本文選題：特征空間 + 云數(shù)據(jù)��； 參考：《科技通報》2015年04期

【摘要】：基于融合基礎(chǔ)架構(gòu)的新一代數(shù)據(jù)中心,提出一種基于融合特征空間構(gòu)架的云數(shù)據(jù)離散調(diào)度逼近算法,在對系統(tǒng)節(jié)點進行數(shù)據(jù)采集任務分配的基礎(chǔ)上,研究基于云計算的IAAS層基礎(chǔ)設施自動化快速供應的技術(shù)方案,對云數(shù)據(jù)離散分配任務進行評價和估計,描述了云數(shù)據(jù)采集和特征空間融合架構(gòu)方法,構(gòu)建云數(shù)據(jù)采集和特征空間融合機制,進行融合特征空間構(gòu)架下的數(shù)據(jù)離散調(diào)度逼近算法改進設計。研究結(jié)果表明,該方法實現(xiàn)云數(shù)據(jù)離散調(diào)度的壓縮性能很穩(wěn)定,有效節(jié)約了任務執(zhí)行時間,云數(shù)據(jù)離散調(diào)度逼近的收斂步數(shù)較少,收斂性好,展示了較強的實用性和優(yōu)越性,為云計算的頂層設計PAAS與SAAS提供技術(shù)平臺支持。
[Abstract]:Based on the new generation data center of fusion infrastructure, a new algorithm of cloud data discrete scheduling and approximation based on fusion feature space architecture is proposed, which is based on the assignment of data acquisition tasks to the nodes of the system.Based on cloud computing, this paper studies the technology scheme of IAAS layer infrastructure automation and rapid supply based on cloud computing, evaluates and estimates the discrete assignment tasks of cloud data, and describes the architecture of cloud data acquisition and feature space fusion.The mechanism of cloud data acquisition and feature space fusion is constructed to improve the algorithm of data discrete scheduling approximation under the framework of fused feature space.The research results show that the compression performance of cloud data discretization scheduling is stable, the task execution time is saved effectively, the convergent steps of cloud data discrete scheduling approach are less, the convergence property is good, and it shows strong practicability and superiority.Provide technical platform support for top level design of PAAS and SAAS in cloud computing.
【作者單位】： 長治學院計算機系;
【基金】：融合架構(gòu)下基礎(chǔ)設施的自動化供應研究(課題基金編號:2013208)
【分類號】：TP308;TP301.6

【參考文獻】

相關(guān)期刊論文 前4條

1 徐騫;梁紅;胡光波;;基于二階統(tǒng)計量的近場源四維參數(shù)聯(lián)合估計[J];計算機工程與應用;2011年23期

2 何永強;谷春英;;基于子任務區(qū)域分片下的分布式空間查詢處理與并行調(diào)度方法[J];科技通報;2014年01期

3 高志春;陳冠瑋;胡光波;張毅;;傾斜因子K均值優(yōu)化數(shù)據(jù)聚類及故障診斷研究[J];計算機與數(shù)字工程;2014年01期

4 李靜梅;王雪;吳艷霞;;一種改進的優(yōu)先級列表任務調(diào)度算法[J];計算機科學;2014年05期

【共引文獻】

相關(guān)期刊論文 前10條

1 遲曉梅;;老舊建筑維護成本優(yōu)化配置的造價計算模型[J];工程經(jīng)濟;2015年02期

2 陳素霞;;類似形狀匹配的WVD網(wǎng)絡隱性攻擊信號檢測[J];科技通報;2014年06期

3 王穎;;基于幅值控制算法的入侵痕跡復原實現(xiàn)[J];科技通報;2014年06期

4 劉德旺;;含有功率激勵機制的高爐罐液位隔離檢測設計[J];科技通報;2014年08期

5 盧劍煒;;危險品運輸車流方位—速度參數(shù)聯(lián)合估計算法[J];科技通報;2014年08期

6 蔣華勤;;基于混疊譜估計的多源突發(fā)衰落信號鏡像恢復[J];科技通報;2014年10期

7 嚴莉;;基于分數(shù)間隔均衡技術(shù)的GPS定位修正算法[J];計算機仿真;2014年11期

8 常勇智;邱亞澤;鄭振;涂毫杰;;基于非線性關(guān)聯(lián)維特征提取的機械自動化監(jiān)測系統(tǒng)[J];計算機與數(shù)字工程;2014年12期

9 駱勇;;基于RFID概率泛函的人體運動受力行為分解[J];科技通報;2015年02期

10 楊曉慶;;修正的多模判決分層數(shù)據(jù)庫層間偏轉(zhuǎn)可靠性估計[J];科技通報;2015年02期

【二級參考文獻】

相關(guān)期刊論文 前10條

1 鄔倫,張毅;分布式多空間數(shù)據(jù)庫系統(tǒng)的集成技術(shù)[J];地理學與國土研究;2002年01期

2 黃志強;王樹勛;王波;;基于二階統(tǒng)計量的四維近場源定位[J];電路與系統(tǒng)學報;2006年06期

3 王波;王樹勛;;一種基于二階統(tǒng)計量的近場源三維參數(shù)估計方法[J];電子與信息學報;2006年01期

4 王小非;方明;;一種基于調(diào)度簇樹的周期性分布實時任務調(diào)度算法[J];計算機科學;2007年03期

5 何琨;趙勇;黃文奇;;基于任務復制的分簇與調(diào)度算法[J];計算機學報;2008年05期

6 胡光波;梁紅;徐騫;;艦船輻射噪聲混沌特征提取方法研究[J];計算機仿真;2011年02期

7 張毅;周丙寅;胡光波;;井下直線電機泵故障檢測儀硬件系統(tǒng)設計[J];計算機與數(shù)字工程;2012年11期

8 張建軍;宋業(yè)新;曠文;;基于異構(gòu)環(huán)境的Out-Tree任務圖的調(diào)度算法[J];計算機科學;2013年04期

9 朱欣焰;周春輝;咼維;夏宇;;分布式空間數(shù)據(jù)分片與跨邊界拓撲連接優(yōu)化方法[J];軟件學報;2011年02期

10 曹仰杰;錢德沛;伍衛(wèi)國;董小社;;眾核處理器系統(tǒng)核資源動態(tài)分組的自適應調(diào)度算法[J];軟件學報;2012年02期

相關(guān)博士學位論文 前1條

1 黎鶴;并行系統(tǒng)中負載調(diào)度問題的研究[D];中國科學技術(shù)大學;2008年

，

本文編號：1756732