基于一簇多超级节点的混合P2P网络模型

针对当前P2P网络模型存在逻辑拓扑与物理拓扑失配和没有充分考虑节点异构性的缺点，利用IPv6特有的层次化地理布局，实现逻辑拓扑与物理拓扑的有效结合，应用簇减少节点频繁加入和退出所带来的网络抖动问题，充

针对传统应用层多播模型中存在的不足，提出一种基于P2P 技术的混合型应用层多播模型。该模型结合2 种不同的应用层多播常用网络结构，即本地传递树和结构化中枢网络。每一个本地Peer 分组选出一个协调节点

本文研究了典型的基于区域的图像分割方法主动形状模型（Active Shape Model, ASM）和基于边缘的图像分割snake 算法，分析了算法适用条件和各自的优缺点。结合snake 模型与主动形

网格和P2P（Peer to Peer）都是分布式计算模型，它们的总体目标相似。利用P2P 与网格技术之间的协同和互补，构造了一个二层的网格和P2P 计算混合模型，上层是网格层，下层是

一种基于网络节点距离（节点间RTT值），将节点动态的划分在相应的聚类内，每个聚类有一个中心节点，其成员节点到它的距离不超过某一设定值

在L1范数图像超分辨率重建算法框架下，引入参数自适应估计，结合差分图像统计特性和概率分布模型提出一种基于混合先验模型的超分辨率重建方法。实验证明该方法可以弥补L1范数重建方法的不足，获得更多的图像细节