郑刚

作品数：8被引量：18H指数：2
导出分析报告
供职机构：安徽工程大学更多>>
发文主题：对等网络对等计算KVM虚拟化技术查询优化算法更多>>
发文领域：自动化与计算机技术文化科学电气工程更多>>
发文期刊：《计算机技术与发展》《计算机与现代化》《节能与环保》《电脑开发与应用》更多>>
所获基金：安徽省高校省级自然科学研究项目更多>>
-
在结果中检索

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
共 条 记 录，以下是1-8
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于三相不平衡治理的校园节能方法及应用——以安徽工程大学校园实例分析被引量：1
《节能与环保》2021年第8期93-94,共2页唐红梅 郑刚 
随着绿色节能校园建设的不断拓展,为加强资源的循环使用,重视运用现代电力电子技术,对校园的各种用电设备及仪器进行监测和分析,通过电能质量的治理来实现节能的目的。安徽工程大学根据校园实际情况,通过电力无线监测设备,对校园的用电...
关键词：校园节能 三相不平衡 谐波畸变 电能质量 
基于KVM的虚拟桌面基础架构设计与优化被引量：12
《计算机科学》2017年第S1期560-562,共3页唐红梅 郑刚 
安徽工程大学教学研究项目(2015jcjxzz01)资助
随着云计算的不断发展,虚拟桌面基础架构(Virtual Desktop Infrastructure,VDI)解决方案日益成熟。VDI建立在虚拟化技术的基础上,突破了时间和空间的限制,有效地解决了传统个人计算机使用过程中存在的诸多问题,是当前桌面云解决方案中...
关键词：虚拟桌面基础架构 虚拟化技术 KVM 优化方案 
一种新的基于兴趣域的P2P信任模型被引量：1
《长江大学学报（自科版）（上旬）》2013年第5期46-49,1,共4页严轶群 郑刚 
安徽省高等学校自然科学基金项目(KJ2010B016)
针对P2P网络中节点之间由于兴趣不对称难以建立直接信任关系,参考人类社会网络结构,借鉴小世界理论(small_word),提出一种新的基于兴趣域划分的P2P信任模型(BIDTM信任模型)。BIDTM模型通过计算节点兴趣相似度划分兴趣域,计算节点总体信...
关键词：兴趣域 对等网络 信任模型 社会网络 
一种基于对等语义连接网络的路由查询
《电脑开发与应用》2008年第6期68-71,共4页唐红梅 郑刚 
对等网络(简称P2P)的非集中结构、良好的自治性及容错性等特征,使其成为Internet上有效的信息共享模型。提出一种非结构化对等语义连接网络(NSPSLN)指定和管理在节点数据框架之间的语义关系,从而实现一个基于节点类似于有效路由查询的...
关键词：对等计算 路由查询 语义连接网络 
对等网络中基于分组的层次化搜索模型
《计算机与现代化》2008年第5期76-78,共3页陶浩亮 郑刚 
由于对等网络上的资源不是在一个单一的服务器上,而是分散在各个对等体上,理想状态下各个对等体是平等的,但它们在提供资源能力上又是各不相同的,因此,在进行查询搜索时,需要对这些对等体给予不同的优先级和处理方法。本文在分析对等网...
关键词：P2P网络 对等计算 分布式系统 
基于语义相似度的P2P查询技术研究被引量：1
《现代计算机》2008年第6期102-105,共4页唐红梅 郑刚 
以往的非结构化P2P系统采用的是无确定目标的自由搜索协议,它具有搜索效能低,无可扩展性的缺点。针对这些不足,提出一种非结构化对等语义连接网络(简称NSP-SLN),实现一个基于语义相似度的查询路由算法。仿真实验结果表明,语义拓扑能够...
关键词：NSPSLN 对等网络 查询路由 语义相似度 
基于多连接属性划分的分布式数据库查询优化算法被引量：2
《现代计算机》2007年第11期20-22,共3页王菲菲 郑刚 
安徽省高等学校自然科学研究项目(2005kj065)
阐述查询优化的主要目的,针对分布式数据库的查询优化,介绍直接连接的查询策略以及直接查询优化算法hash划分算法与Partition算法,提出基于多连接属性划分的查询优化算法——MP算法。该算法在实验中取得较好的结果。
关键词：分布式数据库 直接连接 查询优化 
一种基于Linux操作系统下时钟系统的改进机制被引量：1
《计算机技术与发展》2007年第2期85-88,共4页唐红梅 郑刚 
安徽省高等院校教学研究项目(2005262)
随着Linux操作系统的成功,改进Linux的设计和性能,使其应用于实时领域受到了越来越多人的关注。考虑到Linux目前的时钟粒度仍然粗糙,它将直接影响到整个内核的实时性能,文中提出了一种基于Linux操作系统下时钟系统的改进机制,找出修改...
关键词：LINUX 时钟系统 定时器队列 APIC 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部