【摘 要】
：
云计算现已广泛应用于各大企业中，其主要技术为虚拟化技术。在其提供了一项项便利服务的同时，也伴随出现了一系列问题。其中最为常见的是由于虚拟机资源分配不合理，从而导致资源池的资源无法得到充分利用。然而对于虚拟机而言，更改其计算规格是个较为复杂的过程，对虚拟机的资源消耗作出预测，能有助于提前设计出合理的资源动态分配算法，实现虚拟机计算规格的平稳转变。
为了提前获取虚拟机资源消耗状况，事先对虚拟机计算规格进行更改，减小其变更时带来的影响，本文提出了虚拟机资源消耗预测——SDOP-GM(1,1)(Smoo
论文部分内容阅读
云计算现已广泛应用于各大企业中，其主要技术为虚拟化技术。在其提供了一项项便利服务的同时，也伴随出现了一系列问题。其中最为常见的是由于虚拟机资源分配不合理，从而导致资源池的资源无法得到充分利用。然而对于虚拟机而言，更改其计算规格是个较为复杂的过程，对虚拟机的资源消耗作出预测，能有助于提前设计出合理的资源动态分配算法，实现虚拟机计算规格的平稳转变。
为了提前获取虚拟机资源消耗状况，事先对虚拟机计算规格进行更改，减小其变更时带来的影响，本文提出了虚拟机资源消耗预测——SDOP-GM(1,1)(SmoothDataandOptimizingParameters-GM(1,1))模型。该模型针对虚拟机资源可能短时间波动较大特点，平滑处理初始数据，并根据云环境特点建模，优化处理模型参数边缘取值。本文同时面向中小型企业小规模的私有云环境，提出了一套虚拟机资源动态分配算法SPC-DAOR(Small-scalePrivateCloud-DynamicAllocationofResources)，该算法重点考虑变更虚拟机的计算规格来达到负载需求，以预测的资源消耗作为输入，计算出虚拟机合适的资源分配，更改其计算规格，在满足不断变化的负载同时，提高了资源利用率。
实验表明，通过对初始数据的整理及对GM(1,1)模型的优化，SDOP-GM(1,1)能够提高预测模型的精度和稳定性。预测值有助于设计虚拟机资源的分配算法，提高云环境下物理机的资源利用率。采用本文设计的SPC-DAOR能够根据负载情况对虚拟机资源进行动态调节，使其资源利用率几乎保持在70%-90%这一合适范围内。
其他文献
摘要：危险化学品仓库多存有易燃、易爆、有毒物品，一旦发生火灾将会造成重大的财产损失，甚至人员伤亡。危险化学品火灾事故让人触目惊心，为尽量避免此类事故，本文将详细分析危险化学品火灾事故的特点，并且提出几点预防危险化学品事故的策略，希望能够实现预防要为主，将隐患消灭于萌芽中的目标。 关键词：危险化学品火灾;特点;预防 危险化学品是指化学品中符合有关危险化学品标准规定的化学品。依据国标“《常用危险化
随着城市的发展，堵车已经成为城市生活中日益严重的一个问题，从过去的交通广播，到接受实时路况信息的电子地图，再到对交通情况进行持续检测并及时告警的智慧交通系统，人们应对堵车的方式也越来越先进，但是这些系统仍然无法对于交通堵塞区域的形成与交通流量的发展变化给出足够的预测与预警，以供交通管理部门提前预防交通堵塞的形成。交通流量预测是解决该问题的有效方法，准确的交通流量预测可以帮助交通参与者提前规避拥堵，节约时间与驾车成本，降低道路拥堵发生的机率与严重程度。
首先，本文利用采集获得的杭州市出租车轨迹数据
近年来，音乐与计算机领域二者交叉的趋势愈发兴起，而音乐教育中最重要的领域“音乐陪练”却始终进展不大，归根结底在于自动音乐转录和曲谱匹配两个子领域对于音乐的解析成果有限，难以应用于真实场景。本文分析确定了目前最主要的挑战并给出了对应的解决方案，提出了一种在实际场景中切实可行的通用实时音乐演奏纠错系统。本文的创新点为:
1、提出了频谱片段级别转录方法。本文分析主流“帧级别”转录后逐帧拼接的方案精度难以达到实用标准的根本原因在于:单帧频谱信息不足，难以支持高精度转录。本文根据“相邻音符起始点之间的音高
随着计算机辅助医疗的发展，越来越多的医学数据的数字化不仅给医生临床应用带来帮助，而且为医患沟通带来新的数字化体验。在计算机辅助医疗中，数字口腔是一个重要的领域。数字口腔系统中，患者的牙齿、牙龈等信息非常重要，但是通过医学设备得到的牙齿形态数据通常不完整，或精度不高，常需要设计算法才能得到高精度且完整的牙齿模型。
围绕数字口腔中的牙齿形态数据，本论文提出了牙冠自动修复算法以及包含牙根的牙齿整体形态重建算法，并设计实现了数字化隐形矫正器的模拟与生成算法。本论文主要内容包含:针对口内扫描得到的牙冠模型
现今时代是信息时代，同时也是数据时代。信息数据的爆发式增长，不仅使数据科学领域越来越热门，也让数据挖掘技术面临前所未有的机遇和挑战。其中，信息网络数据广泛且大量地存在于人们的生活中，为了发现信息网络数据中潜在的知识和价值，人们需要对网络数据进行有效的分析和挖掘。
网络表征学习是将信息网络中的节点表征为低维向量的技术。该技术寻找一个合理的映射函数，把具有复杂拓扑结构的网络节点映射到低维向量空间。该低维向量能够隐含地保留节点在原网络中的拓扑结构特征，从而能够代替原网络节点作为分类、聚类、可视化等各种
摘要：社会经济发展的同时也促进了企业的发展，但与此同时也加剧了企业的市场竞争激烈程度。企业日常工作中的主要内容就包括政工工作，企业通过开展有效的政工工作，能够使员工的思想素质得以显著的提升，同时还能够提升企业的管理水平，在一定程度上有利于提高企业的经济效益。本文分析了企业发展中政工工作的重要性，并进一步探讨了加强企业政工工作有效性的措施。 关键词：企业;政工工作;重要性 企业要想有效改善员工的
在实际场景中，用户的身份标识符通常是不可用的，例如用户在购买商品前以未登陆的状态来浏览电商平台，或者匿名地浏览网页从而保护个人隐私。会话推荐系统就是在这种背景下被提出，其根据短时会话窗口里的匿名点击序列来推荐下一个物品。主流的模型利用RNN来捕获序列行为特征，从而刻画匿名用户在会话期间的短期偏好。这些方法在点击预测性能上有显著的提升，但忽视了购买物品在其中的重要作用一用户通常以特定的购买意图来浏览平台。因此，本文提出了基于强化学习的会话型推荐系统，旨在提高匿名用户的购买意愿。
将用户在会话期间和
随着大数据时代的到来，数据存储领域的挑战和机遇接踵而至。面对海量数据的存储和管理问题，在关系型数据库存储引擎的基础上，更多的提高存储性能、容错性、可扩展性的存储引擎被设计出来。其中日志结构合并树Log-Structured Merge Trees(LSM-tree)作为一种为写负载优化的数据结构在现代得到了更多的应用。
基于LSM-tree的存储引擎为了提供更佳的写入性能，将客户端的:写入操作以日志(log)的格式保存在内存中，达到一定条件后批量延迟写入到磁盘的分层数据结构中存储。为了提高读取性
时尚产业的巨额利润潜力和服装电商的迅猛发展驱动面向服装的智能时尚分析在多媒体、计算机视觉和模式识别等领域获得广泛关注。服装图像的属性标签识别和关键点定位作为智能时尚分析中的基础性问题,具有重要的研究意义。服装种类繁多且许多类别之间的差异很小,给高效准确的图像属性标签识别和关键点定位带来了挑战。深度学习算法在图像处理领域中已经收获了较多成果,但其识别和定位方法存在模型单一、数据量过大、实时性较差、未
近年来，收集到的大量原始数据越来越具有函数特征，可以用函数作为表现形式。函数型数据分析方法可以将离散数据连续化，并通过高维函数获取更多能反映数据变化的有效信息，使得连续数据与离散数据联系地更加紧密，以解决传统分析方法需要较多约束条件的问题。目前较为流行的函数型数据分类方法是基于统计学的机器学习分类算法，它通过建立分类模型预测待测数据的类别。K-最近邻算法在几个监督学习方法中具有较明显的优势，通常会产生有竞争力的结果。
现有的研究结果主要依赖于函数型数据曲线本身的特征，而忽略了其内在蕴含的导数特征