-
题名边缘计算:新型计算范式综述与应用研究
被引量：22
- 1
-
-
作者
郑逢斌
朱东伟
臧文乾
杨劲林
朱光辉
-
机构
河南大学
中科空间信息(廊坊)研究院
中国科学院
北京航天泰坦科技股份有限公司
无锡航天江南数据系统科技有限公司
-
出处
《计算机科学与探索》
CSCD
北大核心
2020年第4期541-553,共13页
-
基金
“十三五”民用航天预研项目No.Y7K00100KJ
国家发改委重大专项研究项目No.17QFGW02KJ。
-
文摘
科学技术的快速发展,使万物互联设想不再仅仅停留在人们的概念中。随着接入无线网的智能设备数量的快速增长,边缘数据量已达到ZB级别,给核心网络带宽造成巨大压力;与此同时,无人驾驶、位置识别、增强现实、虚拟现实等众多新兴应用的出现对网络延迟、抖动、数据安全等提出了更高的要求。传统云计算在以上方面表现乏力,于是边缘计算(EC)应运而生。边缘计算能够在网络的边缘提供轻量级的云计算和存储能力。对边缘计算的最新研究成果和应用进行了详尽的回顾。首先综述边缘计算和云计算的概念并对比分析边缘计算的优势,指出边缘计算发展的必然性和时代趋势;然后针对典型边缘计算架构和平台进行了全面的综述,并讨论了网络性能优化、视频缓存、购物车视图刷新和网络视频直播等边缘计算中的典型应用案例。最后,从边缘计算服务管理、应用移动性管理、计算资源管理、数据管理等四方面,展望了边缘计算的开放式研究挑战和未来的发展趋势,希望能给从事边缘计算的科研工作者带来启发。
-
关键词
边缘计算
移动边缘计算(MEC)架构
计算迁移
智能节点
边缘缓存
-
Keywords
edge computing
mobile edge computing(MEC)architecture
computation offloading
intelligent nodes
edge caching
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于神威太湖之光的宇宙学多体模拟
被引量：2
- 2
-
-
作者
刘旭
张曦煌
刘钊
吕小敬
朱光辉
-
机构
江南大学物联网工程学院
国家超级计算无锡中心
清华大学
无锡航天江南数据系统科技有限公司
-
出处
《计算机工程》
CAS
CSCD
北大核心
2020年第9期35-43,共9页
-
基金
国家自然科学基金(51877115)。
-
文摘
宇宙学模拟对于科学家研究非线性结构的形成以及暗物质、暗能量等假想形式具有重要作用,而高精度宇宙学模拟包含数千亿甚至数万亿个粒子,因此超级计算机强大的计算能力使其成为解决宇宙学模拟问题的理想平台。为在国产神威太湖之光超级计算机上实现宇宙学N体模拟,分析PHoToNs软件中使用的粒子网格算法和快速多极子方法,并结合众核处理器架构提出多层次分解和负载均衡方案、执行树遍历和引力计算的流水线策略以及向量化引力计算算法等多种性能优化技术,从而实现能充分发挥神威太湖之光架构优势的N体模拟软件SwPHoToNs。实验结果表明,在神威太湖之光超级计算系统的5200000个计算核心上进行包含6400亿个粒子的宇宙学模拟,SwPHoToNs获得了29.44 PFLOPS的持续计算速度,且并行和计算效率分别为84.6%和48.3%。
-
关键词
神威太湖之光
宇宙学
多体模拟
并行优化
可扩展性
-
Keywords
Sunway TaihuLight
cosmology
multi-body simulation
parallel optimization
scalability
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
-
题名针对簇类中心自适应的密度峰值聚类算法
被引量：4
- 3
-
-
作者
王慧玲
宋威
谢国伟
-
机构
江苏省物联网应用技术重点建设实验室无锡太湖学院
江南大学物联网工程学院
无锡航天江南数据系统科技有限公司
-
出处
《传感器与微系统》
CSCD
2020年第12期119-122,126,共5页
-
基金
国家自然科学基金资助项目(61673193)
中央高校基本科研业务费专项资金资助项目(JUSRP51635B)
+1 种基金
中国博士后科学基金资助项目(2017M621625)
江苏省自然科学基金资助项目(BK20181341)。
-
文摘
针对密度峰值聚类(CFSFDP)算法无法自动确定簇类中心点和需要人为主观通过决策图截取簇类中心的局限性的问题,提出了一种针对簇类中心自适应的密度峰值聚类算法。首先应用马氏距离计算方式计算数据的距离矩阵,其次根据簇类中心的分布规律提出自适应化的簇类中心提取机制,最后基于簇类中心的刻画自适应化离群点的分辨,从而得到最终的聚类效果。为验证所提方法的有效性,实验中对多个数据集进行广泛测试,结果表明:所提算法在人工测试数据集和UCI数据集上都比原CFSFDP算法具有更好的聚类结果。
-
关键词
聚类
密度聚类
密度峰值
簇类中心自适应
-
Keywords
clustering
density clustering
density peak
cluster center adaptation
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
