【摘 要】
：
基于网络编码在并发式数据传输时能够有效地降低网络负载的优越性，应用网络编码优化分布式文件系统的容错问题得到了广泛的关注。为了研究网络编码在分布式文件系统中的应用及其在降低网络负载的有效性，文中基于开源的Hadoop项目设计并实现了面向网络编码的分布式文件系统。该系统通过对存储文件进行切分，然后将这些文件切片进行编码存储，能够以更小的冗余开销获得更好的容错性能，同时，能够利用网络编码的性能提高网络资
【机 构】
：
State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing 210046, China
【出 处】
：
2012全国开放式分布与并行计算学术年会
论文部分内容阅读
基于网络编码在并发式数据传输时能够有效地降低网络负载的优越性，应用网络编码优化分布式文件系统的容错问题得到了广泛的关注。为了研究网络编码在分布式文件系统中的应用及其在降低网络负载的有效性，文中基于开源的Hadoop项目设计并实现了面向网络编码的分布式文件系统。该系统通过对存储文件进行切分，然后将这些文件切片进行编码存储，能够以更小的冗余开销获得更好的容错性能，同时，能够利用网络编码的性能提高网络资源利用率。
其他文献
在尽可能保留有用信息的前提下,实现高维数据的降维；有效实现粒度粗细之间的转换,获取不同层次的信息是非常有意义的研究.首先,利用偏最小二乘法,按相关性最大来提取最强解释能力的信息,实现高维数据的降维.其次,通过主成分信息聚类,获取不同层次的信息粒.最后,根据需求选择合适的粒度进行分析.实验表明,文中所提方法是可行有效的.
为了解决基于Rao-Blackwellized粒子滤波器的同时定位与地图创建算法需要大量的采样粒子,而且频繁重采样可能导致粒子耗尽的问题,提出了利用遗传优化的粒子滤波器算法.设计一种变异的遗传算法来兼顾粒子的权值和粒子集的多样性,取代原有的重采样步骤.在计算采样的提议分布时,考虑了里程计信息和距离传感器信息,并且通过遗传算法来维持粒子集的多样性,实验结果表明,所提出的基于遗传优化的粒子滤波器算法在
针对带有灵活通配符和长度约束的近似模式匹配问题(APMWL,Approximate Pattern Matching with Wildcards and Length constraint)进行研究,为避免文本字符重复使用造成解的指数级增长,引入一次性使用原则one_off条件,提出一种基于后向构造编辑距离矩阵的BAPM(Backward Approximate Pattern Matching
机器学习技术在现代各种数据分析中是备受人们关注的有效方法之一,目前已在众多领域得到广泛应用.于是以目前较为流行的决策树学习为重点,介绍了决策树学习的几个较为成熟的算法,并将相应算法应用到机械波图像分析中,提出了5点上下文决策树学习算法和7点上下文决策树学习算法等.通过实验验证该种处理方法是有意义的.
带有通配符的多序列模式挖掘在文本检索、网络安全、生物科学等领域中具有很重要的作用.通过挖掘多序列模式,能够透彻地了解序列之间的联系,这在各个领域中具有重要的现实意义.在已有的工作中,随着多序列集长度的增大,挖掘的规模呈现指数级增长.本文研究这样一个问题:给定多条序列s1,…,sn、支持度阈值和间隔约束,从多序列中挖掘所有出现次数不小于给定支持度阈值的频繁序列模式,并且要求模式中任意两个相邻元素在序
粗糙集理论中知识约简是数据挖掘应用中知识获取的重要步骤.经典的知识约简算法是一次性将小数据集装入内存中进行知识约简来提高约简算法效率,无法处理海量数据.通过深入剖析基于正区域的、基于差别矩阵的和基于信息熵的知识约简算法中的可并行化操作,提出了基于MapReduce的并行知识约简算法模型,并在Hadoop平台上进行了相关实验.实验结果表明该知识约简算法模型可以处理海量数据集.
数据的存储存在多源化,从多数据源中进行模式挖掘为不同层次决策提供服务是数据挖掘领域的一个研究热点.首先介绍了多数据源挖掘方法的研究进展；然后从数据源的聚类、多种模式的挖掘、局部模式的合成等方面进行了详细的阐述和分析,最后指出了多数据源挖掘的进一步研究方向.
从数据整体和宏观上给出了离群点的新的定义,并基于数据宏观模式定义了一种新的离群因子,该因子考虑了数据点偏离数据模式的程度和数据点本身归类的不确定性；提出了一种新的shadowed sets优化目标,使得在模糊集阴影化过程中更加关注核的准确性；同时基于shadowed sets聚类,提出一种结合聚类的离群点检测算法,该算法可同时进行聚类和离群点检测,通过模拟数据和IRIS数据测试显示算法具有较好的效
Rules and reasoning have been playing a significant role in engineering.However,as the data and logics are becoming increasingly massive and distributed,the traditional reasoning algorithms are of low
分析了李群流形空间的集合结构以及核函数和KFDA的原理,推导了矩阵李群内积空间的度量形式,进一步推导出5个李群核函数,并以此设计实现了KLieDA算法.李群核函数是适应性更广的核函数形式,由于欧式空间的几何结构是李群的子集,因此,李群函数不仅适用于矩阵李群的样本集,同时也能应用于常规的向量形式的样本集.实验表明基于李群函数和李群均值理论的KLieDA算法是一种快速高效的李群样本分类器.实验部分除了