基于多Markov链预测模型的Web缓存替换算法

来源 :微电子学与计算机 | 被引量 : 0次 | 上传用户:lmtc5238
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
为了提高web缓存的性能,提出了一种基于多Markov链预测模型的Web缓存替换算法PGDSF-AI.首先将Web中具有不同浏览特征的用户分为多类,为每一类用户建立类Markov链,进一步建立多Markov链预测模型.然后利用该模型对当前的用户请求预测,进而组成预测对象集.当缓存空间不足时,选取键值最小且不在预测对象集中的对象替换.通过估算对象的平均间隔时间,避免缓存大量保留长时间没有访问的对象.实验结果表明,提出的算法有较好的性能.
其他文献
本文采用质的研究,通过开放性集体访谈和课堂观察了解了生物师范生在教育实习中的基本情况,旨在挖掘隐藏在其语言和教学行为背后的课程意识。结果表明,实习生的课程意识尚处于较
推动成渝地区双城经济圈建设是党中央作出的重大决策部署,有利于四川加速形成优势互补、高质量发展的区域经济布局,同时,也为乐山带来重大利好。但乐山区位并不在双城经济圈
各种游戏在数学教学中的灵活运用都会对教学起到一定的作用,激发学生的学习兴趣,调动他们的学习积极性。
社会学认为生活在同一个社会圈子中的用户表现出相似的行为和共同的偏好,这些有别于信任图拓扑结构的信息也可以用于信任预测中.由此提出了一种基于Folksonomy的信任预测方法