检索结果-内蒙古大学图书馆

计算机应用 2017年第11期37卷 3124-3127,3144页

作者：郭晓谭文安南京航空航天大学计算机科学与技术学院南京211106 上海第二工业大学计算机与信息学院上海201209

为了进一步提高现有图像超分辨率重构方法所得图像的分辨率,提出一种高性能的深度卷积神经网络(HDCN)模型用于重构放大倍数固定的超分辨率图像。通过建立级联HDCN模型解决传统模型重构图像时放大倍数无法按需选择的问题,并在级联过程中... 详细信息

为了进一步提高现有图像超分辨率重构方法所得图像的分辨率,提出一种高性能的深度卷积神经网络(HDCN)模型用于重构放大倍数固定的超分辨率图像。通过建立级联HDCN模型解决传统模型重构图像时放大倍数无法按需选择的问题,并在级联过程中引入深度边缘滤波器以减少级联误差,突出边缘信息,从而得到高性能的级联深度卷积神经网络(HCDCN)模型。基于Set5、Set14数据集进行超分辨率图像重构实验,证明了引入深度边缘滤波器的有效性,对比HCDCN方法与其他图像超分辨率重构方法的性能评估结果,展现了HCDCN方法的优越性能。

关键词：超分辨率图像重建深度卷积神经网络级联深度边缘滤波器

来源：评论

学校读者我要写书评

暂无评论

面向大规模服务性能预测的在线学习方法

引用

计算机科学与探索 2017年第12期11卷 1922-1930页

作者：孙勇谭文安谢娜蒋文明南京航空航天大学计算机科学与技术学院南京211106 滁州学院地理信息科学系安徽滁州239000 上海第二工业大学计算机与信息学院上海201029

为提高服务运行质量,需要主动预防服务失效和服务性能波动,而不是在服务发生错误时触发处理程序。高效地预测与分析大规模服务的性能是有效可行的主动预防工具。然而传统的服务性能预测模型多采用完全批量训练模式,难以满足大规模服务... 详细信息

为提高服务运行质量,需要主动预防服务失效和服务性能波动,而不是在服务发生错误时触发处理程序。高效地预测与分析大规模服务的性能是有效可行的主动预防工具。然而传统的服务性能预测模型多采用完全批量训练模式,难以满足大规模服务计算的实时性要求。在综合权衡完全批量学习法和随机梯度下降法的基础上,建立了基于在线学习的大规模服务性能预测模型,提出了一种基于小批量在线学习的服务性能预测方法,通过合理地设置预测模型的批量参数,一次迭代仅需训练批量规模较小的样本数据,从而改善大规模服务性能预测的时间效率;详细分析了在线服务预测模型的收敛性。实验表明,提出的在线学习算法有效地解决了大规模服务预测算法的时效性问题。

关键词：大规模服务计算在线学习小批量在线学习随机梯度下降法

来源：评论

学校读者我要写书评

暂无评论

支持复杂社会网络演化的过程挖掘技术综述

引用

计算机工程与应用 2017年第16期53卷 18-28,49页

作者：黄黎谭文安南京航空航天大学计算机科学与技术学院南京211106 江苏开放大学信息与机电工程学院南京210017 上海第二工业大学计算机与信息工程学院上海210209

复杂社会网络演化过程研究对于发现社会网络群体的隐含结构和演化规律,以及风险预测具有重要意义。首先梳理了过程挖掘技术的发展脉络,阐述复杂社会网络分析方法与过程挖掘技术相结合在复杂社会网络演化模式研究、组织结构发现中的应用... 详细信息

复杂社会网络演化过程研究对于发现社会网络群体的隐含结构和演化规律,以及风险预测具有重要意义。首先梳理了过程挖掘技术的发展脉络,阐述复杂社会网络分析方法与过程挖掘技术相结合在复杂社会网络演化模式研究、组织结构发现中的应用现状,结合社会网络分析方法和大数据技术,运用服务工程思想,进而从社会和资源维度综述社会网络跨组织业务过程发现、动态社会网络演化过程发现、角色挖掘与服务挖掘等技术,指出现有复杂社会网络过程挖掘研究面对大数据质量和跨组织异构等研究方面的不足,对大规模社会网络过程挖掘领域的研究难点和发展趋势进行了讨论。

关键词：社会网络网络演化过程挖掘服务挖掘

来源：评论

学校读者我要写书评

暂无评论

跨组织应急业务过程挖掘

引用

上海第二工业大学学报 2017年第3期34卷 217-226页

作者：谭文安吴亚锋南京航空航天大学计算机科学与技术学院南京211106 上海第二工业大学计算机与信息工程学院上海201209

对跨组织应急业务过程案例进行分析,给出了跨组织应急业务过程任务的形式化定义及其协作关系的定义,根据跨组织应急业务过程任务间的协作关系定义不同组织间的协同模式;然后,基于扩展消息库所的Petri网模型来描述跨组织应急业务过程模型... 详细信息

对跨组织应急业务过程案例进行分析,给出了跨组织应急业务过程任务的形式化定义及其协作关系的定义,根据跨组织应急业务过程任务间的协作关系定义不同组织间的协同模式;然后,基于扩展消息库所的Petri网模型来描述跨组织应急业务过程模型;给出挖掘组织内业务过程模型和组织间协同过程模型的挖掘算法,最后通过模型集成算法将不同组织的内部业务过程模型和组织间协同过程模型进行合并,得到跨组织全局应急业务过程模型,使用PIPE对模型进行正确性验证。

关键词：跨组织应急协同模式 Petri网业务过程

来源：评论

学校读者我要写书评

暂无评论

基于偏好相似度的混合信任推荐模型

引用

太原理工大学学报 2016年第1期47卷 62-67页

作者：谭文安沈腾腾孙勇南京航空航天大学计算机科学与技术学院南京210016 上海第二工业大学计算机与信息学院上海201209

针对P2P网络中可信数据不完整的问题,提出了将局部可信度与全局可信度相结合的基于偏好相似度推荐的混合信任模型(Preference Similarity Recommendation Trust,PSRTrust),借助相似随机游走策略修复稀疏的可信度矩阵;对不合理假设呈现po... 详细信息

针对P2P网络中可信数据不完整的问题,提出了将局部可信度与全局可信度相结合的基于偏好相似度推荐的混合信任模型(Preference Similarity Recommendation Trust,PSRTrust),借助相似随机游走策略修复稀疏的可信度矩阵;对不合理假设呈现power-law分布进行合理化改进;并给出了可信数据的分布式存储和计算的分布式方法。仿真实验表明,PSRTrust模型有效地提高了在可信数据不完整情况下的交易成功率,并且在遏制恶意节点影响上有一定提高。

关键词：对等网络可信度稀疏可信度计算偏好相似度分布式哈希表

来源：评论

学校读者我要写书评

暂无评论

融合粒子群与蚁群的云计算任务调度算法

引用

计算机技术与发展 2016年第8期26卷 24-29页

作者：查安民谭文安南京航空航天大学计算机科学与技术学院江苏南京210016 上海第二工业大学计算机与信息学院上海201209

在云计算环境中用户数量众多,用户提交的任务总量非常庞大,如何调度这些海量任务使其高效合理地完成成为云计算研究的关键。针对云计算环境的特点,对粒子群和蚁群算法进行改进,提出一种融合二者的任务调度算法。该算法采用粒子群算法进... 详细信息

在云计算环境中用户数量众多,用户提交的任务总量非常庞大,如何调度这些海量任务使其高效合理地完成成为云计算研究的关键。针对云计算环境的特点,对粒子群和蚁群算法进行改进,提出一种融合二者的任务调度算法。该算法采用粒子群算法进行前期迭代,迭代完成后选取一定数量的优良粒子生成蚁群算法的初始信息素,蚁群算法利用已生成的初始信息素进行后期迭代,并求得最终的任务调度结果。仿真结果表明,该算法优于粒子群算法和蚁群算法,任务的总完成时间明显减少,是一种高效的调度算法。

关键词：云计算任务调度粒子群优化蚁群优化

来源：评论

学校读者我要写书评

暂无评论

优化粒子群的云计算任务调度算法

引用

计算机技术与发展 2016年第7期26卷 6-10页

作者：谭文安查安民陈森博南京航空航天大学计算机科学与技术学院江苏南京210016 上海第二工业大学计算机与信息学院上海201209

任务调度作为云计算的关键技术之一,却一直没有得到很好的解决。针对云任务调度的特点,基于基本粒子群优化(PSO)算法,文中提出了一种带极值扰动的相关性粒子群优化(EDCPSO)算法。该算法采用Copula函数去刻画随机因子间的相关结构,支持... 详细信息

任务调度作为云计算的关键技术之一,却一直没有得到很好的解决。针对云任务调度的特点,基于基本粒子群优化(PSO)算法,文中提出了一种带极值扰动的相关性粒子群优化(EDCPSO)算法。该算法采用Copula函数去刻画随机因子间的相关结构,支持粒子合理利用自身经验信息和群体共享信息,解决了粒子群优化算法在寻优过程中没有考虑随机因子作用而造成全局优化能力不足的缺陷;采用添加极值扰动算子的策略,进一步改进粒子群优化算法,避免了粒子群优化算法在进化后期容易陷入局部寻优现象。仿真结果表明,在相同条件下,带极值扰动的相关性粒子群优化算法优于基本粒子群优化算法和Cloudsim原有调度算法,任务总的完成时间明显减少。

关键词：任务调度云计算粒子群优化相关性极值扰动

来源：评论

学校读者我要写书评

暂无评论

基于遗传-禁忌算法的应急救援前摄性调度优化

引用

计算机技术与发展 2016年第6期26卷 119-122页

作者：张全全谭文安南京航空航天大学计算机科学与技术学院江苏南京210016 上海第二工业大学计算机与信息学院上海201209

应急救援活动本身具有不确定性和复杂性的特点。为了对救援活动的顺利开展进行支持,文中以最小化救援损失为目标,研究应急救援前摄性调度优化问题。首先对问题进行界定,对问题进行符号化表示,并由此定义出资源约束下的救援计划调度优化... 详细信息

应急救援活动本身具有不确定性和复杂性的特点。为了对救援活动的顺利开展进行支持,文中以最小化救援损失为目标,研究应急救援前摄性调度优化问题。首先对问题进行界定,对问题进行符号化表示,并由此定义出资源约束下的救援计划调度优化模型。根据救援活动的紧急程度分配优先级,并定义出优化目标函数。该问题是强NP-hard的,由此根据现代优化算法的特点设计出遗传禁忌启发式算法。最后通过对某事故救援数据进行分析模拟对提出的算法进行说明。结果表明,该算法可以有效对优化模型进行求解。该研究可为突发事件的应急救援活动的开展提供决策支持。

关键词：前摄性调度遗传算法禁忌算法应急救援

来源：评论

学校读者我要写书评

暂无评论

一种基于并行SNESIM的空间数据重建方法

引用

计算机研究与发展 2015年第6期52卷 1431-1442页

作者：张挺杜奕黄涛李雪上海电力学院计算机科学与技术学院上海200090 上海第二工业大学计算机与信息学院上海201209 中国科学技术大学工程科学学院近代力学系合肥230027

空间数据的应用领域正在不断扩大.数据插值可以有效重建空间未知数据.数据插值就是一个数据再生的过程,即由原始数据再生出具有更高分辨率的数据.插值方法分为"确定"性插值和"不确定"性插值方法.不确定性插值方法... 详细信息

空间数据的应用领域正在不断扩大.数据插值可以有效重建空间未知数据.数据插值就是一个数据再生的过程,即由原始数据再生出具有更高分辨率的数据.插值方法分为"确定"性插值和"不确定"性插值方法.不确定性插值方法的不确定性一方面表现在选用的插值方式具有随机性,另一方面表现在插值参数的选取和确定需要依赖于概率统计原则.多点随机模拟法(multiple-point simulation,MPS)是实现空间数据不确定插值重建的重要手段.单一标准方程模拟(single normal equation simulation,SNESIM)作为一种常用的MPS方法,目前已经用于多个领域的离散型空间数据三维重建.但是由于SNESIM给CPU和内存带来的负荷较大,大大限制了其实际应用.为了克服这种局限性,基于统一计算设备架构(compute unified device architecture,CUDA)实现SNESIM的并行化,并在计算训练图像(training image,TI)熵的基础上选择合适的数据模板尺寸;同时,通过整合软硬数据提高重建质量.与以往基于CPU的重建方法相比,基于CUDA的SNESIM并行算法显示出更好的空间数据重建效率.

关键词：空间数据多点随机模拟统一计算设备架构熵软数据

来源：评论

学校读者我要写书评

暂无评论

基于QoS监控的可靠组合服务推荐模型

引用

计算机与现代化 2015年第1期 66-70页

作者：谭文安蔡小丹路广振薛建新唐姗南京航空航天大学计算机科学与技术学院江苏南京210016 上海第二工业大学计算机与信息学院上海201209

企业市场需求与服务信用呈现动态变化,而市场上并未出现一种统一的、可靠的服务体系。针对该问题提出一种基于第三方监督的可靠组合服务推荐模型。首先,引入第三方机制,监督管理服务库的建立,同时监控服务质量的动态变化;而后,建立可靠... 详细信息

企业市场需求与服务信用呈现动态变化,而市场上并未出现一种统一的、可靠的服务体系。针对该问题提出一种基于第三方监督的可靠组合服务推荐模型。首先,引入第三方机制,监督管理服务库的建立,同时监控服务质量的动态变化;而后,建立可靠服务组合平台,进行服务选择、服务组合最优推荐等;以某制造业的加工流程为例,采用基于工作流调度的服务优化组合案例,将采用该模型与不用该模型的成本进行比较,验证所提出的推荐模型的可行性和优越性。

关键词：资源优化监控质量服务推荐工作调度

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：