云存储中基于相似性的客户-服务端双端数据去重方法

数据去重是云存储系统提高存储率的主要手段之一,为解决查重过程中因数据量大而导致的索引I/O瓶颈和数据块指纹冲突问题,从而提高查重效率和去重准确度,提出了一种快速且安全的数据去重方法。该方法采用客户-服务器端双重检测框架,基于滑动窗口技术和Rabin指纹算法并根据文件内容确定数据块边界,摒弃传统的MD5和SHA1算法,应用第3代安全哈希函数SHA3来计算数据块的指纹。提出两级索引策略,基于数据相似性原理来加快索引查找和比对速度。试验结果表明,客户-服务器双重检测框架能有效提高系统查重效率,基于SHA3的数据块指纹计算更加精确,能有效提高去重准确度。     

基于PIX的患者就医卡匹配算法的研究与应用

要实现电子病历共享,必须解决患者身份标识问题.针对这种需求,结合医疗健康信息集成规范(IHE)患者身份标识交叉索引(PIX)技术框架,提出了患者就诊卡匹配算法.通过数据预处理、身份特征筛选、身份匹配,实现患者身份标识的交叉索引,并用某医院及其分院的患者就诊卡信息数据库生成测试数据.试验结果表明,该匹配算法的准确率和召回率分别达到95%和98%,能够很好地解决患者身份识别问题.     

基于两阶段散列的Web集群服务器内容分配研究

针对Web集群服务器内容分配不均衡的问题，提出了基于两阶段散列的内容分配算法．该算法首先根据统一资源定位器字符串把服务器内容散列到k＊n个槽中，使得各槽的文件个数均衡；然后根据从Web日志中挖掘出的访问负载信息，采用分段负载互补方法把内容再次散列到孢个槽中，以使各槽内容负载均衡．同时，在集群分发过程中应用该算法，可提高请求的调度效率和节点的缓存命中率．实验结果表明，两阶段散列的负载均衡性能可比一次散列提高28．7％．     

一种基于内容分发请求的Web集群服务器研究

针对Web集群服务器请求内容的分布特点,提出了一种基于关联内容的请求分发(ACARD)算法.该算法首先以缓存大小为限制,采用FP tree方法挖掘用户的Web使用模式,并把它们所对应的文档映射到不同的后端服务器,然后由前端服务器根据请求的内容匹配相应的模式并进行转发.这种文档的自适应分布提高了集群系统的磁盘利用率和缓存命中率.实验表明,基于内核态的请求分发算法的性能远优于基于用户态的算法,而且在内核态下,ACARD相对加权最小连接算法的系统平均吞吐量可提高20 4%.     

分布式对象共享耦合信息的一种通用容错模型

提出了一种分布式对象共享耦合信息的通用容错模型，它具有集中计算、多播发送、分散并行纠错的特点，通过对象间含有捎带功能的对偶心跳检测，可在规定间隔内监测出对象意外死亡、信息丢失等异常，分散并行纠错只需检查本地局部信息是否被正确耦合及传送，是一种降低纠错率以减少时间、空间开销的折衷，按照泊松分布计算的分散并行纠错率说明，对于8节点集群，当出错率为10^-3时，纠错率为94．5596％，空间及时间开销仅为原来的22．22％。若采用可靠多播，分散并行纠错率恒为100％。     

Image Retrieval with Text Manipulation by Local Feature Modification

The demand for image retrieval with text manipulation exists in many fields, such as e-commerce and Internet search. Deep metric learning methods are used by most researchers to calculate the similarity between the query and the candidate image by fusing the global feature of the query image and the text feature. However, the text usually corresponds to the local feature of the query image rather than the global feature. Therefore, in this paper, we propose a framework of image retrieval with te...