| 摘要 | 第4-7页 |
| abstract | 第7-9页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 研究背景和意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 本文研究内容 | 第17-19页 |
| 1.4 文章组织结构 | 第19-23页 |
| 第2章 相关概念介绍 | 第23-31页 |
| 2.1 云计算与大数据 | 第23-24页 |
| 2.2 移动云计算与大数据 | 第24-26页 |
| 2.3 大数据的预处理 | 第26-27页 |
| 2.4 推荐系统与大数据 | 第27-28页 |
| 2.5 本章小结 | 第28-31页 |
| 第3章 针对大数据高效处理的云计算下多任务部署方法与虚拟机动态迁移策略 | 第31-67页 |
| 3.1 一种云计算下负载均衡感知的启发式任务部署方法 | 第31-48页 |
| 3.1.1 引言 | 第31-32页 |
| 3.1.2 相关研究 | 第32-34页 |
| 3.1.3 提出的问题 | 第34-35页 |
| 3.1.4 问题形式化 | 第35-38页 |
| 3.1.5 负载均衡感知的启发式任务部署方法LB-BC | 第38-43页 |
| 3.1.6 LB-BC的实验与分析 | 第43-48页 |
| 3.2 基于改进人工蜂群算法节能感知的虚拟机动态迁移策略 | 第48-65页 |
| 3.2.1 引言 | 第48-49页 |
| 3.2.2 相关研究 | 第49-51页 |
| 3.2.3 提出的问题 | 第51页 |
| 3.2.4 问题形式化 | 第51-52页 |
| 3.2.5 节能感知的启发式虚拟机动态迁移位置选择方法PS-ABC | 第52-60页 |
| 3.2.6 PS-ABC的实验与分析 | 第60-65页 |
| 3.3 本章小结 | 第65-67页 |
| 第4章 针对大数据高效处理的移动云计算模型与部署方法 | 第67-101页 |
| 4.1 基于虚拟机部署的移动云计算模型及启发式部署方法 | 第67-80页 |
| 4.1.1 引言 | 第67-69页 |
| 4.1.2 相关研究 | 第69-70页 |
| 4.1.3 提出的问题 | 第70-71页 |
| 4.1.4 问题形式化 | 第71-73页 |
| 4.1.5 动态移动云计算集群中高效的启发式虚拟机部署方法VD-ABC | 第73-76页 |
| 4.1.6 VD-ABC的实验与分析 | 第76-80页 |
| 4.2 基于社区协同计算的移动云计算模型及移动应用划分分派方法 | 第80-98页 |
| 4.2.1 引言 | 第80-81页 |
| 4.2.2 相关研究 | 第81-83页 |
| 4.2.3 提出的问题 | 第83页 |
| 4.2.4 问题形式化 | 第83-85页 |
| 4.2.5 针对移动应用划分分派的高效启发式位置选择方法MCC-PSO | 第85-92页 |
| 4.2.6 MCC-PSO的实验与分析 | 第92-98页 |
| 4.3 本章小结 | 第98-101页 |
| 第5章 云计算下大数据实例约简预处理与大数据推荐系统框架 | 第101-129页 |
| 5.1 基于聚类分析与最优极小样本集的大数据实例约简预处理方法 | 第101-115页 |
| 5.1.1 引言 | 第101-102页 |
| 5.1.2 相关研究 | 第102-103页 |
| 5.1.3 问题形式化 | 第103-104页 |
| 5.1.4 云计算下大数据实例约简预处理方法CSA | 第104-110页 |
| 5.1.5 CSA的实验与分析 | 第110-115页 |
| 5.2 云计算下结合社会上下文与机器学习思想的大数据推荐框架 | 第115-126页 |
| 5.2.1 引言 | 第115-116页 |
| 5.2.2 研究意义与问题形式化 | 第116-118页 |
| 5.2.3 BDRSF中的算法 | 第118-121页 |
| 5.2.4 BDRSF框架的具体方法过程 | 第121-124页 |
| 5.2.5 BDRSF的实验与分析 | 第124-126页 |
| 5.3 本章小结 | 第126-129页 |
| 第6章 结论与展望 | 第129-135页 |
| 6.1 结论 | 第129-132页 |
| 6.2 展望 | 第132-135页 |
| 参考文献 | 第135-147页 |
| 作者简介及在学期间所取得的科研成果 | 第147-149页 |
| 致谢 | 第149-150页 |
