识别和消除杂波是确保雷达信息数据质量的必要条件。对于信号处理后的未校正扫描反射率,通常通过水平插值,高污染的非污染PPI外推或基于降水类型的分类将两者结合来重建被去除的区域。提出了一种顾及多距射影空间测量方法的自适应雷达...识别和消除杂波是确保雷达信息数据质量的必要条件。对于信号处理后的未校正扫描反射率,通常通过水平插值,高污染的非污染PPI外推或基于降水类型的分类将两者结合来重建被去除的区域。提出了一种顾及多距射影空间测量方法的自适应雷达信息质量评估方法。该方法通过多维半变异函数提供的场空间和时间变化来适应数据类型,并与最初观察到的值在无杂波区域上进行比较,以及通过与来自雨量器的信息数据累积进行比较,并在真实的杂波污染区域上进行评估。实验结果表明:体积-时间重建(high value volum,HVN)通常优于体积重建(high volum,HV),而HVN获得的结果通常与HV的结果非常相似。展开更多
目前已有的QoS流量控制方法大多存在对网络资源的利用率低、可靠性差、粒度粗、实现困难、可扩展性差等问题。如何利用有限的网络资源进行有效的流量控制,以保障业务的服务质量(quality of service,QoS)已成为一个非常迫切的问题。为解...目前已有的QoS流量控制方法大多存在对网络资源的利用率低、可靠性差、粒度粗、实现困难、可扩展性差等问题。如何利用有限的网络资源进行有效的流量控制,以保障业务的服务质量(quality of service,QoS)已成为一个非常迫切的问题。为解决此类问题,借鉴软件定义网络(software defined network,SDN)提出的控制层与数据层分离新思想,提出了一种基于OpenFlow技术的QoS流量控制方法,利用自适应多约束QoS路由技术提高了QoS控制的灵活性与可靠性,实现了对网络资源的高效利用和业务流控制的细粒度。实验结果验证了其有效性。展开更多
云计算服务组合是从众多分布在不同云计算平台上的远程服务中选择合适的组件服务来构建可伸缩的松耦合的增值应用.传统的服务组合方法通常将服务选择与服务组合分阶段进行,由于云计算环境的动态性和服务自身演化的随机性,不能保证选择...云计算服务组合是从众多分布在不同云计算平台上的远程服务中选择合适的组件服务来构建可伸缩的松耦合的增值应用.传统的服务组合方法通常将服务选择与服务组合分阶段进行,由于云计算环境的动态性和服务自身演化的随机性,不能保证选择阶段性能最优的服务在组合服务执行阶段依然是最优的.考虑到云计算环境服务组合的动态性和随机性,建立基于部分可观测Markov决策过程(partially observable Markov decision process,POMDP)的服务组合模型SC_POMDP(service composition based on POMDP),并设计用于模型求解的Q学习算法.SC_POMDP模型在组合服务运行中动态地进行服务质量(quality of service,QoS)最优的组件服务选择,且认为组合服务运行的环境状态是不确定的,同时SC_POMDP考虑了组件服务间的兼容性,可保证服务组合对实际情境的适应性.仿真实验表明,所提出的方法能成功地解决不同规模的服务组合问题,在出现不同比率的服务失效时,SC_POMDP仍然能动态地选择可用的最优组件服务,保证服务组合能成功地执行.与已有方法相比,SC_POMDP方法所选的服务有更优的响应时间和吞吐量,表明SC_POMDP可有效地提高服务组合的自适应性.展开更多
文摘识别和消除杂波是确保雷达信息数据质量的必要条件。对于信号处理后的未校正扫描反射率,通常通过水平插值,高污染的非污染PPI外推或基于降水类型的分类将两者结合来重建被去除的区域。提出了一种顾及多距射影空间测量方法的自适应雷达信息质量评估方法。该方法通过多维半变异函数提供的场空间和时间变化来适应数据类型,并与最初观察到的值在无杂波区域上进行比较,以及通过与来自雨量器的信息数据累积进行比较,并在真实的杂波污染区域上进行评估。实验结果表明:体积-时间重建(high value volum,HVN)通常优于体积重建(high volum,HV),而HVN获得的结果通常与HV的结果非常相似。
文摘目前已有的QoS流量控制方法大多存在对网络资源的利用率低、可靠性差、粒度粗、实现困难、可扩展性差等问题。如何利用有限的网络资源进行有效的流量控制,以保障业务的服务质量(quality of service,QoS)已成为一个非常迫切的问题。为解决此类问题,借鉴软件定义网络(software defined network,SDN)提出的控制层与数据层分离新思想,提出了一种基于OpenFlow技术的QoS流量控制方法,利用自适应多约束QoS路由技术提高了QoS控制的灵活性与可靠性,实现了对网络资源的高效利用和业务流控制的细粒度。实验结果验证了其有效性。
文摘云计算服务组合是从众多分布在不同云计算平台上的远程服务中选择合适的组件服务来构建可伸缩的松耦合的增值应用.传统的服务组合方法通常将服务选择与服务组合分阶段进行,由于云计算环境的动态性和服务自身演化的随机性,不能保证选择阶段性能最优的服务在组合服务执行阶段依然是最优的.考虑到云计算环境服务组合的动态性和随机性,建立基于部分可观测Markov决策过程(partially observable Markov decision process,POMDP)的服务组合模型SC_POMDP(service composition based on POMDP),并设计用于模型求解的Q学习算法.SC_POMDP模型在组合服务运行中动态地进行服务质量(quality of service,QoS)最优的组件服务选择,且认为组合服务运行的环境状态是不确定的,同时SC_POMDP考虑了组件服务间的兼容性,可保证服务组合对实际情境的适应性.仿真实验表明,所提出的方法能成功地解决不同规模的服务组合问题,在出现不同比率的服务失效时,SC_POMDP仍然能动态地选择可用的最优组件服务,保证服务组合能成功地执行.与已有方法相比,SC_POMDP方法所选的服务有更优的响应时间和吞吐量,表明SC_POMDP可有效地提高服务组合的自适应性.
