【摘 要】
：
云原生技术在IT和CT领域都已经开始获得广泛的使用,云服务商和电信运营商都在积极采用开源解决方案打造云原生PaaS平台。文章对云原生PaaS平台实现架构和发展趋势进行总结,并从网络云和边缘云的角度对PaaS平台架构进行详细分析,最后基于统一边缘云趋势,提出一种跨电信运营商的云原生PaaS平台架构。
论文部分内容阅读
云原生技术在IT和CT领域都已经开始获得广泛的使用,云服务商和电信运营商都在积极采用开源解决方案打造云原生PaaS平台。文章对云原生PaaS平台实现架构和发展趋势进行总结,并从网络云和边缘云的角度对PaaS平台架构进行详细分析,最后基于统一边缘云趋势,提出一种跨电信运营商的云原生PaaS平台架构。
其他文献
为提高审计系统的智能化推理和预测能力。文中提出了基于BP审计网络的人工智能审计系统平台,在对人工智能开发方式和神经网络方法进行融合分析的基础上,开展了智能化审计模式分析和系统设计分析,并且以不同类型的两类企业为试验对象开展了实证研究。结果表明,BP人工神经网络主要应用于非线性分析,对于解决复杂审计问题具有非常好的适用性;该模型对餐饮类企业判别正常纳税企业32个,异常纳税18个,准确率为95%;对于服装类企业判断正常纳税企业25个,异常25个,准确率84%。文中的研究对智能设计工作提供了一定参考。
针对传统模型难以建立信道状态与复杂MIMO-OFDM系统性能间的映射关系,结合监督学习在处理非线性问题中的优势,提出基于K-最近邻算法的自适应编码模型。以V-BLAST为基础模型,以处理信噪比SVD_SNR作为信道特征,通过KNN对信道特征分类,从而建立信道特征与MCS切换间的映射关系。实验结果表明,在K=35,样本划分为7∶[KG-*2]3时,MCS切换分类准确率最高;同时在相同实验条件下,本文提出的KNN自适应调制编码能快速适应信道环境,且BER和系统吞吐量都要明显优于传统查找表算法,说明此方法可行。
已有Elgamal远程双向认证方案缺乏密钥协商机制,用户无法自由更改密钥,且难以抵御多种攻击,不适合应用于安全性要求很强的智能卡认证场合。针对此问题,提出了一种改进Elgamal远程双向认证方案。改进方案为用户和服务器提供了安全性强的双向认证机制和密钥协商机制,用户可以自由更改密钥,具有前后向保密性,且可以抵御智能卡丢失攻击、重放攻击、密钥猜测攻击、内部攻击、伪造攻击和并行会话攻击。理论分析和仿真实验表明,改进方案具有良好的安全性和较低的计算复杂度。
针对电能质量监测装置的长时间运行,不可避免地会造成变电站内部元件老化或环境干扰,导致电能质量监测产生不确定性的问题,在研究了测量误差及不确定性分析基础上,文中提出了一种基于分参数粒子滤波算法估计电能质量。该算法分为两部分:自适应引导滤波算法和自适应高斯滤波算法,前者假定预测误差服从任意的假设分布,而后者假设预测误差服从高斯分布。仿真阶段,通过与传统粒子滤波估计算法对比,验证了文中所提方法在处理高不确定度的恶劣环境具有一定优势。
针对电网综合能效的残差估计效果较差和诊断耗时较高的问题,基于聚类分析方法,进行电网综合能效诊断模型及应用研究。充分考虑电网特点,建立电网综合能效诊断指标体系,通过极值化无量纲归一化处理定量指标,获取所确定指标体系内各指标权重;依据灰色变权聚类方法确定各项指标权重确定变权重系数,明确与灰类同属的不同对象位次,根据位次排序结果诊断电网综合能效。实验结果表明,诊断精度高达99.5%以上,绝对误差、正误差以及负误差均较低,残差估计效果得到提高,在样本覆盖范围较大的情况下诊断耗时低于50ms。
针对智能电网条件下用户异常用电行为问题,提出了一种基于主成分分析和深度循环神经网络(PCA-RNN)的异常用电行为检测方法。该方法首先利用核主成分分析对电力负荷数据进行降维处理,生成主成分特征子集,然后基于长短记忆网络(LSTM)和门控循环单元(GRU)构建深度循环神经网络(RNN)模型,检测异常用电行为。实验结果表明,该方法能够有效检测出异常用电行为,且具有较高的准确率和鲁棒性。
为了保障网络信息安全性,降低网络信息安全防御时间,提高网络信息安全防御效率,提出可信计算技术在网络信息安全中的应用方法.采用可信计算技术,采集网络信息数据特征,优化网
针对目前医疗信息存在大量孤岛、共享距离短等问题,该研究采用思维进化算法(MEA)、BP神经网络算法和区块链技术设计出一个远程医疗信息共享平台。由于传统的BP神经网络存在容易陷入局部最优和初始权值、阈值的随机性等缺陷,采用MEA算法来确定BP神经网络的初始权值和阈值,最终得到了医疗信息的融合模型。采用改进拜占庭协议的共识机制来实现网络节点共识,通过联盟区块链对医疗数据进行存储,保证了数据的安全性。试验结果表明,MEA+BP神经网络算法的精度相比传统BP神经网络提高了7.77%,稳定性提高了31.58%。
为解决云资源节点负载不均衡导致利用效率低、资源负载均衡性较差等问题,提出以增强学习算法改善云资源动态负载均衡弹性伸缩的方法。采用云资源动态特性基准分析云资源动态的最初基准,对云资源动态特性进行节点采样,设置云资源节点负载的上限和下限,实现云资源动态负载均衡控制;采用非均匀离散傅里叶变换方法,对其节点负载状态均匀调整,引入增强学习算法中Q学习方法,不断自适应执行弹性收缩策略,实现云资源动态负载均衡的智能弹性伸缩。实验结果表明,采用所提方法后,云资源利用效率高达约97%,资源负载均衡性能得到提升。
对某城市地铁低压配电网络电压波动进行了分析和仿真研究。以某地铁A站到B站线路为研究对象,在PSCAD/EMTDC中进行该线路模型M91的搭建,对出现的电压波动进行分析。仿真表明,各种非理想因素和动力照明负荷产生谐波含量,在空载运行时,只有照明负荷、通风时会影响电网电流。机车在不规则运行时会造成明显电压波动,需要采取有效的手段对35kV母线上电压波动进行控制。针对地铁低压配电负荷发生电压波动,提出采用接触器对站厅大面积照明进行控制,在远程控制BAS时,需要使用常压反逻辑控制方式。