排序方式: 共有8条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
4.
微服务是现代应用架构的新方法,其特点在于将复杂的应用功能分解到离散、独立的服务中,以实现应用方案的解耦,并且各个服务可以单独开发、部署及扩展。应用的变化必然驱动着底层网络的变化,可重构基础网络体系架构旨在通过网络重构机制来弥补网络业务需求与网络基础传输能力之间的差距。融合可重构和软件定义网络技术,提出了一种SDN体系架构中元模型的构建机制,旨在将SDN体系架构中各层的服务以元模型的方式呈现,并且在借鉴AKF三维伸缩模型之后,提出了一种基于正交分解的元模型的构建方法。最后通过理论分析和开发实例,验证了基于正交分解的元模型构建方法的可行性。 相似文献
5.
6.
Resource scheduling algorithm for ForCES(Forwarding and Control Element Separation) networks need to meet the flexibility,programmability and scalability of node resources.DBC(Deadline Budget Constrain) algorithm relies on users select cost or time priority,then scheduling to meet the requirements of users.However,this priority strategy of users is relatively simple,and cannot adapt to dynamic change of resources,it is inevitable to reduce the QoS.In order to improve QoS,we refer to the economic model and resource scheduling model of cloud computing,use SAL(Service Level Agreement) as pricing strategy,on the basis of DBC algorithm,propose an DABP(Deadline And Budget Priority based on DBC) algorithm for ForCES networks,DABP combines both budget and time priority to scheduling.In simulation and test,we compare the task finish time and cost of DABP algorithm with DP(Deadline Priority) algorithm and BP(Budget Priority) algorithm,the analysis results show that DABP algorithm make the task complete with less cost within deadline,benifical to load balancing of ForCES networks. 相似文献
7.
2D/3D多模态配准在医学影像导航手术中起着重要作用,主要用于提供术前三维图像和术中二维图像的实时信息,帮助医生精准定位病灶,规划手术路径,从而提高手术的安全性和效率。提出了一种2D/3D多模态医学图像配准算法,首先利用Swin Transformer优秀的特征提取能力,构建了初始姿态估计模型,实现姿态参数的快速预测;接着,为了提升整个配准方法的鲁棒性,引入基于Grangeat关系的粗配准方法;最后设计了基于梯度下降的精配准模块,以提升整个配准过程的精确性,且在该模块将Sobel微分算子与归一化互相关结合,提升了参数优化过程中的灵敏度。实验结果表明,所提配准方法在正位和侧位配准中的误差满足配准要求,配准成功率有显著提升。 相似文献
8.
个性化习题推荐是教育信息化时代的重要课题,传统的习题推荐算法忽略了学生在学习过程中的遗忘规律,未能充分挖掘学生的知识掌握水平和相似学生的共性特征,推荐习题的评价指标单一,推荐习题的新颖度和多样性不足,不能合理地促进学生对新知识的学习或帮助学生查缺补漏。针对上述缺陷,提出一种基于学生知识追踪的多指标习题推荐方法,该方法分为习题初筛和再过滤两个模块,围绕习题推荐的新颖度、难度以及多样性 3 个指标展开研究,首先构造了一个结合学生遗忘规律的知识概率预测(student forgetting behavior based knowledge concept coverage prediction,SF-KCCP)模型,保证推荐习题的新颖性;接着基于动态键值的知识追踪(dynamic key-value memory networks for knowledge tracing,DKVMN)模型精准挖掘学生的知识概念掌握水平,以保证推荐合适难度的习题;最后将基于用户的协同过滤(user-based collaborative filtering,UserCF)算法融入再过滤模块,利用学生群体之间的相似性实现推荐结果的多样性。通过大量的实验证明,所提方法比一些现有的基线模型取得了更好的性能。 相似文献
1