【摘 要】
：
针对多种负载预测方法的适用场景进行了研究,提出了一种负载预测与过载迁移的融合算法。该算法提前对周期内无法提取到的负载情况进行预测且对超过负载阈值的服务器进行告警,
【机 构】
：
中国民航大学计算机科学与技术学院,中国民航信息网络股份有限公司
【基金项目】
：
民航局科技创新引导资金专项资助项目（MHRD20130106,MHRD20140106）,国家科技支撑计划课题项目（2014BAJ04802）,中国民航大学中央高校基金项目（3122014C016）
论文部分内容阅读
针对多种负载预测方法的适用场景进行了研究,提出了一种负载预测与过载迁移的融合算法。该算法提前对周期内无法提取到的负载情况进行预测且对超过负载阈值的服务器进行告警,关闭该进程将服务请求分发给轻负载服务器。通过提前预测与负载迁移的有机结合,解决了一个周期内无法获取各个节点实际负载、负载预测不准确,以及可能出现的部分服务器过载甚至崩溃的问题,最终达到了系统的负载均衡。在JCF（Java component framework）中间件平台上的实验结果表明,该算法优于静态加权轮询和动态加权轮询算法,在提高均衡效率、
其他文献
为降低模型预测控制优化问题的计算复杂度,以时滞系统的模型预测控制问题作为研究对象,利用神经网络动态平衡点与优化问题解相对应的特点,提出一种基于广义投影神经网络的模
对名词短语的事件指代消解进行研究，使用平面特征、结构化句法特征和语义特征等，根据SVM机器学习的方法进行英文事件的指代消解，通过在计算事件语义相似度的元组（语义角色）中加入
强化学习领域的一个研究难点是在大规模或连续空间中平衡探索和利用的问题。针对该问题,应用函数近似与高斯过程方法,提出新的行动者评论家（actor-critic,AC）算法。该算法在act
针对大尺度形变医学图像配准速度慢和精度低的特点,提出一种结合薄板样条(TPS)和B样条的弹性配准方法。该方法采用尺度不变特征变换算法(SIFT)进行图像特征提取与匹配,利用TPS算法将特征点对作为输入进行预处理,以降低浮动图像的形变尺度,从而提高下一步B样条配准的速度与精度。然后使用局部区域细化层次B样条方法将TPS生成的较稀疏的形变网格作为初始网格,结合有限记忆优化算法(L-BFGS)对控制网格
尝试将word embedding和卷积神经网络(CNN)相结合来解决情感分类问题。首先,利用skip-gram模型训练出数据集中每个词的word embedding,然后将每条样本中出现的word embedding
针对粗糙K-均值算法的执行效率较低和对数据对象的处理不准确问题,提出了基于加权距离计算的自适应粗糙K-均值算法。该算法在粗糙集理论应用的基础上修正数据集合的隶属度函
提出一种基于先验信息的脑功能网络提取方法。该方法基于先验信息得到初始的目标和背景种子点,然后基于图论将整个脑图像构建图,最后利用半监督聚类技术提取脑功能网络。基于
针对文本数据维度较高、空间分布稀疏及其聚类效果不佳的问题，提出一种基于增强蜂群优化搜索与K-means的高效文本聚类算法。首先为蜂群算法引入公平操作与克隆操作来提高全局