摘要：数据中心网络作为云计算的关键基础设施,其性能对业务服务质量有至关重要的影响。在当前数据中心多业务并存的条件下,数据中心网络中同时存在截止期限流和非截止期限流。为同时满足2种流的传输需求,该文提出一种基于分布式优化的数据中心网络混流调度(distributed-optimization-based mix-flow scheduling,DOMS)机制。首先对截止期限流和非截止期限流分别定义优化目标和传输约束,将混流调度问题形式化为实时速率分配问题;然后利用问题的对偶分解特性,设计主机与交换机的协同调度结构,分布式求解该问题,设定每条流的传输速率并演化至全局最优解。仿真结果表明,DOMS能有效降低截止期限流的期限错失率和非截止期限流的完成时间。

摘要：针对现有用户兴趣模型在模型建立以及更新阶段漂移策略的缺陷,设计了一种改进的基于隐式反馈的自适应用户兴趣模型。并将该模型与遗忘策略模型、滑动时间窗口模型和固定比例模型,做了精确率的对比实验,实验结果显示该模型的性能优于其他三个模型。

摘要：Web 2.0时代,人网交互的便捷赋予了Web服务更多的社会化特性(如评分、评论等),却往往被服务的提供者忽视,导致难以有效实现基于用户体验的服务推荐。针对不同的用户视角,该文提出了一种Web服务综合描述模型,以多视图的方式集成Web服务的技术属性(如操作、消息等)和社会化特性。首先,从逻辑设计的角度出发,给出了其概念模型;然后,从工程应用的角度出发,构造其元模型,指导具体模型的设计;最后,根据一个应用案例,验证了方法的可行性。该模型和相关工具将为实现服务超市中服务的主动推荐奠定基础。

摘要：入侵检测问题实际上是一个分类问题,特征选择的好坏直接决定了分类模型的性能。针对计算机安全问题是事后于计算机系统设计、没有标准的审计机制和专门的数据格式用于入侵检测分析用途的现状,讨论了通过扩展数据挖掘基本算法来对分析数据源进行特征选择,同时比较挖掘出来的正常模式和异常模式,构造新的特征,以加强入侵检测准确率和实时性。

摘要：随着我国科技实力的不断提升,各类评价活动以及参与申报奖励的项目数量和质量都在稳步提升.为了缓解专家评委的打分压力,现有项目评价机制往往采用先分组再综合的评价方式.然而,在将不同分组中的项目进行统一排序时,不同分组的组间评价差异为统一排序带来了新的挑战.基于分组评价与统一排序的矛盾,本文设计了一种提高平行分组评价公平性的稳定评估模型,用以帮助不同分组专家打分产生的异构数据可以统一排名.该算法使用归一化方法消除不同小组专家在彼此独立场景下进行打分产生的组间差异.基于反复改进原理,实现项目分数和专家权重的互评,进而求得专家的稳定权重值来消除组内专家之间因评价标准不同而导致的差异.最终使处理后的数据可以用于整体排序.

摘要：实验采用 Ca( OH) 2 做脱硫剂 ,考察了 n( Ca)∶ n( S)、入口 SO2 质量浓度、进气温度、绝热饱和温差、表观气速、静床层高度、喷动粒子直径等对脱硫率的影响。结果表明 ,脱硫率随着 n( Ca)∶ n( S)、入口 SO2 质量浓度、静床层高度的增大而增大 ;随进气温度、绝热饱和温差、表观气速、喷动粒子直径的增大而减小。当 n( a)∶n( S) >1.0 0 ,绝热饱和温差为 7℃时 ,脱硫效率可高达 90 %以上。此脱硫技术具有流态化性能好 ,传热传质效率高 ,脱硫效果好等优点 。

摘要：测试充分性评估通常采用覆盖率的方法来评估测试对软件特征的覆盖充分程度。如今,传统的充分性评估方法难以满足复杂软件的测试评估需求。首先,代码覆盖准则难以准确验证软件需求;其次,软件测试还需考虑软件不同特征对系统测试充分性的不同影响。对此,提出一种基于接口的建模方法和基于该模型的综合覆盖充分性评估方法。该方法根据软件接口说明,对系统功能进行特征抽取、建模,并对接口模型的测试用例进行不同层级的充分性评估,对评估结果进行归一化处理,得到系统的综合测试充分性。通过案例表明,这种评估方法能够反映功能的测试充分性,对测试用例的设计和优化有一定指导意义。

摘要：情感计算是人工智能领域的一个重要分支,在交互、教育、安全和金融等众多领域应用广泛。单纯依靠语音、视频单一模态的情感识别并不符合人类对情感的感知模式,在受到干扰的情况下识别准确率会迅速下降。为了充分挖掘不同模态数据的互补性,多模态融合的情感识别研究正日益受到研究人员的广泛重视。本文分别从多模态情感识别概述、多模态情感识别与理解、抑郁症情感障碍检测及干预3个维度介绍多模态情感计算研究现状。本文认为具备可扩展性的情感特征设计、基于大模型迁移学习的识别方法将是未来的发展方向,并在解决抑郁、焦虑等情感障碍方面的作用日益凸显。

摘要：联盟链债券发行系统能够提高发行过程的可信性和公平性,但数据在联盟链网络内广播违反了发行期间申购数据不可以公开的业务规则。针对这一问题,借助前/后向衍生函数和代理重加密机制,提出一种支持时间约束的债券发行联盟链申购数据披露方法,在保证申购数据隐私的前提下,支持簿记管理人/发行人在发行期间解密申购密文从而完成配售计算,同时支持投资人和中央证券存管处在发行结束后解密申购密文追溯发行全流程;对所提方法进行形式化安全证明,分析方法的计算复杂度和通信复杂度。进行实验验证,通过实际应用场景验证所提方法的可行性和效率。

摘要：大数据的规模效应给数据存储、管理以及数据分析带来了极大的挑战,高效率低成本的大数据处理技术成为学术界及工业界的研究热点。为提高协同过滤算法的执行效率,对MapReduce架构下的算法执行步骤进行了分解,并对算法执行缺陷进行了分析。结合Spark适于迭代型及交互型任务的特点,提出将算法从MapReduce平台移植Spark平台的改进思路。设计了算法在Spark中的实现流程,并通过参数调整、内存优化等方法进一步提高算法效率。实验结果表明:与MapReduce平台中的算法相比,基于Spark DAG调度的算法能够减少65%以上的HDFS重复I/O操作,执行效率与能耗效率分别提升近200%及50%。