程江華，高貴，庫錫樹，等

計算機(jī)科學(xué)技術(shù)

SAR圖像道路網(wǎng)提取方法綜述

程江華，高貴，庫錫樹，等

目的：道路作為一種典型的人造地物，是構(gòu)成現(xiàn)代交通體系的主要部分，具有重要的地理、政治、經(jīng)濟(jì)、軍事意義。道路信息在城市規(guī)劃、交通控制、輔助導(dǎo)航、地理信息系統(tǒng)數(shù)據(jù)庫更新、應(yīng)急響應(yīng)、軍事打擊、毀傷效果評估等諸多領(lǐng)域有著廣泛的應(yīng)用。合成孔徑雷達(dá)在各種遙感成像中不受光照和云層遮擋影響，具有全天時、全天候工作的特點，從合成孔徑雷達(dá)圖像中提取道路網(wǎng)日益受到重視。國內(nèi)外開展從合成孔徑雷達(dá)圖像中提取道路的研究已有20多年的歷史，涌現(xiàn)出眾多優(yōu)秀的算法。然而，關(guān)于合成孔徑雷達(dá)圖像道路提取的綜述性文章在國內(nèi)外雜志上還沒有報導(dǎo)，因此有必要對這些研究工作進(jìn)行系統(tǒng)總結(jié)。方法：本文將20多年來的合成孔徑雷達(dá)圖像道路提取方法（自動、半自動）及涉及到的相關(guān)技術(shù)進(jìn)行系統(tǒng)總結(jié)。按照合成孔徑雷達(dá)圖像道路網(wǎng)提取步驟，將其分為局部檢測和全局連接兩大步驟。其中，在局部檢測中，按照分辨率大小，分為中低分辨率和高分辨率合成孔徑雷達(dá)圖像局部檢測這兩大類；在全局連接中，部分連接方法適合于不同分辨率合成孔徑雷達(dá)圖像，因此不再按分辨率大小進(jìn)行劃分，而是按照自動化程度將其分為自動和半自動這兩類。結(jié)合作者在該領(lǐng)域的研究實踐對這些方法進(jìn)行了分析比較，指出當(dāng)前存在的問題，展望該領(lǐng)域的發(fā)展趨勢。結(jié)果：合成孔徑雷達(dá)圖像道路提取已取得了不少研究成果，但由于實際道路背景環(huán)境復(fù)雜多變，現(xiàn)有算法在自動化程度、速度、普適性及準(zhǔn)確性等方面還有諸多問題有待解決。歸納起來，現(xiàn)有的道路提取方法存在的主要問題及發(fā)展趨勢是：（1）高分辨率多通道、全極化合成孔徑雷達(dá)圖像得到廣泛應(yīng)用是當(dāng)前現(xiàn)狀和發(fā)展趨勢。然而，針對高分辨率合成孔徑雷達(dá)圖像道路提取開展的研究較少。（2）由于實際上道路類型多種多樣，目前提取算法設(shè)置的參數(shù)偏多，依賴于經(jīng)驗值，道路提取算法的魯棒性不強(qiáng)。（3）由于合成孔徑雷達(dá)圖像中存在建筑物、樹木、河流等其他地物干擾影響，道路邊緣檢測及線特征提取虛警率偏高。（4）當(dāng)前全局連接算法建模時，最優(yōu)求解耗時較長，不能滿足實時性的要求。結(jié)論：合成孔徑雷達(dá)圖像道路網(wǎng)提取在遙感應(yīng)用領(lǐng)域具有不可替代的地位。經(jīng)過20多年廣泛研究，合成孔徑雷達(dá)圖像道路網(wǎng)提取已經(jīng)取得了很大的進(jìn)展，但由于合成孔徑雷達(dá)圖像背景復(fù)雜、噪聲干擾較大、道路類型繁多，導(dǎo)致當(dāng)前仍然很難直接從合成孔徑雷達(dá)圖像中提取道路網(wǎng)。本文對20多年合成孔徑雷達(dá)圖像道路網(wǎng)提取方法進(jìn)行全面系統(tǒng)的梳理，按照提取流程將其分為局部檢測和全局連接兩大步驟，并根據(jù)分辨率大小，將局部檢測再次劃分為中低分辨率和高分辨率這兩種類型，根據(jù)自動化程度不同，將全局連接分為自動和半自動兩類，對比總結(jié)出各種方法的優(yōu)缺點，指出當(dāng)前研究存在的問題以及未來的發(fā)展趨勢。隨著合成孔徑雷達(dá)圖像成像技術(shù)的發(fā)展、雷達(dá)回波電磁散射機(jī)理研究的深入、其他遙感圖像解譯技術(shù)的進(jìn)步以及數(shù)學(xué)理論的推陳出新，必將給合成孔徑雷達(dá)圖像道路網(wǎng)提取帶來新的研究途徑。

來源出版物：中國圖象圖形學(xué)報,2013,18(1):11-23

入選年份：2014

大數(shù)據(jù)分析——RDBMS與MapReduce的競爭與共生

覃雄派，王會舉，杜小勇，等

摘要：目的：在科學(xué)研究（天文學(xué)、生物學(xué)、高能物理）、計算機(jī)仿真、互聯(lián)網(wǎng)應(yīng)用、電子商務(wù)等領(lǐng)域，數(shù)據(jù)量呈現(xiàn)快速增長的趨勢。隨著數(shù)據(jù)生成的自動化，以及數(shù)據(jù)生成速度的加快，需要處理的數(shù)據(jù)量急劇膨脹。大數(shù)據(jù)時代已經(jīng)來臨。為了從數(shù)據(jù)中發(fā)現(xiàn)知識，并加以利用，指導(dǎo)人們的決策，必須對數(shù)據(jù)做深入的分析，而不是僅僅生成簡單的報表。這些復(fù)雜的分析必須依賴于復(fù)雜的分析模型，很難用SQL來進(jìn)行表達(dá)，統(tǒng)稱為深度分析。簡而言之，數(shù)據(jù)分析的兩大趨勢和挑戰(zhàn)是：（1）數(shù)據(jù)量的膨脹；（2）數(shù)據(jù)深度分析需求的增長。方法：關(guān)系數(shù)據(jù)庫技術(shù)經(jīng)過了將近40年的發(fā)展，成為一門成熟的、同時仍在不斷演進(jìn)的主流數(shù)據(jù)管理和分析技術(shù)。關(guān)系數(shù)據(jù)管理技術(shù)的主流應(yīng)用包括OLTP應(yīng)用、OLAP應(yīng)用以及數(shù)據(jù)倉庫等。SQL語言作為存取關(guān)系數(shù)據(jù)庫系統(tǒng)的語言得到了標(biāo)準(zhǔn)化，經(jīng)過不斷擴(kuò)充，其功能和表達(dá)能力不斷增強(qiáng)。為了實現(xiàn)大數(shù)據(jù)的有效管理和分析，必須依賴于大規(guī)模集群的并行計算。根據(jù)CAP（Consistency，Availability，Tolerance to Network Partitions）理論，在分布式系統(tǒng)中，一致性、可用性、容錯性三者不可兼得，追求其中兩個目標(biāo)，必將損害另外一個目標(biāo)。并行數(shù)據(jù)庫系統(tǒng)追求高度的一致性和容錯性（通過分布式事務(wù)、分布式鎖等機(jī)制），無法獲得良好的擴(kuò)展性和系統(tǒng)可用性，而系統(tǒng)的擴(kuò)展性是大數(shù)據(jù)分析的重要前提。2004年Google公司提出MapReduce技術(shù)，作為面向大數(shù)據(jù)分析和處理的并行計算模型，引起了工業(yè)界和學(xué)術(shù)界的廣泛關(guān)注。MapReduce技術(shù)框架包含三個層面的內(nèi)容：（1）分布式文件系統(tǒng)；（2）并行編程模型；（3）并行執(zhí)行引擎。自從2004年以來，MapReduce（Apache Hadoop為MapReduce技術(shù)的開源實現(xiàn)），工業(yè)界和學(xué)術(shù)界掀起了研究開發(fā)熱潮，改進(jìn)這個技術(shù)，主要的改進(jìn)技術(shù)包括：（1）存儲模型、數(shù)據(jù)放置策略、數(shù)據(jù)傾斜處理、索引支持、數(shù)據(jù)類型與多樣性支持等；（2）對MapReduce進(jìn)行擴(kuò)展以支持流數(shù)據(jù)處理、增量處理、持續(xù)處理、和迭代式處理，充分利用集群內(nèi)存加速數(shù)據(jù)訪問；（3）連接操作優(yōu)化，復(fù)雜算法的并行化與優(yōu)化；（4）針對多核CPU、GPU、異構(gòu)環(huán)境、云平臺等環(huán)境的調(diào)度策略和查詢處理優(yōu)化；（5）易用的接口語言，包括SQL、統(tǒng)計、數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)語言；（6）MapReduce的節(jié)能、隱私和安全保證技術(shù)研究等。MapReduce的應(yīng)用領(lǐng)域已經(jīng)從互聯(lián)網(wǎng)搜索引擎的索引創(chuàng)建，擴(kuò)展到數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、信息檢索、計算機(jī)仿真、科學(xué)實驗數(shù)據(jù)處理（生物、物理……）等眾多的領(lǐng)域。結(jié)果：關(guān)系數(shù)據(jù)庫技術(shù)經(jīng)過幾十年的積淀和發(fā)展，擅長結(jié)構(gòu)化數(shù)據(jù)的處理，性能高，但遇到擴(kuò)展能力的困難；而 MapReduce 技術(shù)則在系統(tǒng)的擴(kuò)展能力、數(shù)據(jù)的多樣性、數(shù)據(jù)裝載速度、分析和數(shù)據(jù)緊密結(jié)合／靠近數(shù)據(jù)進(jìn)行分析（in situ data analytics）、分析的復(fù)雜度等方面見長。我們認(rèn)為，RDBMS技術(shù)和MapReduce技術(shù)將互相取長補短，互相借鑒和互相融合。Aster Data數(shù)據(jù)庫和greenplum數(shù)據(jù)庫是關(guān)系數(shù)據(jù)庫向MapReduce學(xué)習(xí)的例子，它們在RDBMS內(nèi)部實現(xiàn)了MapReduce計算，同時SQL引擎能夠平滑地存取Hadoop HDFS的文件。而Hadapt、Cloudera Impala、HortonWorks Stinger、Apache Drill、RCFile、Hadoop++等，則試圖在Hadoop平臺上，借鑒RDBMS的數(shù)據(jù)存儲、索引、查詢優(yōu)化等技術(shù)，提高查詢處理的性能，并且提供交互式查詢的能力。結(jié)論：云計算的主要特點是虛擬化和動態(tài)伸縮性。利用云平臺實現(xiàn)大數(shù)據(jù)管理和分析，仍然面臨眾多的挑戰(zhàn)，包括動態(tài)擴(kuò)展性與數(shù)據(jù)遷移、系統(tǒng)容錯性保證、節(jié)能、隱私保護(hù)和安全等問題。圍繞RDBMS已經(jīng)產(chǎn)生了一個分析生態(tài)系統(tǒng)，而圍繞 Hadoop技術(shù)正在產(chǎn)生另外一個分析生態(tài)系統(tǒng)。這兩個系統(tǒng)的目的：是重疊的，一個自然的想法就是，兩項技術(shù)和生態(tài)系統(tǒng)是否將融合到一起？作者相信統(tǒng)一的大數(shù)據(jù)處理框架以及生態(tài)系統(tǒng)將會形成。這些方案可以分成兩類，即RDBMS為主的大數(shù)據(jù)處理平臺，以及Hadoop技術(shù)為主的大數(shù)據(jù)平臺。下一代 MapReduce（MapReduce2.0/YARN）技術(shù)對系統(tǒng)的擴(kuò)展性、性能、可用性等各個方面做了大幅度的調(diào)整和增強(qiáng)。通過把MapReduce計算模型從資源管理架構(gòu)中剝離出來，新的框架支持更多的應(yīng)用類型，包括流數(shù)據(jù)處理（Stream Processing）、圖數(shù)據(jù)處理（Graph Processing）、BSP計算模型（Bulk Synchronous Processing）、MPI計算模型（Message Passing Interface）等。其支持的節(jié)點規(guī)模從目前的 4000左右增加到 6000～10000，并發(fā)的任務(wù)數(shù)從目前的 40000增加到100000。這樣的框架擴(kuò)展和改進(jìn)，預(yù)示著大數(shù)據(jù)統(tǒng)一處理平臺初見端倪。

來源出版物：軟件學(xué)報,2012,23(1):32-45

入選年份：2014

移動互聯(lián)網(wǎng)：終端、網(wǎng)絡(luò)與服務(wù)

羅軍舟，吳文甲，楊明

摘要：隨著寬帶無線接入技術(shù)和移動終端技術(shù)的飛速發(fā)展，人們迫切希望能夠隨時隨地乃至在移動過程中都能方便地從互聯(lián)網(wǎng)獲取信息和服務(wù)，移動互聯(lián)網(wǎng)應(yīng)運而生并迅猛發(fā)展。然而，移動互聯(lián)網(wǎng)在移動終端、接入網(wǎng)絡(luò)、應(yīng)用服務(wù)、安全與隱私保護(hù)等方面還面臨著一系列的挑戰(zhàn)，其基礎(chǔ)理論與關(guān)鍵技術(shù)的研究，對于國家信息產(chǎn)業(yè)整體發(fā)展具有重要的現(xiàn)實意義。作為當(dāng)前的熱點，移動互聯(lián)網(wǎng)在近幾年得到了廣泛的研究。本文分別從移動終端、接入網(wǎng)絡(luò)、應(yīng)用服務(wù)、安全與隱私保護(hù)4個方面闡述和分析移動互聯(lián)網(wǎng)的研究進(jìn)展，并介紹了作者在WLAN基站原型系統(tǒng)及無線Mesh網(wǎng)絡(luò)性能優(yōu)化方面的研究成果。連續(xù)查詢是基于位置服務(wù)中的一種常見并且重要的查詢類型。不同于快照查詢，連續(xù)查詢具有位置頻繁更新和時效性的特點，將上述的靜態(tài)匿名算法應(yīng)用于連續(xù)查詢隱私保護(hù)時，會出現(xiàn)隱私泄露、匿名服務(wù)器負(fù)擔(dān)過重、網(wǎng)絡(luò)資源浪費等問題。針對這些問題，提出了隱私模型和質(zhì)量模型，解決了在用戶查詢有效期內(nèi)如何選擇進(jìn)行位置匿名的時間點等難點問題，在連續(xù)查詢中有效地實現(xiàn)了隱私保護(hù)與服務(wù)質(zhì)量的均衡。安全與隱私保護(hù)是移動互聯(lián)網(wǎng)所面臨的一大緊迫問題，已經(jīng)成為影響其發(fā)展的重要因素之一。在移動互聯(lián)網(wǎng)環(huán)境下，傳統(tǒng)互聯(lián)網(wǎng)中的安全問題依然存在，同時還出現(xiàn)了一些新的安全問題。安全與隱私保護(hù)研究涉及移動終端、接入網(wǎng)絡(luò)和應(yīng)用服務(wù)3個層面，包括移動終端安全、無線網(wǎng)絡(luò)安全、應(yīng)用安全、內(nèi)容安全、位置隱私保護(hù)等。本文將重點介紹移動終端安全和位置隱私保護(hù)的研究進(jìn)展。本文從移動終端、接入網(wǎng)絡(luò)、應(yīng)用服務(wù)及安全與隱私保護(hù)4個方面對移動互聯(lián)網(wǎng)的研究進(jìn)展進(jìn)行闡述與分析，并介紹了作者在WLAN基站原型系統(tǒng)及無線Mesh網(wǎng)絡(luò)性能優(yōu)化方面的研究工作，最后對未來的研究方向進(jìn)行展望。

來源出版物：計算機(jī)學(xué)報,2011,34(11):2029-2051

入選年份：2014

網(wǎng)絡(luò)協(xié)議的自動化模糊測試漏洞挖掘方法

李偉明，張愛芳，劉建財，等

摘要：隨著網(wǎng)絡(luò)應(yīng)用越來越復(fù)雜和重要，對網(wǎng)絡(luò)協(xié)議的安全性要求也越來越高。Fuzz Testing作為一種重要的測試手段，通過大量數(shù)據(jù)的注入來測試網(wǎng)絡(luò)協(xié)議的安全，能夠發(fā)現(xiàn)拒絕服務(wù)、緩沖區(qū)溢出和格式化字符串等多種重要漏洞。但是手工進(jìn)行Fuzz Testing需要精確了解網(wǎng)絡(luò)協(xié)議細(xì)節(jié)并需要繁重的工作來構(gòu)造大量測試數(shù)據(jù)集，導(dǎo)致覆蓋率有限，效果也不好。為了解決這個問題，本文結(jié)合網(wǎng)絡(luò)協(xié)議逆向工程和Fuzz Testing技術(shù)，提出了一種能夠自動化識別各種網(wǎng)絡(luò)協(xié)議并產(chǎn)生模糊器進(jìn)行Fuzz Testing的漏洞挖掘方法。經(jīng)過測試FTP、TNS、EM、ISQLPlus等多種已知和未知網(wǎng)絡(luò)協(xié)議，結(jié)果表明這種方法在漏洞挖掘方面效果超過手工分析，并顯著提升了測試效率，為提高網(wǎng)絡(luò)協(xié)議的安全性提供了良好的基礎(chǔ)，具有重要的應(yīng)用價值。網(wǎng)絡(luò)協(xié)議只有安全的設(shè)計和實現(xiàn)才能保護(hù)用戶傳輸?shù)拿舾行畔?。本文的組織結(jié)構(gòu)如下，第一部分介紹網(wǎng)絡(luò)逆向工程以及Fuzz Testing漏洞挖掘方法的研究現(xiàn)狀，并提出本文的總體思路和實現(xiàn)結(jié)構(gòu)。第二部分介紹了數(shù)據(jù)報文分類方法。第三部分詳細(xì)介紹如何對未知網(wǎng)絡(luò)協(xié)議進(jìn)行識別，并對采用的多序列比對中的漸進(jìn)比對和遺傳算法進(jìn)行了比較，提出了改進(jìn)的漸進(jìn)比對算法和優(yōu)化的Needleman Wunsch算法。第四部分則進(jìn)一步介紹如何自動化識別網(wǎng)絡(luò)協(xié)議的特定域。第五部分描述如何將識別出的網(wǎng)絡(luò)協(xié)議轉(zhuǎn)化為Fuzzer，構(gòu)造針對目標(biāo)協(xié)議的模糊測試器。第六部分是實驗測試，通過具體數(shù)據(jù)分析自動化漏洞挖掘方法的有效性。第七部分對工作進(jìn)行總結(jié)和展望。這種方法通過報文分類、多序列比對、特定域識別、模糊器生成多個階段，自動識別網(wǎng)絡(luò)協(xié)議報文結(jié)構(gòu)并進(jìn)行Fuzz Testing。

來源出版物：計算機(jī)學(xué)報,2011,34(2):242-255

入選年份：2014

架構(gòu)大數(shù)據(jù)：挑戰(zhàn)、現(xiàn)狀與展望

王珊，王會舉，覃雄派，等

摘要：大數(shù)據(jù)分析相比于傳統(tǒng)的數(shù)據(jù)倉庫應(yīng)用，具有數(shù)據(jù)量大、查詢分析復(fù)雜等特點。為了設(shè)計適合大數(shù)據(jù)分析的數(shù)據(jù)倉庫架構(gòu)，本文列舉了大數(shù)據(jù)分析平臺需要具備的幾個重要特性，對當(dāng)前的主流實現(xiàn)平臺─并行數(shù)據(jù)庫、MapReduce及基于兩者的混合架構(gòu)進(jìn)行了分析歸納，指出了各自的優(yōu)勢及不足，同時也對各個方向的研究現(xiàn)狀及中國人民大學(xué)在大數(shù)據(jù)分析方面的努力進(jìn)行了介紹，對未來研究做了展望。本文在大數(shù)據(jù)的時代背景下，對現(xiàn)有數(shù)據(jù)倉庫系統(tǒng)實現(xiàn)方案（主要是并行數(shù)據(jù)庫和MapReduce）進(jìn)行重新審視，期望能為設(shè)計滿足時代需求的數(shù)據(jù)倉庫系統(tǒng)提供理論參考。限于篇幅，本文主要關(guān)注不同數(shù)據(jù)倉庫實現(xiàn)方案的主體架構(gòu)，及其缺陷在最近幾年的改進(jìn)情況。依據(jù)研究立足點的不同，本文將該領(lǐng)域的研究歸為3大類：并行數(shù)據(jù)庫、MapReduce、并行數(shù)據(jù)庫和 MapReduce技術(shù)的混合架構(gòu)。其中第三類研究又細(xì)分為：并行數(shù)據(jù)庫主導(dǎo)型、MapReduce主導(dǎo)型、并行數(shù)據(jù)庫和MapReduce集成型3種。本文組織如下：第一節(jié)分析大數(shù)據(jù)時代，數(shù)據(jù)倉庫所面臨的問題及挑戰(zhàn)；第二節(jié)列出大數(shù)據(jù)時代的數(shù)據(jù)倉庫平臺需具備的幾個重要特性；第三節(jié)到第五節(jié)就這幾個特性對各類平臺進(jìn)行歸納分析；第六節(jié)對最新研究做一跟蹤歸納；第七節(jié)介紹了中國人民大學(xué)在大數(shù)據(jù)分析方面的研究工作；第八節(jié)對未來研究做出展望；第九節(jié)小結(jié)。本文對大數(shù)據(jù)分析的主流實現(xiàn)平臺（并行數(shù)據(jù)庫、MapReduce及兩者的混合架構(gòu)）進(jìn)行了評價、歸納與對比分析，介紹了中國人民大學(xué)在大數(shù)據(jù)分析方面的研究，并對當(dāng)前的研究進(jìn)行了歸納。從文中可以看出，每種分析平臺都不是完美的，在大數(shù)據(jù)面前，都有很長的路要走。大數(shù)據(jù)分析迫使我們反思傳統(tǒng)的數(shù)據(jù)倉庫架構(gòu)，虛心地研究MapReduce等新生平臺，以站在更高的層次來思考問題，從而找到適應(yīng)時代需求的數(shù)據(jù)倉庫架構(gòu)。

大數(shù)據(jù)；大規(guī)?？蓴U(kuò)展；MapReduce；并行數(shù)據(jù)庫；深度分析

來源出版物：計算機(jī)學(xué)報,2011,34(10):1741-1752

入選年份：2014

可演進(jìn)的新一代互聯(lián)網(wǎng)體系結(jié)構(gòu)研究進(jìn)展

吳建平，林嵩，徐恪，等

摘要：當(dāng)前互聯(lián)網(wǎng)正處于向新一代互聯(lián)網(wǎng)過渡發(fā)展的階段。對于新一代互聯(lián)網(wǎng)體系結(jié)構(gòu)的發(fā)展方向，支持革命式路線的研究人員認(rèn)為應(yīng)該重新設(shè)計，但他們提出的方案難以在目前的互聯(lián)網(wǎng)實際部署；支持改良式路線的研究人員認(rèn)為應(yīng)該在現(xiàn)有互聯(lián)網(wǎng)的基礎(chǔ)上進(jìn)行修改，但某些修改在一定程度上破壞了互聯(lián)網(wǎng)的設(shè)計原則，影響了新應(yīng)用的部署?；ヂ?lián)網(wǎng)發(fā)展歷史表明，當(dāng)前互聯(lián)網(wǎng)的核心機(jī)制和設(shè)計原則仍然具有旺盛的生命力，可以適用于新一代互聯(lián)網(wǎng)，而需要修改的則是部分基本要素（例如IPv4協(xié)議向IPv6協(xié)議的發(fā)展）。綜合這些方面的考慮，我們認(rèn)為新一代互聯(lián)網(wǎng)體系結(jié)構(gòu)的發(fā)展應(yīng)當(dāng)采用一個稱為演進(jìn)的中間路線：保持互聯(lián)網(wǎng)的核心和設(shè)計原則相對穩(wěn)定，謹(jǐn)慎地改變約束其擴(kuò)展的基本要素，以適應(yīng)和更好地支持未來的應(yīng)用需求。文中首先分析了互聯(lián)網(wǎng)體系結(jié)構(gòu)的發(fā)展趨勢，提出了可演進(jìn)性的定義，闡述了可演進(jìn)體系結(jié)構(gòu)的設(shè)計原則和設(shè)計約束?？裳葸M(jìn)性的關(guān)鍵是如何確定重要的核心和設(shè)計原則，如何劃分核心原則和基本要素之間的界限，如何分析研究者們提出的互聯(lián)網(wǎng)體系結(jié)構(gòu)或者某種協(xié)議機(jī)制是否符合可演進(jìn)性。針對這些問題，文中提出了互聯(lián)網(wǎng)體系結(jié)構(gòu)可演進(jìn)性評估模型的若干思路。在此基礎(chǔ)上，進(jìn)一步提出了基于IP的可演進(jìn)網(wǎng)絡(luò)體系結(jié)構(gòu)實驗網(wǎng)絡(luò)的設(shè)計思路，以期為研究人員提供實驗和驗證體系結(jié)構(gòu)設(shè)計的可用平臺。該實驗平臺與現(xiàn)有實驗平臺的主要區(qū)別是強(qiáng)調(diào)了進(jìn)行實驗的體系結(jié)構(gòu)和協(xié)議機(jī)制應(yīng)當(dāng)符合可演進(jìn)性設(shè)計原則，使得這些體系結(jié)構(gòu)和協(xié)議機(jī)制在當(dāng)前互聯(lián)網(wǎng)中有可能得到實際部署。本文回顧了互聯(lián)網(wǎng)設(shè)計原則與互聯(lián)網(wǎng)體系結(jié)構(gòu)可演進(jìn)性相關(guān)的研究工作，提出了可演進(jìn)體系結(jié)構(gòu)的3個設(shè)計原則（演化核相對穩(wěn)定性、模塊性和最優(yōu)性）和兩個設(shè)計約束（經(jīng)濟(jì)性和可部署性）?；谶@些設(shè)計原則，我們提出了互聯(lián)網(wǎng)體系結(jié)構(gòu)可演進(jìn)性評估模型。此外，我們還提出了基于 IP的可演進(jìn)網(wǎng)絡(luò)體系結(jié)構(gòu)實驗網(wǎng)絡(luò)的設(shè)計思路。在本文所提出的框架下，我們計劃進(jìn)一步研究互聯(lián)網(wǎng)體系結(jié)構(gòu)可演進(jìn)性評估模型，針對所提出的思路進(jìn)一步完善和總結(jié)評估框架，并實際應(yīng)用于若干體系結(jié)構(gòu)重要問題的可演進(jìn)性評估。另一方面我們將進(jìn)一步完善網(wǎng)絡(luò)體系結(jié)構(gòu)實驗網(wǎng)絡(luò)以便實際部署使用，并不斷完善和深化所提出的可演進(jìn)性設(shè)計原則和設(shè)計約束。

來源出版物：計算機(jī)學(xué)報,2012,35(6):1094-1108

入選年份：2014

虛擬化云計算平臺的能耗管理

葉可江，吳朝暉，姜曉紅，等

摘要：數(shù)據(jù)中心的高能耗是一個亟待解決的問題。近年來，虛擬化技術(shù)和云計算模式快速發(fā)展起來，因其具有資源利用率高、管理靈活、可擴(kuò)展性好等優(yōu)點，未來的數(shù)據(jù)中心將廣泛采用虛擬化技術(shù)和云計算技術(shù)。將傳統(tǒng)的能耗管理技術(shù)與虛擬化技術(shù)相結(jié)合，為云計算數(shù)據(jù)中心的能耗管理問題提供了新的解決思路，是一個重要的研究方向。文中從能耗測量、能耗建模、能耗管理實現(xiàn)機(jī)制、能耗管理優(yōu)化算法4個方面對虛擬化云計算平臺能耗管理的最新研究成果進(jìn)行了介紹。論文分析了虛擬化云計算平臺面臨的操作管理和能耗管理兩方面的問題，指出了虛擬化云計算平臺能耗監(jiān)控與測量的難點；介紹了能耗監(jiān)測步驟及能耗輪廓分析方法；提出了虛擬機(jī)系統(tǒng)的整體能耗模型及服務(wù)器整合和在線遷移兩種關(guān)鍵技術(shù)本身的能耗模型；從虛擬化層和云平臺層兩個層次總結(jié)了目前能耗管理機(jī)制方面取得的進(jìn)展；并對能耗管理算法進(jìn)行分類、比較。最后對全文進(jìn)行總結(jié)，提出了未來10個值得進(jìn)一步研究的方向。本文分析了虛擬化云計算平臺的能耗管理技術(shù)，從能耗測量、能耗建模、能耗管理機(jī)制、能耗管理算法4個方面進(jìn)行了系統(tǒng)的闡述。能耗測量的開銷和準(zhǔn)確性是制定高效能耗管理策略的基礎(chǔ)。能耗建模的精度，直接反映了虛擬機(jī)能耗數(shù)據(jù)的準(zhǔn)確性，對后續(xù)節(jié)能優(yōu)化非常重要。能耗管理機(jī)制被分為虛擬化層的管理機(jī)制和云平臺層的管理機(jī)制。能耗管理算法按應(yīng)用場景被分為節(jié)能部署算法、節(jié)能整合算法、節(jié)能遷移算法等。這4方面的內(nèi)容關(guān)系密切，相互銜接，共同構(gòu)成了虛擬化云計算平臺的能耗管理解決方案。它們的關(guān)系是：能耗測量獲得資源使用情況的原始數(shù)據(jù)，傳遞給能耗模型；能耗模型根據(jù)計算得出虛擬機(jī)的能耗使用情況；基于這些數(shù)據(jù)，可以實現(xiàn)復(fù)雜的能耗管理機(jī)制和管理算法。

來源出版物：計算機(jī)學(xué)報,2012,35(6):1262-1285

入選年份：2014

基于外觀模型學(xué)習(xí)的視頻目標(biāo)跟蹤方法綜述

張煥龍，胡士強(qiáng)，楊國勝

摘要：目的：視頻跟蹤是機(jī)器視覺領(lǐng)域中的熱點研究問題，在過去的幾十年內(nèi)得到了廣泛研究。在實際中，為了獲得魯棒的視頻跟蹤效果，機(jī)器學(xué)習(xí)理論被引入到外觀模型設(shè)計中，從而大大地推動了視頻目標(biāo)跟蹤研究的發(fā)展。本文旨在幫助讀者快速了解機(jī)器學(xué)習(xí)策略和外觀模型表征能力之間的關(guān)系，從目標(biāo)特征描述和3類主要目標(biāo)外觀建模方式出發(fā)，總結(jié)外觀模型學(xué)習(xí)跟蹤算法在理論和應(yīng)用方面的研究現(xiàn)狀，并給出發(fā)展趨勢。方法：對現(xiàn)有基于外觀模型學(xué)習(xí)的視頻跟蹤算法進(jìn)行總結(jié)，分析各類方法中代表性算法的性能，給出不同外觀模型設(shè)計方法對視頻跟蹤效果的影響關(guān)系。首先，概括出外觀模型學(xué)習(xí)跟蹤方法的基本理論；然后，為了展示跟蹤算法中的目標(biāo)特征提取方式，從單一特征描述和融合特征描述兩方面說明外觀模型設(shè)計的不同形式；接著，從產(chǎn)生式外觀模型學(xué)習(xí)、判別式外觀模型學(xué)習(xí)及混合式外觀模型學(xué)習(xí)3個方面，對其研究過程中出現(xiàn)的優(yōu)缺點進(jìn)行評述，并通過代表性算法的性能說明基于不同外觀模型跟蹤算法對環(huán)境的適應(yīng)性。最后，提出外觀模型學(xué)習(xí)跟蹤算法的主要發(fā)展內(nèi)容和趨勢。結(jié)果：（1）目標(biāo)外觀特征描述是對同一目標(biāo)在不同時刻呈現(xiàn)的運動變化進(jìn)行刻畫和分析，是視頻跟蹤研究的重要內(nèi)容：基于單一特征描述的外觀模型構(gòu)建，實現(xiàn)簡單，能夠較好地滿足跟蹤算法的實時性要求，然而對目標(biāo)外觀變化的多樣性難以適應(yīng)；基于融合特征描述的外觀模型構(gòu)建，目標(biāo)外觀模型表征能力較強(qiáng)，算法魯棒性好，然而融合參數(shù)的設(shè)置和計算耗時較多，跟蹤算法的整體實時性不佳。（2）從整體上講，產(chǎn)生式模型能夠描述目標(biāo)的全局性特征，模型通用性好，在學(xué)習(xí)策略的幫助下模型能夠容忍跟蹤目標(biāo)的不同外觀形式，算法魯棒性較好，但這種方法沒有考慮跟蹤場景背景變化因素，一旦背景元素混入外觀模型中，會導(dǎo)致跟蹤軌跡漂移；判別式模型將跟蹤問題轉(zhuǎn)換成一個二分類問題，對目標(biāo)和背景的分離效果較好，在學(xué)習(xí)策略幫助下能夠?qū)崟r更新分類器，外觀模型區(qū)分力強(qiáng)，但這種方法容易陷于過分類現(xiàn)象，從而導(dǎo)致外觀模型的全局性表征能力下降。另外，這種方法嚴(yán)重依賴于目標(biāo)訓(xùn)練樣本的選取形式；混合式模型旨在結(jié)合兩者的優(yōu)點，但結(jié)合方式的參數(shù)設(shè)計相對比較困難，研究成果較少。結(jié)論：通過對基于外觀模型學(xué)習(xí)跟蹤算法研究過程的總結(jié)與分析，具備在線學(xué)習(xí)能力的外觀模型設(shè)計對視頻目標(biāo)持續(xù)性跟蹤算法有著重要的影響。目標(biāo)特征描述方式方面，在保證能夠滿足實時性要求的情況下，通過融合特征能夠提高視頻跟蹤算法的魯棒性；外觀模型學(xué)習(xí)方式構(gòu)建方面，因為目標(biāo)跟蹤環(huán)境的多樣性，給算法的設(shè)計帶來了新的挑戰(zhàn)。能夠兼顧目標(biāo)外觀全局性特征和目標(biāo)背景鑒別能力的跟蹤算法，是實現(xiàn)目標(biāo)持續(xù)性跟蹤成敗的關(guān)鍵因素。

來源出版物：計算機(jī)研究與發(fā)展,2015, 52(1):177-190

入選年份：2015