教学课程资源库 更多>>

关键词： YOLO算法   目标识别   人工智能   云端部署   可变主题  

摘要： 随着目标识别技术的发展,在局域网中部署的模式已经不能满足识别要求。因此,在云计算和网络环境中部署、实现智能识别模型,尤其是YOLO模型是很多应用所需。然而,在实际应用工作中使用预训练好的通用YOLO模型并不能良好地对接应用,需要针对特定的目标类别进行YOLO的模型训练。 本文通过研究YOLO样本数据集的构建、训练模型过程,针对传统标记方法中标记工作量繁重、人工标记精度低且不同一、标记周期长等问题;针对YOLO训练模型识别能力提升的问题;提出了一种基于云计算环境下可以面向可变主题的深度对象识别模型。 (1)对于YOLO的样本训练集,在样本图像数量上包含了几千甚至数万张图片,其中包含的对象类别也数以百计。在公开的数据集中难以找到符合本文要求的数据集,这就需要人工制作样本数据集,在传统的人工标注方法中,常使用的标记工具有labelimg、labelme等标注工具,但是传统的标注方法中存在着对象标记工作量大,标注效果精度低等缺点,本文将SAM模型应用在样本数据集的标注工作中,提出了SAM模型辅助标注方法,这种标注方法能够高速完成大量标注工作的同时,不同标注者的标注内容也较为一致,为获得高质量目标识别模型奠定基础。 (2)在使用样本训练集进行训练得到模型时,因为样本数据集中训练集和验证集的比例不同导致模型的泛化能力不同一,因此使用集成学习的方法,充分利用样本数据集,生成多个模型,通过结合策略的方式,将多个模型进行结合,从而生成一个泛化能力强的理想的训练模型,集成学习的算法可以分为Boosting系列算法、Bagging算法以及随机森林,结合策略有平均法、投票法和学习法。通过研究,集成学习生成的最终模型拥有更强的泛化能力,能够达到预期目标。 (3)YOLO神经网络训练步骤繁琐、过程复杂,为了优化使用YOLO神经网络,本文提出了一种基于Web的目标识别系统,该系统前端使用***建立Web界面与用户交互,通过四大模块对样本收集、训练数据集构建、模型训练和模型测试进行封装,极大程度提高了构建目标识别智能程序的效率。通过实验证明,该系统可以降低使用者的工作量,提高工作效率,降低成本。 (4)无人机巡河需要对目标进行识别,但是巡河过程中的目标识别主题会因各种因素不断发生变化,例如在禁捕期间需要识别违法钓鱼捕鱼的行为、河流中的污染物、河道旁树木发生的火灾、违规建筑、私拉电线等目标。因此,无人机巡河的数据集会随着巡河业务的开展而变化,而本文所提出的识别技术刚好可以应用在此,并通过无人机巡河任务证明本文提出模型的实用性。

关键词： 云计算   调度算法   科学工作流   强化学习   信息安全  

摘要： 在进行规模复杂的科学计算任务时,科学工作流是一种能显著提高效率的模型。它能够把繁杂的科学计算任务进行分割,拆分若干个相对简单的子任务进行分布式处理。近年来,科学计算的规模不断扩大,传统的分布式平台已经逐渐无法满足科学工作流系统的需求,云计算技术具有规模庞大、按需服务、高扩展性等特点,非常适合科学计算的要求,为科学工作流的运行与管理提供了新的平台。然而科学工作流应用在云环境下的调度仍面临着诸多挑战,比如受到云虚拟机的故障率的影响,导致系统可靠性的降低等等都给科学工作流的调度带来了新的挑战。本文针对云环境下科学工作流的调度问题和云边端的卸载问题展开研究,本文所做的主要创新型工作如下: (1)针对可靠性约束下时间优化的科学工作流调度问题,提出新的考虑了可靠性的强化学习算法。算法根据科学工作流的规模、工作流中每个任务的计算量、任务的可靠性需求、各个虚拟机的运算能力、虚拟机的故障率等信息,将工作流中的每个任务都调度到云环境中合适的虚拟机上去执行,算法将在保证任务的可靠性约束的条件下,寻找使科学工作流执行总时长最小的调度方案。 (2)提供了一种工业物联网的场景下,在保障数据传输安全的前提下,针对工业物联网场景的计算资源调度算法,算法基于深度强化学习,提出了一种旨在最小化计算任务平均执行时间的调度优化方案。 (3)设计了一个科学工作流调度可视化应用,可以使用户在页面上进行科学工作流的生成、查看、维护和删除,让用户可以对虚拟机进行创建、编辑和移除,并且系统可以模拟工作流在调度算法下的工作流程,实时展示当前调度状态,实现了算法对比等功能。

关键词： 工业物联网   异构业务   资源分配   云计算   边缘计算   权重动作选择算法   深度强化学习   网络切片  

摘要： 随着工业4.0时代的到来，众多分布式智能工业设备的互联产生了具有时延敏感性和计算负载差异的异构工业业务。工业物联网(Industrial Internet of Things， ⅡoT)的发展促进了云计算在数据处理和分析方面的应用，但云计算存在的数据传输延迟和网络带宽限制可能影响任务实时性和响应速度。通过在ⅡoT中引入边缘计算，可以将部分数据处理任务转移到靠近数据源的边缘服务器设备上，以减少数据传输延迟，提升实时性，并减轻云端压力。本文探讨了异构业务计算卸载决策问题，主要研究内容包括：　　异构业务云边协同计算卸载场景下，针对异构工业任务的不同计算需求和终端设备算力单一且有限的问题，本文设计了一种云边协同的边缘物联网架构，并提出了一种基于深度Q网络(Deep Q-Network，DQN)强化学习的云边协同计算卸载策略。该策略通过合理利用不同计算能力的服务器节点，来满足异构业务不同的服务质量（Quality of Service，QoS）需求，并且优化资源分配来降低时延和系统成本。采用强化学习方法建立不同的奖励函数来满足异构业务不同的计算和内存要求。最后，通过仿真实验评估了上述方法的性能，与传统卸载策略进行了比较，侧重于系统奖励、时延和时隙平均时延指标，验证了DQN卸载策略的有效性。　　异构业务高并发计算卸载场景下，针对大量异构工业任务处理和终端设备算力有限的问题，本研究设计了一种带有网络切片的边缘物联网架构，并提出了一种基于深度强化学习的权重动作选择算法（ Deep Reinforcement Learning with Weight Action Selection，WAS-DRL）。该算法在满足异构业务需求的同时，实现了系统总时延的最小化。在边缘物联网架构模型基础上采用网络切片技术，实现了在相同的网络架构上支持具有不同QoS需求的异构服务的共存。算法分析了异构任务的时延和计算差异，通过改变任务的卸载节点，来达到负载均衡的目的。采用深度强化学习方法解决传统方法中可能面临的异构业务约束条件多和数学模型构建复杂等问题。进一步，在每次训练时，可根据条件函数来动态改变动作库中的动作权重。最后，通过实验结果对比，所提出的WAS-DRL方法与传统深度强化学习方法相比，具备更快的收敛速度，并可以在保证卸载成功的前提下减少系统总时延。

摘要： 云计算是分布式计算技术的一种，通常只需要几分钟就可以灵活地满足不同规模的用户计算需求，完成资源的多方供给和各取所需。在云计算中，计算能力作为一种商品，能够像水、电、煤气一样，在互联网上自由流通，方便按需取用。因相对低廉的价格和易于获取等特点，越来越多的企业将数字化系统搬到“云”上。通过“云”将巨大的数据计算处理程序分解成无数个小任务，通过多部服务器组成的系统处理和分析这些小任务，得到结果并返回给用户，为大数据、物联网、人工智能、区块链等新职业的发展提供了有力支撑。

关键词： 云计算   政务云应用管理   数字化转型   管理现代化  

摘要： 党的二十大明确提出加快建设网络强国、数字中国目标,为推进数字政府建设、全面提升政府履职能力、创新政府治理理念和方式、形成数字治理新格局、推进国家治理体系和治理能力现代化带来强大动力。自上而下持续推进电子政务外网政务云平台建设,逐渐形成了高可用、高扩展、快速响应的服务支撑能力,充分发挥了政务云平台促进政务信息资源集聚、共享和应用的重要作用。政务云作为云计算在政务领域的应用,具有安全高效、资源共享、易于扩展等优点,已成为各省市政府推进数字政务建设的重要选择。因此,以省级政务云为对象,就其应用管理展开研究,具有极其重要的现实意义与价值。 S省政务云平台自2017年开始建设,经过多年的努力与发展,取得了良好的成绩,2019年平台荣膺全国“十佳政务云”和“可信政务云认证”称号。其存在的问题和面临的挑战具有代表性。为此,本文以S省省级政务云为研究对象,运用调查研究、案例分析、比较分析等方法,就其应用管理展开研究。梳理其应用管理现状,深入挖掘其存在问题及深层次原因,并基于本人工作实践提出有针对性、可操作性的对策建议。以期为建设数字政府,达成数字治理新格局,推进国家治理体系和治理能力现代化提供智力支持与借鉴。 本文主体部分共计四部分。第一部分是核心概念和理论基础。厘清相关概念和理论的内涵,为本文研究奠定坚实的理论基础。第二部分基于S省省级政务云应用管理的基本情况、主要举措以及管理成效,分析了S省省级政务云应用管理的现状。第三部分重点挖掘S省省级政务云应用管理存在问题及原因。认为存在问题有四:政务信息化水平有限、网上政务服务能力较弱、政务数据共享困难、网络平台与数据安全保障存在隐患。相应原因有四:自身发展条件束缚、思想观念有待转变、自主可控水平有待提升。第四部分基于上述研究及一线工作实践提出提升S省省级政务云应用管理的建议。建议有四:加强顶层规划引导、提升服务能力、构建运行管理机制、提升自主可控水平。

摘要： 探讨了电子政务领域中网络安全域的划分，分析了云平台部署前后对安全域边界的影响，通过建立两套云平台，分别对应DMZ应用子域和DB存储子域的划分方案，确保了云环境中数据和应用的安全性。

关键词： 云计算   唤醒机制   Min(c,V)策略   活跃阈值优化  

摘要： 为了满足云用户对系统响应性能的需求，同时进一步提高云系统的节能水平，论文提出一种新型虚拟机调度策略。当虚拟机处于休眠状态时，一旦缓冲区内的云任务数超过服务台数c或者休眠定时器到时，所有的虚拟机便立即停止休眠进入唤醒状态。在唤醒期结束时，如果缓冲区内等待的云任务数达到阈值N，虚拟机由唤醒状态转入活跃状态，否则转入空闲状态等待云任务到达。基于上述背景，构建具有Min(c,V)策略与活跃阈值N的可变到达速率的多服务台排队模型。利用矩阵几何解方法，推导出云系统稳态性能指标，并构建合理的收益函数讨论云系统收益问题，综合数值分析验证了所提策略的有效性。

摘要： 探讨了云环境中安全风险评估与防护策略实施步骤，包括风险评估与基线确定、安全策略制定与实施计划，以及技术选型与部署，为构建更安全的云环境提供指导与实践支持。