虚拟机的动态整合是云数据中心资源管理的一种技术手段,通过将过载或欠载物理主机上的虚拟机(VM)进行在线迁移,并将空闲物理主机节点切换至休眠状态,实现将等量的VM汇聚至较少的物理机上,同时保证服务质量,由此提高云数据中心中资源利用率与能源效率,减少能源消耗,实现绿色计算。对近年来该领域的相关研究进行了梳理归纳,分别就过载检测、欠载检测、目的主机选取等子问题进行分析,并将一些涉及到的技术如负荷预测、优化技术等提炼出来进行阐释,描述实验验证环境与解决方案的评价问题,并对理论问题的相关研究和未来研究方向进行探讨。
对于LTE-A中继下行链路,现有调度算法只进行优先级排序,不能根据系统需求自适应调节。为此,基于缓存数据提出一种LTE-A中继系统自适应下行调度算法。在修正的最大加权时延优先算法基础上,对其瞬时速率分式进行调整。以原算法的瞬时速率分式为底,添加对系统缓存数据量进行量化后得到的指数因子,使瞬时速率分式的权重跟随缓存区数据量变化,从而实现算法根据系统吞吐量需求的自适应调节。仿真结果表明,该算法在业务时延、频谱效率和公平性方面表现良好,可提高系统吞吐量、降低丢包率。
为提高图像的篡改定位和恢复能力,提出一种空域与频域结合的分层自嵌入水印算法。第1层水印嵌入把2×2图像块内元素的奇偶校验码、异或校验码以及图像块的灰度均值信息作为水印进行加密后都嵌入到偏移块中,将处理过的偏移块元素的奇偶认证码嵌入其自身。第2层水印嵌入将嵌入第1层水印的图像分成8×8大小,提取每块频域特征加密后的信息嵌入到偏移块。分3层对图像进行检测定位与恢复,给出基于混沌序列与Torus同构映射结合的偏移值选取方法,以增强密钥安全性。实验结果表明,该算法可以同时抵抗字典搜索攻击、拼贴攻击、盲攻击以及大面积的剪切攻击,能准确地定位图像的篡改位置并且图像的恢复质量较高。
针对现有百科数据知识零散,而人工构建相关实体代价过高,难以大规模构造的问题,提出一种基于相关实体类别模板的实体归类与相关度排序算法,用于对零散的百科实体进行自动的归类整理。利用类别相似的实体对应的页面中所引用的实体,挖掘出与查询实体相关的实体类别模板,并把相关实体直接通过其类别映射进模板中,再对模板中的实体进行相关度排序。实验结果表明,与基于聚类的算法相比,该算法能够取得更准确的实体归类整理效果,与先进行相关度排序再归类的方法相比有更低的时间复杂度,可降低人工构建百科相关实体的代价。