摘要：针对传统无监督跨模态检索算法提取样本内部与样本之间的关联语义不充分,导致检索准确率低的问题,提出一种基于CLIP与注意力融合机制的无监督跨模态哈希检索算法CAFM_Net。将多模态预训练模型CLIP运用到样本特征提取阶段,从不同维度挖掘数据的相似信息;使用注意力融合机制对提取的特征进行处理,加强显著区域的权重;引入对抗学习的思想设计模态分类器,生成更趋于语义一致性的跨模态数据哈希编码。与现有的代表性哈希方法相比,CAFM_Net在多模态检索任务上准确率提升至少11%与9%。

摘要：为保证存储集群中数据的可靠性,缓解跨机架环境中单节点的有限可用带宽,提出一种纠删码的数据更新策略DBTU(data delta log based tree-structure update)。该方法包含2个设计要点:数据块更新采用就地更新策略,校验块更新采用基于数据增量日志的推测性部分写入策略,减少读后写操作;采用自顶向下的树结构传输更新数据,缓解单节点的带宽瓶颈。实验结果表明,在100 Mbps带宽下,DBTU的更新吞吐率相较FO(full overwrite)和PARIX(speculative partial write)分别提高了54.3%和51.6%。

摘要：为提高固态硬盘阵列满条带写的占比,减少传统RAID5读修改写和读重构写造成的频繁校验更新,提升阵列性能,降低闪存的擦除次数,延长阵列的使用寿命,提出一种基于RAID5的动态条带策略——RADS (redundant array dynamic striping)。在传统RAID5静态条带的基础上融入动态条带设计,全局条带映射表和动态条带映射表的结合为条带数据的映射和管理提供一种简洁、高效的方式。仿真结果表明,相比于传统RAID5,RADS的写请求次数最高减少了48.50%,擦除次数最高减少了30.37%,平均写响应最高减少了57.44%。