一种Hadoop Yarn的资源调度方法研究

针对Hadoop Yarn资源调度问题,为提高集群作业执行效率,提出一种基于蚁群算法与粒子群算法的自适应Hadoop资源调度算法SRSAPH.SRSAPH中,通过Hadoop Yarn跳通信机制获取负载、内存、CPU速度等属性信息初始化信息素矩阵;同时,将粒子群算法的自我认知能力与社会认知能力引入到蚁群算法,提高算法的收敛速度;此外,根据蚁群算法全局最优解的波动趋势动态调整信息素挥发系数,提高解的精度.实验表明,采用SRSAPH进行资源调度,集群的作业执行时间缩短至少10%.     

顽健的无线传感器网络K近邻查询处理算法

提出了一种顽健的K近邻查询处理算法ROC-KNN,根据网络拓扑动态地将查询区域划分成若干子区域.每个子区域中选择一个簇头节点收集其他节点的感知数据,并将其发送至下一个子区域的簇头节点,直至遍历所有子区域.给出了2种分布式的启发式算法,用于设置子区域大小和选择簇头节点,以减少能量消耗.设计了一种利用子区域中非簇头节点恢复查询处理过程的算法,降低了查询处理因簇头节点失效而中断的概率.实验结果表明,ROC-KNN在能量消耗、查询成功率方面均优于现有的算法.     

基于ElGamal变体的前向安全盲签名方案

Due to forward-secure-digital-signature’s capability of effectively reducing loss caused by exposure of secret keys and significant in-application benefits of blind signature aiming at protecting senders’privacy, they have been hot spots for decades in the field of cryptography. Illuminated by the integration of forward secure digital signature and blind signature,based on the variants of ElGamal and assumption of difficulty in solving the discrete logarithm problem in galois field, a forward-secure weak blind signature scheme and a forward-secure strong blind signature scheme are proposed and their security is analyzed thoroughly in this paper. It turns out that forward security, blindness and aptitude of resisting forging attack demonstrated by these two schemes benefit a lot theoretically and practically.     

基于SoC的海天背景下红外斑状目标检测技术

基于红外目标检测的算法在军事和民用领域发挥着重要的作用,然而,在低信噪比条件下,对于飞机、船舶等红外斑状目标的检测存在难度大,误检率、虚警率高等困难。对此,提出了一种基于机器学习的红外斑状目标的算法,检测像素面积在3×3到100×100的红外目标。算法部分采用了形态学方法对目标进行预提取,并使用HOG特征提取与SVM机器学习分类出真实目标。算法分别在大、中、小三个尺度的目标检测上实现了94.01%、92.86%和92.19%的检测精度。此外,在SoC平台上实现了该算法,在低资源使用率的基础上,算法具有很高的实时性。     

智能变电站中的三侧差动联调分析

阐述变电站中的信息共享可以提高运行及维护的效率。在三侧差动联调中，需考虑其两对侧的保护类型可能为常规的，也可能为智能化的，只有找到同步的保护方式，自适应各侧保护类型，才可以在设备运行的过程中，促进同步发展，为电网安全建设提供良好的基础准备。