云计算环境下网络节点负荷检测算法

来源 :计算机仿真 | 被引量 : 1次 | 上传用户:lixinjun678
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
在云计算环境下网络节点负荷检测过程中,由于云计算环境下网络节点分布的发散,节点之间特征不同,使得检测过程中出现特征与噪声的干扰,传统的检测算法,在进行检测时忽略了节点特征和去噪对检测结果的重要性,导致传统的方法精确度低,实用性差。提出改进遗传算法的云计算最大压力点检测方法。借助系统的监测设备提取最大流量负荷压力点的特征信号,采用非线性滤波方法对最大流量负荷压力点特征参数进行去噪,同时将其离散化,并计算最大流量负荷压力点的负载系数,融合遗传算法,并引入精英选择策略,将结果与系统负载的最高系数阈值进行比
其他文献
对列车转向架故障进行及时准确的挖掘,可保证列车行驶过程中安全性和平稳性。利用传统算法在进行列车转向架故障挖掘的过程中,无法应对瞬时性、非线性的冲击信号造成的扰动,降低了故障挖掘准确率。为解决上述问题,提出一种优化SVM的列车转向架故障挖掘方法。构建列车转向架故障挖掘模型,将列车转向架故障挖掘过程中的非线性问题转换为高维空间的线性问题,利用径向基函数的内积函数实现非线性运算,根据SVM算法产生的残差
利用模糊综合评价法,对糖尿病心脑血管并发症脑中风进行风险预测,得出患病风险等级:极高危,高危,中危,低危。根据脑中风的各项体征及因素量化模糊数据,建立模糊综合评价指标因素集、确定评价等级集,然后根据专家和临床经验确定权重集,并利用遗传算法优化权重,确定隶属函数矩阵,最后建立脑中风的模糊综合评价模型。研发生成一款基于模糊决策的脑中风风险评估的医用软件,进行风险预测。软件的推广使用能有效地筛选出部分可
针对目前指针式仪表识别任务在使用深度学习算法时存在模型参数量大、计算量大、准确率较低的问题,提出一种基于改进预训练MobileNetV2网络模型与圆形Hough变换相结合的圆形指针式仪表智能检测和识别系统。首先,采用Hough变换解决复杂场景内非圆形区域的干扰问题;然后,提取圆形区域以构建数据集;最后,使用基于改进预训练MobileNetV2网络模型对圆形指针式仪表进行识别。为客观反映所提模型的性