利用LMS规则的预取策略

班志杰; 金瑜

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

利用LMS规则的预取策略

班志杰, 金瑜

文章导航 > 武汉大学学报 ● 信息科学版 > 2009 > 34(8): 1004-1007

班志杰, 金瑜. 利用LMS规则的预取策略[J]. 武汉大学学报 ● 信息科学版, 2009, 34(8): 1004-1007.

引用本文:

班志杰, 金瑜. 利用LMS规则的预取策略[J]. 武汉大学学报 ● 信息科学版, 2009, 34(8): 1004-1007.

BAN Zhijie, JIN Yu. A Prefetching Strategy Based on LMS Rule[J]. Geomatics and Information Science of Wuhan University, 2009, 34(8): 1004-1007.

Citation:

BAN Zhijie, JIN Yu. A Prefetching Strategy Based on LMS Rule[J]. Geomatics and Information Science of Wuhan University, 2009, 34(8): 1004-1007.

利用LMS规则的预取策略

班志杰^1,2,
金瑜²

¹内蒙古大学电子信息工程学院,呼和浩特市大学西路235号,010021;²北京理工大学计算机科学技术学院,北京市海淀中关村南大街15号,100081

详细信息

作者简介:
班志杰,博士生,讲师。主要研究方向为计算机网络和数据挖掘。

中图分类号: P208;TP393

A Prefetching Strategy Based on LMS Rule

BAN Zhijie^1,2,
JIN Yu²

¹ College of Electronic Information Engineering,Inner Mongolia University,235 West Daxue Road,Hohhot 010021,China;² School of Computer Science and Technology,Beijing Institute of Technology,5 South Zhongguancun Street,Beijing 100081,China

摘要: 以往基于All-Kth-Order Markov模型的Web预取策略没有全面考虑访问序列长度、转移概率、网页访问频率、预测准确率和输出概率分布等重要特性。针对这一缺陷,提出了一种基于LMS(least meansquare)规则的预取策略All-Kth-Order LMS。基于日志驱动的实验表明,All-Kth-Order LMS在Web预取性能上具有明显的优势。
- 马尔可夫模型 /
- LMS法则 /
- Web预取
Abstract: Existing All-Kth-Order Markov models for Web prefetching only consider one or a few important characteristics such as the length of access sequence,transition probability,page access frequency,prediction precision and output probability distribution. In order to make use of these characteristics,we present a new prefetching strategy based on the LMS (least mean square) rule by extending All-Kth-Order-Markov model. This approach defines a linear function for every state to represent its prediction capabilities and makes use of the maximum entropy to describe a state's outgoing probability distribution. In order to improve prediction precision,the function's weight values are dynamically updated according to the LMS rule. The trace-driven experiment shows that our method has a better prefetching performance.
- Markov model /
- LMS rule /
- Web prefetching

[1]	方志祥, 倪雅倩, 黄守倩. 融合Markov与多类机器学习模型的个体出行位置预测模型 . 武汉大学学报 ● 信息科学版, 2021, 46(6): 799-806. doi: 10.13203/j.whugis20190404
[2]	郑肇葆, 潘励, 郑宏. 图像纹理基元分类的马尔柯夫随机场方法 . 武汉大学学报 ● 信息科学版, 2017, 42(4): 463-467. doi: 10.13203/j.whugis20150615
[3]	程诗尧, 梅天灿, 刘国英. 顾及结构特征的多层次马尔科夫随机场模型在影像分类中的应用 . 武汉大学学报 ● 信息科学版, 2015, 40(9): 1180-1187. doi: 10.13203/j .whu g is20130692
[4]	王涛, 姚世红, 徐正全, 熊炼. 云存储中面向访问任务的小文件合并与预取策略 . 武汉大学学报 ● 信息科学版, 2013, 38(12): 1504-1508.
[5]	尹章才. Web2.0地图的双向地图信息传递模型 . 武汉大学学报 ● 信息科学版, 2012, 37(6): 733-736.
[6]	王琰, 舒宁, 龚龑. 利用马尔柯夫随机场图模型的变化像斑类别判定方法 . 武汉大学学报 ● 信息科学版, 2012, 37(5): 542-545.
[7]	魏小莉, 沈未名. 一种基于马尔科夫随机场模型的彩色纹理图像分割 . 武汉大学学报 ● 信息科学版, 2010, 35(8): 955-958.
[8]	杨慧, 盛业华, 温永宁, 胡颖. 基于Web Services的地理模型分布式共享方法 . 武汉大学学报 ● 信息科学版, 2009, 34(2): 142-145.
[9]	胡希军, 胡伏湘, 何平, 沈守云. 基于马尔可夫链的城市景观结构演化模拟及预测 . 武汉大学学报 ● 信息科学版, 2009, 34(10): 1159-1162.
[10]	龚龑, 舒宁. 二值马尔科夫模型和多波段遥感影像的多尺度纹理分割 . 武汉大学学报 ● 信息科学版, 2008, 33(1): 21-24.
[11]	张震, 任远, 平西建, 康吉全. 基于图像质量评价量和隐马尔科夫模型的图像拼接检测 . 武汉大学学报 ● 信息科学版, 2008, 33(10): 1030-1033.
[12]	龚衍, 舒宁. 基于马尔柯夫随机场的多波段遥感影像纹理分割研究 . 武汉大学学报 ● 信息科学版, 2007, 32(3): 213-215.
[13]	曹建农, 李德仁, 关泽群. 基于可分解马尔科夫网的极端椒盐噪声图像滤波 . 武汉大学学报 ● 信息科学版, 2005, 30(7): 583-587.
[14]	苗作华, 刘耀林, 王海军. 耕地需求量预测的加权模糊-马尔可夫链模型 . 武汉大学学报 ● 信息科学版, 2005, 30(4): 305-308.
[15]	刘耀林, 刘艳芳, 张玉梅. 基于灰色-马尔柯夫链预测模型的耕地需求量预测研究 . 武汉大学学报 ● 信息科学版, 2004, 29(7): 575-579,596.
[16]	郑肇葆, 郑宏. 用遗传算法确定马尔柯夫随机场的最佳参数 . 武汉大学学报 ● 信息科学版, 2000, 25(3): 221-225.
[17]	涂一新, 韩建中, 龙红五. 用马尔柯夫过程方法提高车载测图仪的可用度 . 武汉大学学报 ● 信息科学版, 2000, 25(3): 261-263.
[18]	贾华, 祝国瑞. 土地利用规划中农作物单产预测的灰色-马尔可夫链方法 . 武汉大学学报 ● 信息科学版, 1998, 23(2): 149-152.
[19]	黄桂兰, 郑肇葆. 一种基于马尔可夫随机场的影像纹理分类方法 . 武汉大学学报 ● 信息科学版, 1996, 21(3): 232-236,241.
[20]	冯可君. 模式识别之重心法则及其在地图制图中运用一例 . 武汉大学学报 ● 信息科学版, 1989, 14(1): 89-95.

点击查看大图

计量

文章访问数: 784
HTML全文浏览量: 62
PDF下载量: 496
被引次数: 0

利用LMS规则的预取策略

班志杰^1,2,
金瑜²

¹内蒙古大学电子信息工程学院,呼和浩特市大学西路235号,010021;²北京理工大学计算机科学技术学院,北京市海淀中关村南大街15号,100081

作者简介:
班志杰,博士生,讲师。主要研究方向为计算机网络和数据挖掘。

收稿日期: 2009-06-12
修回日期: 2009-06-12
刊出日期: 2009-08-05

中图分类号: P208;TP393

关键词:

马尔可夫模型 /

LMS法则 /

Web预取

摘要: 以往基于All-Kth-Order Markov模型的Web预取策略没有全面考虑访问序列长度、转移概率、网页访问频率、预测准确率和输出概率分布等重要特性。针对这一缺陷,提出了一种基于LMS(least meansquare)规则的预取策略All-Kth-Order LMS。基于日志驱动的实验表明,All-Kth-Order LMS在Web预取性能上具有明显的优势。