摘要：在人工智能数据流边缘接入集群中,拥有更高的接入带宽固然重要,但高效的AI数据流接入算法和调度机制更能够充分发挥接入服务器网卡等硬件性能。论文提出针对大规模AI数据流的并发接入算法和调度机制。针对AI数据单元大小动态变化的不稳定性接入,设计区域动态分组接入算法和基于接入服务器资源预测的数据流迁移调度机制。集群实验结果表明,区域动态分组接入算法可以更好地满足大规模AI数据流接入请求;在保证接入服务器集群数据流总并发量前提下,基于资源预测的流调度机制使得接入服务器资源利用均衡,大大降低系统AI数据单元丢包率。

摘要：海量的并发数据流存储请求,会造成数据库瞬时压力过大和存储时延提高等问题,对此提出一种面向并发数据流处理的存储接入方法。首先构建Redis缓冲区队列,以接收上游数据处理节点的周期数据,使用自定义数据流协议解决数据流规范化通信;然后设计主动存储中间件,通过线程读写任务分配算法(TRWTA),优先处理高负载区队列的读写任务,利用动态线程池计算读写压力(RWP)来优化管理线程数量,达到提高并发数据流存储效率的目的。此外,在存储层中使用了Mysql和HBase对数据流进行分类存储,对HBase进行Rowkey设计和预分区。经过实验分析,所提存储接入方法在持续的并发数据流下,较传统存储方法有效降低了存储时延,保证了数据库稳定性。

摘要：随着人工智能边缘化,繁杂的智能终端设备产生大规模AI数据流,这些AI数据流的实时高可靠接入对边缘接入集群提出了更高的要求。论文提出基于UDP的AI数据流通信协议和旁路控制机制,以实现数据流实时高可靠接入;提出基于AI数据单元的组确认通信机制,大大减少通信确认造成的额外开销;同时设计数据流周期同步机制以支撑GPU服务器的SPMD计算。实验结果表明,论文旁路控制机制和组确认通信可对接入网卡进行横向扩展,且在不发生AI数据包丢失情况下,论文通信方案比传统UDP通信单端口平均数据流单元并发量提升约30%。

摘要：针对移动网络环境下网络信号不稳定的特点,采用多协同粒度的方式,根据网络状态自主选择协同粒度以适应网络状态.为了支持该协同模式下共享文档的一致性维护,提高算法执行效率,将线性文档映射为树型结构文档模型;增加了发送缓冲区及接收缓冲区,在操作发送之前进行合并捆绑处理,在操作接收之后进行分解处理;通过改进地址空间转换算法,以适应新的模型空间.最后在Android平台上基于开源文本编辑工具包UEditor开发支持多粒度协同的原型系统Co-UEditor,证明了文中方法的有效性.

摘要：Sensor FS系统中的集中式传感器聚类算法会使主节点成为系统瓶颈,并且在传感器量大时速度较慢。为此,分别设计分布式传感器聚类算法和细粒度负载均衡算法对系统进行改进。令主节点只负责初始写调度,传感器再次发出写请求时则直接与对应的ChunkServer节点进行交互。在各ChunkServer节点内部利用传感依赖图进行传感器聚类,得到多个传感器类后由主节点聚类。在此基础上,根据各传感器产生数据的速度计算服务器负载,以传感器类为最小单位进行细粒度迁移。实验结果表明,分布式聚类算法和负载均衡算法能有效提升Hadoop分布式文件系统对海量传感小数据的读写性能。

摘要：聚类分析在科学研究和现实生活中都有广泛的应用.然而,当前的聚类算法仍然面临一些挑战,自动确定最佳聚类数目和复杂分布数据聚类是最主要的两种,自动确定复杂分布数据的聚类数目并对其正确聚类是两者的结合.提出一种基于进化多目标的距离矩阵聚类算法(Multi-objective Distance Matrix Evolutionary Clustering,MODMEC).首先使用一种实数-标签的编码方式表示染色体,该染色体可两次解码成聚类候选解.其次使用聚类代表点代替聚类中心点设计聚类算法,通过类内紧凑度和类间离散性自动确定最佳聚类数目.最后使用进化多目标框架并行优化.将MODMEC在不同分布的五种人工测试集和两种UCI测试集上与四种常用的聚类算法做了比较.实验结果表明,M ODM EC在检测最佳聚类数目和聚类精度上都获得了良好的效果.

摘要：受分辨率和视角范围的限制,普通的图像获取设备通常无法拍摄到较大场景的图像,而图像拼接技术可对获取的若干幅小视角场景的图像进行配准和融合得到一幅宽视角的全景图像.为此,设计了一种序列图像拼接系统.针对近似仅存在二维平移的待拼接图像,采取平移鲁棒的实时序列图像拼接方案,以傅里叶变换的相位相关法为基础进行拼接.针对待拼接图像间同时存在旋转和平移的情况,采取了基于Harris特征点检测的旋转和平移鲁棒的序列图像拼接方案.实验结果表明,所设计的平移鲁棒序列图像拼接方案能够实时拼接近似存在二维平移关系的序列图像,但无法处理旋转;而旋转和平移鲁棒的序列图像拼接方案可在线下非实时地处理同时存在平移和旋转仿射变换的序列图像拼接.

摘要：图像处理器(GPU)集群因其高性能的特性而被广泛应用,但随着GPU规模的增大,其高功耗问题会降低系统的可靠性。为此,提出一种GPU集群功耗收集系统,并设计基于ZigBee无线传感器网络的GPU集群功耗收集监控网络,同时构建收集通信协议和数据库存储系统,通过运行该系统可有效避免通信冲突。实验结果表明,该监控系统可以精确地测量集群中各个GPU的功耗,系统测量误差和丢包率分别低于1%和0.005%。

摘要：在实时协同3D设计系统里,依赖图文档模型被广泛的用来表示文档内部图形对象之间的依赖关系.Sun的团队针对由于对象与对象之间的依赖关系的存在而导致的意愿冲突,提出了5种类型的依赖冲突,并通过操作转换的方法予以解决.然而这5种冲突关系类型并不能涵盖所有的依赖冲突关系,基于这五种依赖冲突的类型,提出一种新的冲突:交叉依赖冲突,并根据操作之间的关系是否全部为并发关系,制定了两种操作关系下的冲突消解策略,通过多版本机制解决了其可能产生的不一致性问题,维护了文档的一致性.实例分析和实验仿真表明了策略的有效性和正确性.

摘要：人群拥挤度的分析对维护公共安全极为重要,在空间狭窄的环境下,由于视角受到局限,人与人、人与物品的遮挡十分严重,并且人的尺度不一,密度不均匀,使得传统人群拥挤度监控方法较难直接统计出具体人数。为此,提出一种基于注意力机制的狭小空间人群拥挤度分析方法,旨在量化人群,通过卷积神经网络回归拥挤率分析当前空间内的人群拥挤程度。设计一个注意力模块作为网络的前端,通过生成对应尺度的注意力图区分背景和人群,保留精确的像素点位置信息,以减轻输入图像中各种噪声的影响。在此基础上,将注意图和原始图片通过对应像素点相乘,注入到微调的残差网络中训练得到人群拥挤率。实验结果表明,该方法能够预测出拥挤率,准确反映当前人群拥挤程度,实现人群的流量控制。