针对云资源管理者所面临的负载动态变化以及弹性资源需求等问题，提出一种虚拟机资源的自动配置管理技术，把强化学习技术引入云虚拟资源的管理，将虚拟机的配置管理过程建模为马尔可夫决策模型，根据系统的运行状态以及输入负载的动态变化自动决策添加或删除虚拟机的行为。实验结果验证了该技术能够根据负载的动态变化完成云虚拟资源的自动配置管理任务，及时响应终端用户的实时性任务请求，保证了云资源使用者的SLA需求。
2021-03-13 10:46:34
569KB
1
该资源直接运行runtest.m可测试HMM的评估和解码问题，运行baum_welch_test_mine.m测试HMM学习问题
2021-03-11 15:15:35
17KB
1
针对IEEE 802.11系列标准中分布式协调功能(DCF)的缺点,提出了一种简单有效的改进DCF算法.其主要的改进集中在2方面:在经典DCF的基础上,将第0级退避的退避窗口值加倍;使用选择概率p将第0级退避窗口分割成2部分.为了精确地反映改进后协议的性能,建立了二维马尔可夫模型,并将其与经典DCF比较.数值仿真结果表明,改进后的DCF协议在终端节点密度较大时,其吞吐量和时延等性能参数要比经典的DCF优越.
2021-03-02 16:06:47
617KB
1
条件随机场crf 马尔可夫随机场mrf 的编程实现，包含代码和数据集，求解算法BFGS等
2021-02-28 17:30:45
106.2MB
1
具有马尔可夫跳跃参数和区间时变时滞的随机神经网络的新的依赖时滞的全局鲁棒无源分析
2021-02-26 16:07:21
226KB
1