基于中心环旋转木马的应用层组播模型

来源 :计算机应用 | 被引量 : 0次 | 上传用户:my_code
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
提出了一种基于中心环旋转木马的高效分布式应用层组播模型(CRCL)。CRCL采用层次环状结构,以中心环为基础,每个中心环节点组建自己的旋转木马,通过创建节点优先级,使高优先级节点位于上层环中。通过仿真实验对比表明:该模型在中小型流媒体应用中具有很高的数据传输率、较短的收敛时间,同时平均路径长度也较小。
其他文献
黎曼流形学习(RML)是一种全局算法,但其不能较好地保持数据局部邻域的几何性质。为解决这个问题,提出一种基于黎曼流形学习(RML)的多结构算法。先对数据集进行主成分分析(PCA)投影,再构造邻域图,然后把整个数据集分为两个部分求低维嵌入坐标,对于基准点的k近邻,采用能保持其和近邻点局部性质的权值矩阵得到低维嵌入;对于其他点仍采用RML算法,使其达到既能维持数据点的全局结构,又能最大限度地保持其局部
针对传统气体检测方法的不足,提出了基于嵌入式和卟啉阵列传感器的气体快速检测系统及其图像分析算法。该系统通过USB接口的摄像头采集待测气体与卟啉阵列传感器反应前后的RGB图像信息,再由图像处理算法得到图像中每个卟啉点的颜色变化信息,最后通过模式识别算法得到待测气体种类和浓度。重点研究了检测系统的结构及软件功能的设计,给出了针对卟啉阵列传感图像的图像处理算法及与标准数据库匹配的模式识别算法。通过对氨气
基于计算机视觉的无接触三维测量原理和光的折射定律,提出一种多介质下空间目标视觉测量方法。采用多相机捆绑调整及多角度相互校正,通过双目立体视觉技术结合光线在多介质中发生两次折射的数学模型对运动体上各标志点进行测量,获取各标志点的三维空间坐标,经平面拟合、坐标转换,最终解算得到运动体六自由度空间坐标。实验结果表明,该方法适用于多介质视觉测量,具有较高的测量精度和良好的稳定性。
重金收购McAfee,而且是溢价60%收购,估计不少人很难相信这样的并购是出自Intel公司之手。再加上双方的“显赫地位”,很快让这一交易跻身IT业最具影响力的十大收购之列。就让我们来“八一八”,这一收购会对整个安全软件领域的局势产生何种影响吧! 本文为全文