一种用于2维数据访问的缓存管理算法

2维数据以1维的形式进行处理和存储,2维空间相邻的节点被不同的映射算法映射到1维空间的不同位置.不同位置导致了不同的访问距离和访问延迟.提出了度量访问距离的指标,计算了4种主要映射算法的指标值,发现并分析了不同算法指标值之间的差异.通过在缓存中增加用于预取的空间,利用了Z-ordering和Hilbert映射算法在一定范围内能更好地簇集映射位置的特性,提高了缓存命中率,从而改善了2维数据的访问速度,优化了系统性能.     

数据广播传输协议与MHP

分析了数据广播传输协议数据轮播与对象轮播技术的差异,以及与MHP中间件之间的关系,提出了选择传输协议和实现的建议。     

P2P网络两级混合路由算法

为了提高纯分布式P2P网络的路由效率,减少因为节点频繁的加入和退出而产生的网络不稳定性,提出一种两级混合路由算法,该算法结合了非结构化Flooding路由算法和结构化的Pastry路由算法的优点,将整个网络分为两级,即虚节点网络和子节点网络,分别采用不同的路由算法,实验证明该路由算法能减少路由过程的中心热点效应和不稳定性,有效提高路由效率.     

时间与空间局部性强弱的量化方法

为了解决虚拟内存空间的管理问题,基于现有工作集管理算法的参数,提出了时间与空间局部性强弱量化描述的定义、性质以及可行计算方法.该方法时间复杂度小,量化结果反映了程序运行期间工作集的时间与空间局部性的强弱变化.     

计算能力可伸缩的运动估计率失真优化

不同硬件设备具有不同的计算能力,能否在任意给定计算能力约束下达到最好的编码效率,是当前视频编码研究领域的一个极具挑战性问题.同时,随着分块结构越来越灵活的编码标准不断出现（如：HEVC,H.264等）,运动估计不得不反复地应用在大小不同的各种分块上,导致其对编码总体计算复杂度的影响愈加重要.在此背景下,本文提出了一种针对运动估计的计算能力可伸缩（Complexity scalable）优化算法.我们通过对运动估计过程中预测失真度和计算复杂度的变化规律建模,发现根据各宏块的特性设置不同的预测失真度阈值可以优化地分配计算资源.而该阈值的大小则恰恰是各宏块的最小预测失真度加上一个由复杂度约束统一决定的偏移量.有鉴于此,我们进一步构造了计算能力可伸缩的优化运动估计算法,在不增加额外计算量的前提下,快速地得到各个宏块所对应的优化阈值,并完成运动估计.通过实验分析,该算法不仅具备自动适应不同计算复杂度约束的能力,而且在任意给定的复杂度约束下,都能提供优化的编码性能.     

基于Hadoop云计算平台的图像分类与标注

为有效处理并利用互联网海量的图像和视频数据,提出了一种基于Hadoop云平台的图像分类和标注解决方案。针对如何高效地进行训练集提取这一重要问题,搭建了基于云计算的图像抓取平台,利用互联网的图像资源作为原始数据集,为提取训练集图像提供足够的数据;实现了基于概率潜在语义分析模型的训练集图像提取功能,对原始数据集进行基于主题的聚类,帮助用户快速选取训练集图像;加入了SVM分类模型,利用提取出来的训练集对未标注图像进行分类标注,实现了完整的系统。实验结果表明,该方案能够满足海量图像数据分类和标注的功能和性能需求。