李谦
- 作品数：3 被引量：8H指数：2
- 供职机构：西安交通大学电子与信息工程学院更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划河南省教育厅科学技术研究重点项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于异质信息融合的网络图像半监督学习方法被引量：3
- 2012年
- 网络图像通常包含文本、颜色和纹理等异质信息.本文提出了一种基于多类异质信息融合的网络图像半监督学习方法—局部协同训练(Local co-training,LCT).该方法在每个视图(对应一类信息)上对每个样本点的邻域构建线性局部模型,利用一组局部模型来表示数据关系;基于信息传播和协同训练对模型进行增量式迭代更新.该算法在协同训练和基于图正则化的方法这两类半监督学习算法间建立了桥梁.局部协同训练算法能够准确地描述样本的复杂分布,并且可以进行高效的增量学习,有利于大规模网络图像的在线学习.在Corel,Pascal和ImageNet数据集上的实验结果表明该方法具有良好的性能.
- 杜友田李谦周亚东吴陈鹤
- 面向能耗优化的云渲染系统任务调度策略被引量：1
- 2016年
- 针对云渲染系统中由于渲染节点与任务不匹配调度而带来的能耗浪费问题,提出一种通过任务调度方式来优化系统能耗的策略。为了形式化描述系统的整体能耗,综合考虑节点空闲能耗和任务运行能耗,建立渲染任务能耗模型;以降低系统总体能耗为优化目标,根据渲染任务之间无依赖性的特点,将任务调度序列拆分成子序列,利用模拟退火思想,通过优化子序列任务调度提高节点利用率、减少节点空闲能耗,以此降低系统全局任务的能耗;采用矩阵存储子序列任务的能耗,以空间换时间的方式降低策略的时间复杂度。实验结果表明:该策略在多渲染作业环境中能耗优化效果比先进先出算法提升了43.4%,比能耗感知的调度算法提升了6.7%,能够有效降低云渲染系统的总体能耗,同时具有良好的扩展性,使云渲染系统的能耗效率和整体性能得到提升。
- 李谦伍卫国曹莹方王蕾
- 关键词：能耗模型任务调度
- 渲染农场研究进展综述被引量：4
- 2015年
- 作为高性能计算领域的新兴应用,渲染有着计算密集和数据密集的应用特征,如何提高渲染农场的效率进行大规模快速渲染,近年来逐渐成为研究的热点问题。对渲染农场的国内外应用现状作了介绍,阐述了渲染农场的组织结构和工作流程。针对渲染农场在优化作业调度算法、改善负载均衡策略以及完善渲染管理平台等三个方面的研究,进行了全面的分析和比较。探讨和总结了在云计算背景下渲染农场在渲染作业调度策略、异构集群渲染任务分发算法、基于云模式的渲染农场新架构和负载均衡策略这四个方面中有待进一步研究的问题。
- 李谦伍卫国黄舰航孙泽宇
- 关键词：渲染渲染农场作业调度负载均衡集群
