胡俊
- 作品数：11 被引量：67H指数：3
- 供职机构：安徽新华学院信息工程学院更多>>
- 发文基金：国家自然科学基金安徽省自然科学基金安徽省高校省级自然科学研究项目更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 一种可翻动的计算机托架装置
- 本实用新型公开了一种可翻动的计算机托架装置，包括左前位垫片、座框、前轴套、中轴套、后轴套、转轴、防倾撑板、左后位垫片、支撑框、上连接片、电动推拉杆、下连接片、上转环、下转环、右后位垫片和右前位垫片，前轴套和后轴套固定安装...
- 孙马莉叶承琼胡俊
- 文献传递
- 基于关联维计算的软件失效混沌识别研究
- 2018年
- 针对大数据环境下软件失效行为的复杂性问题,提出了一种基于关联维数的软件失效混沌识别算法.通过计算软件失效数据是否具有关联维特征来验证失效的混沌性,利用相空间方法重构软件失效系统,验证了软件失效行为的混沌性.实验结果表明,混沌关联维算法能够有效识别软件失效的混沌性,精确地描述软件失效行为的无序性和无规则性,同时也能解决复杂软件系统失效、大数据混沌性这类复杂问题.
- 钱丽胡俊王美荣沈桂芳陈平
- 关键词：大数据
- 改进人工蜂群算法在路径优化上的应用被引量：3
- 2017年
- 基本的人工蜂群算法通过不同角色蜜蜂在对蜜源进行采食过程中进行角色的转变,能够快速地求解问题的最优值,其具有全局寻优能力强、鲁棒性、收敛快等优点.但在接近全局最优解的时候,蜜蜂搜索的速度会明显变慢,易陷入局部最优.针对这些问题,在基本算法的位置更新阶段加入了高斯变异算子和柯西变异算子,提高了算法的收敛速度,增加邻域蜜源的访问概率,使得算法能够有效地跳出局部最优.应用TSP问题对改进后的算法进行仿真验证,结果证实了改进后的算法具有一定有优越性.
- 张平华贾万祥徐静胡俊
- 关键词：人工蜂群算法高斯变异柯西变异TSP
- 软件工程专业课程群数字化资源建设与优化整合研究被引量：2
- 2017年
- 针对软件工程专业,研究课程群数字化资源的建设与优化整合,从而形成一个数字化、网络化、情景化、开放性的教学应用环境,改进教育教学理念,丰富教育教学方法,推动软件工程专业的教育信息化.
- 胡俊
- 关键词：软件工程数字化资源课程群
- 一种红外线智能感应计算机
- 本实用新型公开了一种红外线智能感应计算机，包括机体，所述机体的底部设有厘米厚聚乙烯塑料材质的底座，且所述机体与所述底座固定连接，所述底座的顶部安装有非雾面分2K分辨率的显示屏，所述显示屏的侧面设有超窄边框，所述显示屏的底...
- 胡俊
- 文献传递
- 一种计算机
- 本实用新型公开了一种计算机，包括主机和显示屏，所述显示屏通过转轴与主机铰接，所述主机的背面设置有与主机可拆卸连接的收纳装置，所述收纳装置包括与主机背面相连接的连接板，所述连接板的下表面设置有支撑脚、电源收纳盒和鼠标收纳盒...
- 孙马莉胡俊叶承琼
- 文献传递
- 求解约束优化问题的一种改进的交叉人工蜂群算法被引量：1
- 2017年
- 针对人工蜂群算法在求解问题的最优值时后期收敛速度慢、易于陷入局部极值的问题,提出了求解约束优化问题的一种新型人工蜂群算法:为提高算法的开发能力,在采蜜蜂和观察蜂阶段利用约束松弛度来处理等式约束,并采用Kukkonen和Lampinen工作机制改进边界约束处理方法;在侦察蜂阶段引入交叉算子代替侦察阶段的随机搜索,保证种群的多样性,提高算法的收敛速度。一组13个基准函数和4种工程设计问题的测试试验验证了算法的可行性和有效性,改进的交叉的人工蜂群算法在求解约束优化问题时其可开发性、鲁棒性、防局部最优、收敛速度和极值等方面较其他算法更优。
- 张平华李敬明胡贤德胡俊
- 关键词：人工蜂群算法交叉算子收敛速度
- 基于交叉的全局人工蜂群算法的研究被引量：6
- 2017年
- 人工蜂群(Artificial Bee Colony,ABC)算法在求解函数最优值时,存在后期收敛速度慢、易于陷入局部最优、疏于开发等问题.为了解决这些问题,对算法进行了深入研究,结合其他仿生智能优化算法的机制,提出了一种能有效提高收敛速度,增强算法开发性和全局寻优能力,并能有效避免种群个体陷入局部最优的算法——基于交叉的全局人工蜂群算法.选取7个标准测试函数进行实验仿真,结果表明,与ABC算法、全局最优人工蜂群算法(GABC)相比,基于交叉的全局人工蜂群算法(CGABC)的收敛速度及精度均有明显提高.
- 张平华李敬明胡贤德胡俊
- 关键词：人工蜂群算法
- 一种具有UPS功能的集成计算机装置
- 本实用新型公开了一种具有UPS功能的集成计算机装置，包括计算机装置主体，所述计算机装置主体的内部安装有主机组，且所述主机组与所述计算机装置主体电性连接，所述主机组的底端设有网络交换机和网络配线架，且所述网络交换机和网络配...
- 胡俊
- 文献传递
- 基于Spark的大数据混合计算模型被引量：56
- 2015年
- 现实世界大数据应用复杂多样,可能会同时包含不同特征的数据和计算,在这种情况下单一的计算模式多半难以满足整个应用的需求,因此需要考虑不同计算模式的混搭使用.混合计算模式之集大成者当属UCBerkeley AMPLab的Spark系统,其涵盖了几乎所有典型的大数据计算模式,包括迭代计算、批处理计算、内存计算、流式计算(Spark Streaming)、数据查询分析计算(Shark)、以及图计算(Graph X).Spark提供了一个强大的内存计算引擎,实现了优异的计算性能,同时还保持与Hadoop平台的兼容性.因此,随着系统的不断稳定和成熟,Spark有望成为与Hadoop共存的新一代大数据处理系统和平台.本文详细研究和分析了Spark生态系统,建立了基于Spark平台的混合计算模型架构,并说明通过spark生态系统可以有效地满足大数据混合计算模式的应用.
- 胡俊胡贤德程家兴
- 关键词：大数据SPARK
