云计算环境下多媒体资源的权衡调度方法

在云计算环境下对多媒体资源进行优化权衡调度,以提高对多媒体资源的分布式访问和计算能力。传统方法采用网格调度法,随着资源分布网格的增多,导致多媒体资源的分配效果不好。提出一种基于自适应层阶调度的云计算环境下多媒体资源的权衡调度算法。首先构建了云计算环境下的多媒体资源分布结构模型,采用多路复用的网格计算方法实现对云计算数据的融合和特征提取,通过自适应层阶调度实现云计算环境下多媒体资源的权衡调度。仿真结果表明,利用该算法进行云计算环境下多媒体资源的权衡调度,可降低数据丢包率、提高调度准确性、改善云计算性能。     

云计算环境下基于Apriori算法的智能推荐模型

介绍了Apriori算法和智能推荐的基本思想,针对当前互联网应用中智能推荐复杂性问题,提出了云计算环境下基于Apriori的聚类算法模型。该模型根据用户访问网站的行为特征数据,分析和挖掘出用户期望的浏览对象,动态调整云计算系统的智能推荐内容。实验结果表明,该算法模型有效提高了智能推荐的准确性和效率。     

一种面向云计算环境的服务推荐算法

随着云计算理念的普及和云计算技术的发展,在云中部署商业服务已成为一个趋势。云服务类型和数量的持续增长,使用户面临着如何选择最佳云服务的重要挑战。首先分析了云计算环境中服务推荐涉及的对象,接着引入了用户社区的概念,最后结合经典协同过滤推荐算法和聚类技术,提出了一种基于社区聚类的云服务推荐算法:Cloudrec。实验结果表明该算法性能优于传统经典推荐算法,更适应云计算环境。     

云计算环境下的高级持续威胁数据挖掘模型仿真

在云计算环境下,对高级持续威胁数据的准确挖掘可以提高云计算网络的安全防御能力.高级持续威胁数据具有极值扰动非线性特征,传统的线性处理方法难以实现对这类数据的准确挖掘.提出一种基于极值扰动非线性特征提取的云计算环境下的高级持续威胁数据挖掘仿真模型,对系统载荷运行情况进行评估,得到云计算下的动态任务调配,分析高级持续威胁数据的极值扰动非线性特性,计算高级持续威胁数据的稳态概率,得到极值扰动非线性特征,对非线性特征进行脉冲响应不变周期标记.实现了高级持续威胁数据极值扰动非线性特征的挖掘,构建数据挖掘模型.仿真实验表明,算法对持续威胁数据的正确检测概率在95%以上,数据挖掘性能优越,在云计算环境下的高级持续威胁数据的检测挖掘等领域应用价值较高,为网络安全系统构建等奠定基础.     

基于云计算的信息化网络的研究与探索

云计算可以忽略掉网络底层的基础设施直接向用户提供服务,这是因为信息化网络NetInf将负责实现云计算的数据存储和传输的细节问题。信息化网络是一种以信息为中心的网络模式,它为云计算服务对象提供了一种网络接口,使得它们可以独立于网络主机,利用这个接口可以隐藏目前云计算技术中数据存储和传输问题。在信息网络中一种端到端的路由算法替代了传统的点到点的路由算法,这个算法可以应用在频繁移动的网络中,并且可以稳定地处理大规模的数据。云计算和信息网络的结合可以简化云计算对基础设施的管理,同时也能更适用于动态的网络环境。     

云计算技术及其应用研究

云计算以虚拟化、高可靠性、高扩展性为主要特征,能够很好地满足复杂的互联网应用对大规模计算能力、海量数据处理和信息服务的需求。介绍了云计算的定义、基本特征、服务模型、部署模型及其关键技术,并从教育行业分析了云计算的应用。     

云环境下基于多层前向神经网络交叉覆盖算法的数据分类

基于云计算技术的神经网络方法研究为大规模数据的分析处理提供了廉价的、高效的解决方案,交叉覆盖算法可以较好地解决多层前向网络分类器的设计问题,弥补BP神经网络的不足.结合MP神经元的几何概念,基于交叉覆盖算法设计神经网络,以Iris数据集为例,基于云计算环境实现了数据分类,为多层前向神经网络在云环境下进行数据分析提供了一种有意义的研究和实践.     

云计算环境下基于遗传蚁群算法的任务调度

研究了云计算环境下的任务调度问题,通过构造云计算环境下的任务调度模型,提出了一种混合调度算法,该算法是蚁群算法与遗传算法的有机融合。其中的遗传算法采用间接编码方式,结合由遗传算法衍生出的优化解,对蚁群信息素的分布进行初始化处理,使遗传算法的快速搜索能力得到充分利用,并通过克服蚁群算法的起始信息素不足问题,加快了求解速度。云计算环境下的仿真实验结果表明,该混合算法是一种行之有效的任务调度算法。     

云环境下基于蚁群算法的动态容错技术研究

云计算环境下信息处理会产生海量而又至关重要的中间数据,服务器如果失效会导致中间数据丢失。可靠性保障能力不足不仅是云计算应用推广的主要障碍,而且还促使云计算环境下的容错技术研究成为一个亟待解决的问题。针对目前云计算环境下容错效率低、计算资源浪费等问题,提出基于蚁群算法的动态容错技术,利用任务重新提交、检查点技术和资源执行历史记录等方法,减少任务执行和处理时间,提高云计算成功率。实验结果表明,该技术改进了任务重新提交、检查点和扩展信息素更新公式,在任务分配和重新提交过程中,明显缩短了任务平均执行时间,提高了执行成功率。     

基于模拟退火算法的云计算资源调度模型

针对云计算平台的特征,提出基于模拟退火算法建立云计算资源调度模型。模拟退火算法在保证用户公平性的前提下,以缩短总任务的完成时间及提高用户满意度为目标。通过仿真实验,在相同硬件环境下对比分析模拟退火算法与传统遗传算法的资源调度性能。结果表明,模拟退火算法在收敛速度和用户满意度方面均优于传统遗传算法,更加适应云计算环境。     

云计算与网络学习

云计算是在网格计算基础上提出的一种新型计算模型,是下一代网络计算平台的核心技术,它提供了可靠安全的数据存储、方便快捷的互联网服务和强大的计算能力。在教育领域,云计算是未来网络学习的基本环境与平台,将对学习者个人学习环境构建、学校资源建设和教育信息系统开发等带来积极影响。     

一种云工作流动态修改算法的设计与实现

在云计算环境下,动态工作流是一种具有强大灵活性的技术,能够实现流程的动态修改和快速部署,同时对已经执行过的任务产生影响很小,但云端的动态工作流原理较为复杂,实现方式也各不相同.设计并实现了一种动态修改算法,该算法在降低流程修改代价的同时又能够提高流程执行效率.     

基于云计算的显性隐性语法知识数据库构建

传统的语法知识数据库构建方法忽视了显性语法与隐性语法之间的关联程度,致使数据库的反馈结果遗漏了隐性语法知识要点,因此基于云计算技术,构建全新的显性隐性语法知识数据库.粒子群算法计算数据的更新特性,获取隐性数据、显性数据的关联程度指标,根据转化模型实现对隐性语法知识的显性转化;利用目标函数获取搜索目标,并根据数据的重要程度排序;基于云计算技术设置分布式处理方式,优化数据库反馈机制,实现对语法知识的全方位反馈.实验测试表明,与传统方法构建的数据库相比,基于云计算的数据库反馈能力更强,搜索得到的语法知识重要程度更高.由此可见,基于云计算构建的数据库,满足现阶段的教学需求.     

一种改进的基于遗传算法的Map/Reduce模型

为了解决数据存储的安全性问题,提出了一种云计算环境下的改进型Map/Reduce模型.模型改进了传统Map/Reduce模型没有考虑集群中大量异构节点的计算性能差异问题,通过采用最小化最大计算时间的目标函数进行建模,实现了一种更高效、更合理利用资源的分配算法.     

“云”中的数据中心安全防护

随着云计算技术在数据中心建设的应用,数据存储在哪里?谁可以访问?数据安全吗?作者从云计算环境下的数据中心安全风险分析着手,提出了四点安全建设思路,并根据云计算数据中心防护新需求,提出了一个可参考的安全防护部署基本模式。伴随云计算服务应用的快速推广,人们曾乐观的认为,今后计算机无须大容量硬盘。因为所有的应用和个人数据都将被存储在远程服务器中,用户只要很少的投入就可以得到按需分配的存储资源。但是,随着亚马逊、Google和微软等云计算服务安全事     

周悦芝:与计算机同行

<正>云计算是互联网时代信息基础设施的重要形态和信息技术发展的重要模式。在大数据时代,云计算已经渗透到每一个行业,不仅国内外各个IT大佬巨头在部署云计算,很多传统企业也纷纷转型云计算。然而,日前发布的我国首部网络空间安全蓝皮书《中国网络空间安全发展报告(2015)》指出,目前我国云计算和物联网产业还基本处在"讲得多、落实少"的初级阶段。"现在云计算领域的研究基本都是在做上层应用方面,真正涉及数据中心和计算机底层架构的研究还是非常     

云计算环境下的数据安全存储研究

数据安全问题是制约云计算服务推广的瓶颈之一。为了提高云计算应用中用户数据存储传输的安全性,在确保数据读写速度与传输效率的前提下,采用对称与非对称加密算法混合的双重加密、解密模式,发挥两种算法各自的优点。相对于现有模型,其在数据安全性与算法效率上有大幅提升,是一种安全、高速的云计算数据高效存储策略。     

云计算环境下虚拟化数据中心融合技术

在云计算环境下,对高职院校信息管理系统中的虚拟化云数据进行优化融合处理,以提高数据的访问和调度性能。传统方法采用模糊C均值算法进行数据融合处理,随着数据特征之间的模糊性增强,导致对虚拟化云数据的融合和识别能力下降。提出一种基于面向服务构架中心聚类的高职院校信息管理系统中的虚拟化云数据融合算法。首先构建高职院校信息管理虚拟化云数据分布存储结构模型,然后进行数据的状态特征提取和数据聚类处理。实验结果表明,采用面向服务构架中心聚类方法能实现对虚拟化云数据的中心融合处理,提高数据的访问和调度性能。     

云计算环境下的数据采纳行为仿真研究

云计算技术为互联网应用提供了强大的计算能力,云计算相关服务正被用户广泛的接受与应用.用户数据采纳程度影响云计算技术的推动.文章对云计算环境下的数据采纳行为过程进行研究,通过建立仿真模型,对影响数据采纳行为因素进行分析,进一步增强影响用户数据采纳云计算的各个影响因素,为云计算的发展提供更加可靠的依据.     

基于Hadoop的数据聚类算法研究

聚类算法一直备受研究者青睐。随着信息技术和数据技术的发展,数据的种类和数量急剧增长,云计算平台Hadoop成为这些数据存储和处理的新平台,基于云计算平台Hadoop的聚类算法逐渐成为热门。针对数据挖掘中的聚类问题,依托云计算模式及Hadoop平台,研究了K-means算法,有效改变了现有算法的局限性。