基于QoS维度分箱的数字化云平台资源置换算法

对数字化信息服务云平台的资源准确置换可以提高云平台的数据预取和资源调度能力。传统方法中对信息服务云平台的资源置换采用边缘逆理论并行查询置换算法,不能满足多媒体数据传输的QoS需求。提出一种基于QoS维度分箱的数字化信息服务云平台资源置换算法,以全局度量为中心节点,进行溯源处理,采用QoS维度分箱的信息特征维度匹配,将乘性噪声相对稳定的一段时间称为一个时隙,实现数字化信息服务云平台资源置换算法改进。仿真表明,该算法通过资源置换处理,提高信息检索的定位准确率,减少资源分配的运行时间,提高云平台的资源调度分配性能。     

基于量子态相干分析的WMSN云执行信息分簇约简

无线多媒体传感网络(WMSN)云执行信息数据量大,实时性要求较高,需要对云执行信息进行分簇约简,提高WMSN的纠错能力和延长网络生命期。提出一种基于量子态相干分析的WMSN云执行信息分簇约简算法,基于量子遗传算法的WMSN网络模型,得到网络中多媒体节点的最大部署密度,采用量子态相干分析算法,进行信息数据寻优,设计WMSN云执行信息分簇策略,得到量子群移动构造的信息素约简后的空间采样分簇重构。实验得出,采用该算法,WMSN中的执行信息得到有效合理规划,分簇空间实现降秩处理,任务执行路径实现最优化模拟生成,执行同步误差较传统方法较小,从而保证了WMSN的系统稳定性和可靠性。     

移动网络基站安全承载信道分配重构算法

移动网络基站的信道分配具有动态性,在信道切换中需要考虑基站节点的安全承载问题。研究移动网络基站安全承载信道分配重构算法对提高移动通信组网的可靠性具有重要意义。传统算法设计多跳基站接入模式,难以满足用户需求。提出一种基于信道切换队列的动态信道分配算法,设计移动网络基站的安全承载模型,得到移动网络基站节点服务与构件之间、业务与服务之间存在如下映射关系。实现信道分配的安全承载重构。定义可重构移动通信网络的安全负载强度,确定不同安全等级需要基站部署节点位置向量,对所有信道进行实时分配,实现了移动网络基站安全承载信道分配重构算法改进。仿真结果表明,该算法能有效提高通信网络的负载率,信道重构在增加网络节点平均负载率的情况下可降低网络节点最大负载率,从而使得网络负载均衡,提高通信的安全性和稳定性。     

嵌入云信息平台双向中继物理层数据传输协议

在嵌入式云信息平台设计中,需要设计物理层数据传输协议优化信息平台的数据调度和任务分配能力。传统的协议采用UDP协议构建云信息平台的中继物理层数据传输协议,产生大量的流量累积,导致物理层拥堵。提出一种基于双向中继负载均衡的嵌入式云信息平台物理层数据传输协议设计算法。构建嵌入式云信息平台的网络模型,对信息平台数据进行压缩处理,通过双向中继物理层数据传输,定义物理层数据传输的调控函数,实现对数据传输的物理层协议构建,实现数据动态分配。实验结果表明,采用该算法,能有效提高数据的传输效率,降低数据传输延时,优化信息传输部署。     

基于量化特征的云资源平台自适应调度方法

通过对云资源平台的自适应调度设计,优化整合云存储空间资源,提高系统的运行效率和资源利用率。在云资源平台任务执行中收到用户行为特征干扰因素较多,调度响应出现时滞,传统方法采用基于时间尺度分析的云资源调度方法,当资源出现随机性干扰时受到网络延迟的影响较大,性能不好。提出一种基于量化特征提取的云资源平台自适应调度方法。构建资源调度平台的总体框架结构,进行资源信息特征提取,采用云资源量化特征提取结果作为调度系统的输入函数,对多源资源信息系统访问特征进行最小方差估计,整个调度过程是一个严平稳的随机过程,通过量化特征提取,能保证对云资源各个调度节点的遍历历经性,提高调度准确性。仿真结果表明,采用个算法能有效实现对云资源平台的自适应调度,抗干扰能力强,资源利用率较高。     

基于智能群辨识的UAP云平台程控扩展算法

提出一种基于线性差分智能群辨识的云平台程控扩展技术,并进行算法改进设计。构建UAP云平台系统模型,对系统载荷运行情况进行相应的评估,进行云计算下的动态任务调配,建立UAP云平台的程控扩展模型,定义线性差分智能群辨识平均访问时间,采用萤火虫群优化追踪策略进行多线性差分智能群辨识激励传播,最后进行UAP云平台程控激励扩展模型下的系统状态评估模型。仿真实验分析得出,采用该算法云平台的程控扩展性能较好,分布式大数据传输实时性提高,误码率和丢包率降低,从而降低了数据传输失真,提高了UAP云平台中的数据和信号传输质量,提高实时数据集成(RDI)和网关服务性能,实现高质量的数据信息服务,保障IT系统安全、稳定、可靠运行。     

突发浪涌数据下差异云平台的弱关联数据调度

突发浪涌数据下差异云平台数据间的关联性破坏概率逐渐增加,降低了数据在冗余环境下查询效率。按照突发浪涌数据下云平台的弱关联数据调度特征,通过基于Apriori的弱关联数据挖掘方法,采集突发浪涌数据下差异云平台的弱关联数据,通过改进离散粒子群算法优化任务节点数字串的编码形式,实现数据调度任务,对粒子位置更新公式进行优化,采用优化离散粒子群算法进行节点寻优,获取最佳调度节点集,实现突发浪涌数据下差异云平台的弱关联数据调度。实验结果表明,该调度方案能够优化云平台资源的使用效率和服务响应时间,提高了总执行效率,节省了云资源,具有较高的节能开销比和用户满意度。     

面向移动学习的云资源信息流无源定位技术

在移动学习过程中,需要对云资源信息流节点准确定位,提高网络学习效率,增强学习网络转换信道均衡能力。传统方法中采用基于向量随机学习的网络信道切换队列整合方法,实现对信任节点的定位,但当出现信任时隙局部性交叉项时,定位性能不好。提出一种改进的面向移动学习的云资源信息流无源定位技术。采用M-learning随机场学习模型,通过局部性交叉项补偿进行信息链单流量解析模型设计,在大数据环境下,对信任节点的数据种类进行无源定位分类,然后通过云资源信息流节点任务调度方法,提高网络的信任度,由此提高对云资源信息流的无源定位能力。仿真结果表明,该算法能有效提高对M-learning环境下的云资源信息流的定位精度,提高学习效率和资源分配能力。在学习资源共享调度等领域具有较好的应用价值。     

云平台下基于量子度分配的算法协同实现

大运算量算法的分布式协同实现是解决该算法实现问题的重要途径。提出一种云平台下基于量子度分配的算法协同实现方法,首先将所有的调度任务等效为量子态,采用量子动态来衡量任务的实时调度执行情况,然后通过统一的管理节点实现系统最优化调度。最后采用实际算法进行系统调度测试实验,结果显示,采用云平台下基于量子度分配的算法,相对于传统调度方法,系统整体效率提高了32%,具有很好的应用价值。     

云平台环境下动态密钥双向认证隐私保护算法

提出一种基于动态密钥双向认证的云平台环境下网络交互数据加密算法,并进行隐私保护设计。构建云平台环境下的数据交互节点拓扑模型,通过部分链路失效多路径加密方法使得数据聚集具有很高的容错功能。对云平台环境下的未加密比特序列的识别率进行分解,构建副本-感知的数据聚集容错机制,将随机抽样原理引入到比特序列信息的提取过程,实现隐私保护。仿真实验表明,该算法对加密数据具有较好的纠错性能,通信量和吞吐量提高,能实现对隐私数据的全时态跟踪监测,预测值与实际值匹配较好,隐私保护安全性较高,具有较好的工程应用价值。