基于动态能量感知的云计算任务调度模型

来源 :计算机测量与控制 | 被引量 : 0次 | 上传用户:virusniper
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对传统云计算任务调度模型出现的计算量大、能耗高、效率低、调配精度差等问题,基于动态能量感知设计了一种新的云计算任务调度模型;以动态能量感知为基础,选取资源分配服务器的中央处理器的使用率、存储器的占用率、控制器的负载率等3个参数,构建三维云计算任务节点投影空间,将上述参数向量投影到空间中;引入动态能量感知建立云计算任务调度模型,采用虚拟技术将多个服务器合并成一台服务器,对调度任务进行需求分析和分类,采用能量感知算法将待调度任务分配给满足调度需求的虚拟资源,将任务调度到服务器资源上,实现任务调度;实验结果表明,基于动态能量感知的云计算任务调度模型在从小任务集和大任务集两个角度都能给有效缩短调度时间,降低调度能耗.
其他文献
万向节十字轴应用新车型验证时发生早期失效,利用有限元分析软件对该万向节十字轴进行分析优化设计,实现提高其性能的同时,大大缩短了设计开发周期,节约了重复试验的周期与成本.
传统雷达遮蔽角测量方法耗时长、精度低,难以满足快速准确进行雷达遮蔽角测量需求.文中基于计算机视觉测角原理,设计了雷达遮蔽角自动测量系统的总体结构和应用模式,提出了相机畸变矫正、安装误差补偿、轮廓识别提取等关键环节的实现方法,并与传统测量方法进行了对比验证.测试结果表明,基于计算机视觉的雷达遮蔽角测量方法能够大幅提高测量效率,精度满足应用需求.
针对北斗导航系统在机动雷达零值标定中的应用问题,文中首先采用最小二乘法进行卫星定位系统的定位计算,然后,结合全球定位系统的实时载波相位差分技术,提出零值标校方法;最后通过对设备的合理安装及相应的标校流程设计,完成距离、角度零值的快速标定.研究结果表明:该定位方法可以满足追踪测量雷达系统的工作要求,尤其是针对零值、俯仰零值以及方位零值的标定.
提出了基于注意力机制的多模态人体行为识别算法;针对多模态特征的有效融合问题,设计基于注意力机制的双流特征融合卷积网络(TAM3DNet,two-stream attention mechanism 3D network);主干网络采用结合注意力机制的注意力3D网络(AM3DNet,attention mechanism 3D network),将特征图与注意力图进行加权后得到加权行为特征,从而使网络聚焦于肢体运动区域的特征,减弱背景和肢体静止区域的影响;将RGB D数据的颜色和深度两种模态数据分别作为双流
为了实现对高速动态图像进行稳定的快速识别,并将识别出的目标图像传给上位机,应用优化的背景差分原理,设计并验证了一种可并行计算的高速动态目标识别算法,利用FPGA作为主控芯片实现了有效图像的高效采集以及实时传输功能;首先该系统采用流水线处理方式实现对数据的实时采集,然后利用乒乓操作来实现目标识别算法,通过对DDR3进行分页操作,将识别后的动态目标图像进行缓存,最后采用USB3.0芯片实现上位机与FPGA进行实时传输数据;实验结果表明,所设计的动态目标高速识别算法可以有效识别出6 mm的BB弹,捕获率高达99
光学卫星的无控定位精度是决定影像应用效果的重要因素;研究表明,影响光学卫星无控定位精度的主要因素包括姿态测量随机误差、时间同步误差、结构变形等引起的姿态低频误差等,影响因素多,难解耦,传统通过控制点评估来建立无控定位误差模型的方法难以客观全面地揭示误差规律;为了更准确地建立无控定位误差变化规律模型,该文将卷积神经网络引入无控定位精度建模,以卫星成像参数和业务系统全自动几何质检结果作为学习样本,利用网络训练无控定位精度与成像参数的关系,更全面揭示无控定位误差规律,并通过预测定位误差来提升无控定位精度;试验中
以转旋型无人直升机为研究对象,文中对其飞行动力学进行了数学建模,针对主尾桨、旋翼、机身、垂尾以及平尾创建气动力学模型,根据各部件力矩及气动力,通过微分方程模拟运算机体运动姿态,实现对旋翼型无人直升机非线性飞行动力学模型的创建.把飞行控制系统、遥控遥测软件、后台模型解算、前台仿真控制台集成为一个完整的闭环系统,降低仿真系统复杂性,提高仿真有效性.在进行旋翼型无人直升机起飞、航路飞行、着陆仿真试验时,旋翼型无人直升机在飞行过程中侧偏较小,实际飞行航线基本覆盖给定航路.这表明该文对旋翼型无人直升机非线性动力模型
以商务车总装车间数字化改造为切入点,全面梳理数字化改造的思路、重点和难点以及改造后取得的成效,为同类改造项目提供有价值的建设性思路.
针对拆解废旧电器整机识别的传统方法效率低下的现象,提出一种自定义特征的废旧电器整机识别的方法;首先对废旧电器图像采用目标分割算法把废旧电器与背景进行分割,然后提取废旧电器整机的形状特征和卷积神经网络提取的深层特征,采用PCA算法对提取到的形状特征进行优化,将优化后的形状特征与深层特征进行特征拼接,最后将拼接后的特征向量对搭建好的3个SVM二分类器进行训练,得到废旧电器的分类模型;结果表明,拼接后的特征向量对废旧电器识别的准确率较高,高达91.21%,能够有效地实现废旧电器的智能识别.
针对人脸识别系统在人脸被遮挡情况下识别率低的问题,为进一步提升人脸在遮挡情况下的识别率,文章提出一种通过图像多方向梯度值,使用融合、补偿等方式产生可以对原图像进行特征描述的特征图像,通过对特征图进行一系列处理后实现人脸识别的算法;算法首先计算图像四方位的梯度值;其次对4个梯度值进行融合运算,产生合融梯度、差融梯度;再次以合融梯度、差融梯度作为补偿变量在原图像上进行适当系数的补偿,形成人脸图像特征图;然后对特征图依次进行直方图统计、主成分分析后,使用SVM分类器进行分类识别;使用Matlab2016试验仿真