计算机科学技术

杨恒，王庆

计算机科学技术

一种新的局部不变特征检测和描述算法

杨恒，王庆

局部不变特征已经被成功地用来解决计算机视觉领域诸多实际问题。文中提出一种新的局部不变特征检测和描述算法，提取出的特征能够对旋转、尺度缩放、光照等变化，甚至弱仿射变换保持不变。一般说来，局部特征的提取分为特征检测和描述两个关键步骤。在特征检测阶段，首先在每一层尺度图像上提取Harris角点，然后在以Harris角点为中心的固定大小的搜索窗内搜索三维尺度空间的极值点作为局部特征点的位置和特征尺度，最后为每个特征点计算主方向。文中的特征检测算法具有良好的可重复率性能。在特征描述阶段，建立了梯度的距离和方向直方图来描述局部特征，文中的特征描述子不但具有良好的匹配性能，而且维数更低，十分有利于提高图像特征的匹配速度。大量的图像匹配与图像检索实验结果验证了文中算法的有效性。局部不变特征已经越来越广泛地应用在计算机视觉的许多领域，如宽基线图像匹配、全景图拼接、目标识别、图像检索以及场景重建。局部特征能够对图像间旋转、尺度缩放、视点变换、光照变化等图像变化因素保持不变性，对物体运动、遮挡、噪声等因素也可保持较好的可匹配性。局部特征建立在尺度空间的理论上，一般说来，提取局部特征可以分为两个关键步骤，即特征检测阶段和特征描述阶段。特征检测阶段的任务是在尺度空间确定出关键点的位置、特征尺度及其主方向，这些参数就可以描述出一个局部图像区域。特征描述阶段的任务是为这个局部图像区域建立描述子，该描述子应该能对图像间的各种变化因素保持不变，以确保特征能够在这些变化因素的影响下保持较好的可匹配性。近十几年来，许多局部特征检测和描述算法被提出。本文提出了一种新的局部不变特征检测和描述算法，并应用于宽基线的图像匹配与检索。在局部特征检测方面，本文提出Harris Difference算法，首先以多尺度的Harris角点作为初始点，然后在其附近一定范围内搜索DoG函数的局部空间极值点作为特征点的位置和尺度信息，最后为每个特征点计算主方向。

来源出版物：计算机学报, 2010, 33(5)：935-944

入选年份：2015

一种基于聚集超级节点的P2P网络信任模型

田春岐，江建慧，胡治国，等

摘要：针对对等网（Peer-to-Peer，P2P）中节点之间由于兴趣爱好差异大、相互发生重复交易的可能性较小从而难以有效建立信任关系的现状，文中提出一种新的基于超级节点的P2P网络信任模型。该模型中节点以兴趣相似而聚簇，节点之间信任关系被划分为3种类型并被给予了各自的解决方案。同时，对于推荐信任信息中存在的虚假的、误导性的和不公正反馈的问题，文中还提出基于节点相似性的反馈信息过滤算法予以有效解决。最后的仿真实验结果表明，该信任模型不但具有抗恶意节点攻击的强壮性，同时在资源查询时具有较低的查询开销和失败率。P2P网络提供了真实生活中人与人直接进行交流的网络环境，它的开放、匿名以及节点之间松耦合的关系等特性使其赢得了越来越多的Internet终端用户的青睐进而促使了P2P业务的蓬勃发展。然而，也正是这些特性使得P2P中的节点在网上可恣意散布非法内容，滥用网络资源，同时，节点动态性又可造成网络带宽和信息存在的不稳定，这大大破坏了正常的网络环境，降低了用户使用P2P网络的积极性。在大规模P2P网络环境中，节点之间的信任关系建立是目前一个研究热点。本文提出了一种新的基于超级节点的P2P网络信任管理模型Super Trust。在Super Trust中，信任关系被划分为3种：超级节点之间的信任关系、超级节点对普通节点的信任关系以及普通节点之间的信任关系，在具体给出各种信任度计算方式的同时，本文还提出基于节点相似性的反馈信息过滤算法以有效过滤掉信任信息里虚假的、误导性的和不公正的反馈。本文还通过大量的实验验证了信任模型的有效性和健壮性。仿真实验说明，本文提出的模型克服了已有模型的部分局限性，能够有效处理简单恶意攻击、诋毁、合谋欺诈及具有前端节点的合谋欺诈等各类恶意节点不同程度的攻击方式，因而具有广泛的应用场景及较好的工程可行性。

来源出版物：计算机学报, 2010, 33(2)：345-355

入选年份：2015

分布式计算环境下的动态可信度评估模型

朱友文，黄刘生，陈国良，等

摘要：随着计算机网络的发展，分布式计算技术得到了广泛的应用，这使得网络节点间的信任问题变得日益突出。参考社会学的人际关系信任模型，基于Dempster Shafer证据理论和Shapley熵，文中设计出了分布式计算环境下的动态可信度评估模型，这一可信度评估模型清晰地反映了可信度的动态性、连续性和不确定性等特性。该模型通过历史交互信息获得直接可信度，并根据每个节点的信用记录和其直接可信度函数的信息量对其直接可信度进行修正，然后综合考虑修正后的各个节点的直接可信度信息，利用Dempster规则合成计算出综合可信度。最后利用仿真实验分析了新模型对可信度的评估效果，并对未来的工作做了展望。基于Dempster Shafer证据理论和Shapley熵，本文提出了分布式计算环境下的动态可信度评估模型，并实现了其主要过程的算法。本文考虑到了信任测度的可靠性和其所带有的信息量大小的问题，并将Shapley熵引入到可信度评估的过程之中，从而使得新方案的综合可信度较准确地反映了节点的行为方式。最后，我们通过仿真实验分析了新方案对可信度的评估效果。我们将来的工作是将本文的可信度评估算法应用到实际的分布式计算系统中，进一步讨论其中相关参数的取值；同时研究更加实用和灵活的可信度评估模型，比如在保护推荐信息提供者的私有数据不会泄漏的条件下实现可信度评估的保护隐私的可信度评估模型等。在可信度评估过程中，不诚实的节点可能会提供虚假的评估数据，干扰其他节点的评估过程，因此，在我们的方案中，利用每个节点的可信度记录作为其信用因子，信用因子高的节点的直接基本可信度函数在形成综合可信度的过程中拥有更高的权值；另一方面，在利用每个节点的直接基本可信度函数计算综合可信度时，各个直接基本可信度函数所包含的信息量差别很大，因此不能对它们等同对待。

来源出版物：计算机学报, 2011, 34(1)：55-64

入选年份：2015

一种面向虚拟化云计算平台的内存优化技术

李亚琼，宋莹，黄永兵

摘要：虚拟化技术和云计算平台的结合带来了全新的资源整合和使用模式，基于虚拟化技术的资源按需分配与调度可以提高云平台资源的利用率，提升云服务的服务质量，并降低云用户的总体拥有成本。但是，物理服务器的资源边界限制了资源的全局优化能力。文中引入了一种面向虚拟化云平台的全局内存优化框架——通过引入由逻辑地址空间和全局扩展地址空间构成的双层地址空间映射机制来构建跨物理服务器资源边界的高效、可靠的内存资源抽象。同时，引入一种透明的页面交换机制来实现对于虚拟机透明的空闲页面回收，达到资源流动的目的。实验结果表明，该框架能够很好地优化云平台中内存资源配置，提升整个平台的资源利用率，并对关键任务的执行有显著的加速作用。虚拟化技术和云计算平台的结合带来了全新的资源整合和使用模式，资源的按需分配和动态流动对于提高云平台资源的利用率、提高云服务的服务质量和降低云用户的总体拥有成本具有十分重要的意义。但是，传统的虚拟化技术基本局限在一台物理服务器内部，缺乏虚拟化全局资源、优化全局资源部署的能力。为了解决传统虚拟化技术在内存全局优化上的问题，本文引入了一种面向虚拟化云平台的全局内存优化框架，通过引入双层地址空间映射机制来构建跨越物理服务器资源边界的内存资源抽象。为了能够很好地兼顾效率和可靠性，本文通过释放空闲内存和使用远程内存的方式来达到动态调解虚拟机内存分配大小的目的，而双层地址空间及其映射机制提供可靠性保证。我们的实验结果进一步证明释放空闲内存空间对虚拟机性能的影响基本上可以忽略不计，同时通过把远程内存作为附加的存储层次的方式来调解内存分配可以达到最大优化内存资源配置，并提高了关键应用的性能。从实验结果上看，通过基于双层地址空间的调解机制，在基本不影响其它虚拟机性能的情况下，能够提高关键虚拟机性能高达400%。基于本文现在的工作，未来的研究主要集中在空间映射中的全局优化以及探索更加有成效的远程内存使用方案。

来源出版物：计算机学报, 2011, 34(4)：684-693

入选年份：2015