协同服务遥感图像处理平台中时间感知的QoS预测方法

发布时间：2021-03-21 15:33

　　由于QoS数据的缺失,使QoS准确性和时效性预测与实际需求差距较大。文章对基于协同服务遥感图像处理平台中时间感知的QoS预测方法展开了研究。出于遥感图像工作难度考虑,文章充分利用抽象成组件化服务,满足遥感图像复杂业务的处理需求。根据Qos的时效性设计模型设计试验,获取用户数据进行分析验证;设置多组数据同时预测,在预测过程中监测是否有误差存在;使实验结果证实时间感知Qos预测方法的准确性。 

【文章来源】：粘接. 2020,44(11)

【文章页数】：4 页

【部分图文】：

图像处理平台的构成模块及作用

据图2数据所示，用户与服务的矩阵序列。r′i(a,d)是Qo S对于每个元素Ti的平均值。如果某一时间段的数据缺失，可以按照矩阵图找出对于的r′i(a,d)。在Qo S后续数据中重新组合选择。如果a,d当前值为T1，那么缺失的Qo S值为矩阵T1时刻。

根据公式对误差的运算，Qo S值与的差值，是衡量准确度的重要标准。通过TF-KMP方法，利用MAE,RMSE来评估预测的准确度，得到的最终预测值。利用TF调用历史平均值，KMP采取协同方法，共同获得。并不是所有的服务都可能被a调用，对d的调用也不是连续的。图3所示，表征Qo S数据的稠密度。图3所示为response time和throughput限制条件下，WS＿DREAM数据集在最大和最小的稠密度值。在稠密度发生变化时设置不同场景，对预测性能进行评估[8]。表2是实验中，对缺失的Qo S分别设置参数运行，分别计算平均值。实验结果如表2所示。

【参考文献】：
期刊论文
[1]一种支持QoS特性的SpaceFibre接口设计与实现[J]. 陈卫国,任永杰,董劭颖,祁美娟,王剑峰,吴龙胜.  微电子学. 2020(02)
[2]结合曲率滤波的HTM算法去除遥感影像云雾[J]. 杨珂珂,贾渊,沈川.  中国图象图形学报. 2020(04)
[3]高分辨率遥感影像语义分割的半监督全卷积网络法[J]. 耿艳磊,陶超,沈靖,邹峥嵘.  测绘学报. 2020(04)
[4]基于OpenFlow的QoS路由算法的研究与设计[J]. 郭愫愫.  通讯世界. 2020(03)
[5]基于MPLS-VPN技术的QoS实现[J]. 夏哲学.  电子世界. 2020(05)
[6]基于QoS的云任务调度算法研究[J]. 房超,黄春梅.  软件工程. 2020(03)
[7]一种基于QoS的智能电力通信业务差分调度机制[J]. 张喆,曾令康,姚晓勇,冯笑,李颖.  南京理工大学学报. 2020(01)
[8]卫星遥感及图像处理平台发展[J]. 赵忠明,高连如,陈东,岳安志,陈静波,刘东升,杨健,孟瑜.  中国图象图形学报. 2019(12)
[9]利用QoS实现城域网全业务差异化服务[J]. 孙海英,曲凡波.  数据通信. 2019(03)
[10]基于时间感知排序的云服务QoS预测方法研究[J]. 蒋冰婷,胡志刚,马华,姚景.  计算机工程与科学. 2018(07)



本文编号：3093108