的形状描述子满足不变性要求.大量实验结果表明，该算法无论是在常规样本库中，还是在噪声样本库中都具有更优的检索性能.

摘要:结合变分水平集方法和模糊聚类，提出了一个基于变分水平集的图像聚类分割模型.该模型引入了一个基于图像局部信息的外部模糊聚类能量和一个新的关于零水平集的正则化能量，使得该模型对噪声图像的聚类分割更具鲁棒性.通过在能量泛函中加入一个内部约束能量约束水平集函数为符号距离函数，可以使水平集演化过程无需重新初始化.进一步提出了一种变分形式的聚类中心更新方法，实现了半监督的图像聚类分割.实验中采用不同类型的图像与FCM聚类模型、CV模型、Samson模型进行了对比实验，实验结果显示，该模型能够克服图像中噪声的影响，取得较满意的聚类分割效果.

摘要:针对描述符BRIEF对图像旋转敏感的问题，提出一种改进的描述符RIBRIEF，该描述符具有识别能力强、提取速度快、占用空间小及抗干扰能力强等优点，并具有旋转不变性.经分析，图像匹配算法的实时性较大程度上由特征点数量、匹配点搜索次数及描述符相似度计算复杂度决定，因此提出通过描述符索引与描述符聚类相结合、基于FAST稳定特征点提取和逻辑运算计算相似度等方法提高算法的整体实时性.实验结果表明，与描述符BRIEF及SURF相比较，基于描述符RIBRIEF的图像匹配算法在鲁棒性及实时性方面均具有明显优势.

摘要:在计算机视觉领域，由镜头切换、目标动力学突变、低帧率视频等引起的突变运动存在极大的不确定性，使得突变运动跟踪成为该领域的挑战性课题.以贝叶斯滤波框架为基础，提出一种基于有序超松弛Hamiltonian马氏链蒙特卡罗方法的突变运动跟踪算法.该算法将Hamiltonian动力学融入MCMC（Markov chain Monte Carlo）算法，目标状态被扩张为原始目标状态变量与一个动量项的组合.在提议阶段，为抑制由Gibbs采样带来的随机游动行为，提出采用有序超松弛迭代方法来抽取目标动量项.同时，提出自适应步长的Hamiltonian动力学实现方法，在跟踪过程中自适应地调整步长，以减少模拟误差.提出的跟踪算法可以避免传统的基于随机游动的MCMC跟踪算法所存在的局部最优问题，提高了跟踪的准确性而不需要额外的计算时间.实验结果表明，该算法在处理多种类型的突变运动时表现出出色的处理能力.

摘要:隐写容量是信息隐藏的4项性能指标之一，目前，相关科研工作者对其他3项指标，即鲁棒性、透明性和计算复杂性进行过大量的研究，但隐写容量方面的研究却很少.该研究有力地完善了信息隐藏的理论体系，根据JPEG2000压缩标准以及人眼对小波系数改变的敏感程度，借助小波系数的失真代价函数，区分出小波系数的承载秘密信息能力：失真代价函数值越小，该小波系数承载能力就越强；反之，该小波系数承载能力就越弱.当失真代价函数值大于1时，该系数不具有承载信息的能力，即为湿系数.通过最大隐写容量估算实验以及位满嵌入、过位嵌入和湿嵌入等评估实验，验证了所提方法的有效性.