中文摘要 | 第1-4页 |
ABSTRACT | 第4-9页 |
第一章 绪论 | 第9-33页 |
·立题依据 | 第9-11页 |
·研究目标与内容 | 第11-12页 |
·研究方法与技术路线 | 第12-14页 |
·相关研究综述 | 第14-33页 |
·知识服务技术 | 第14-19页 |
·服务描述和发现方法 | 第19-21页 |
·服务组合技术 | 第21-29页 |
·分布式空间数据挖掘与空间决策技术 | 第29-33页 |
第二章 地理知识云服务描述与发现技术 | 第33-63页 |
·地理知识云的概念和特征 | 第33-35页 |
·地理知识云服务的描述方法 | 第35-46页 |
·面向语法的描述方法 | 第35-36页 |
·基于语义扩展的方法 | 第36-39页 |
·服务质量模型及其描述方法设计 | 第39-46页 |
·地理知识云服务发现技术 | 第46-50页 |
·基于文本和接口匹配的方法的分析与改进 | 第46-48页 |
·基于语义匹配的方法 | 第48-50页 |
·基于HADOOP的分布式地理知识云服务注册中心 | 第50-60页 |
·Hadoop计算框架 | 第50-52页 |
·地理知识云服务注册中心体系架构 | 第52-53页 |
·面向列的服务描述文件分布式存储方案 | 第53-58页 |
·基于MapReduce的并行服务发现框架 | 第58-60页 |
·本章小结 | 第60-63页 |
第三章 基于蚁群的地理知识云服务组合优化算法 | 第63-91页 |
·服务组合的多目标优化问题 | 第63-65页 |
·多目标优化问题的一般数学描述 | 第64页 |
·服务组合多目标优化问题的定义 | 第64-65页 |
·蚁群优化算法原理 | 第65-71页 |
·蚁群的觅食寻径特点 | 第66-67页 |
·基本蚁群算法 | 第67-69页 |
·面向多目标优化的蚁群算法 | 第69-71页 |
·基于蚁群的QoS多目标服务组合优化算法 | 第71-81页 |
·考虑多QoS指标的知识云服务质量评估模型 | 第71-77页 |
·考虑数据传输代价的状态转移概率计算方法 | 第77-79页 |
·算法设计与实现 | 第79-81页 |
·基于MAPREDUCE的多目标服务组合优化并行化算法 | 第81-87页 |
·算法实现的并行化策略 | 第82-84页 |
·并行计算模型的选择 | 第84-86页 |
·算法设计与实现 | 第86-87页 |
·算法对比实验与结果分析 | 第87-90页 |
·本章小结 | 第90-91页 |
第四章 分布式地理知识云服务组合引擎 | 第91-111页 |
·工作流与组合服务结构的比较 | 第91-92页 |
·图形-模型一体化的组合服务流程模型 | 第92-97页 |
·组合服务的可视化表达 | 第92-93页 |
·组合服务的内容模型 | 第93-95页 |
·基于JSON的流程模型实现 | 第95-97页 |
·地理知识云服务组合引擎设计 | 第97-109页 |
·引擎体系架构设计 | 第97-98页 |
·流程解析算法 | 第98-102页 |
·分布式执行方法 | 第102-106页 |
·流程异常处理方法 | 第106-109页 |
·本章小结 | 第109-111页 |
第五章 地理知识云服务在福建地区地震影响场分析中的应用 | 第111-128页 |
·应用背景 | 第111-112页 |
·地震影响场分析方法 | 第112-115页 |
·福建地区地震影响场计算场点的确定 | 第112-113页 |
·地震烈度衰减关系 | 第113-114页 |
·地震动峰值加速度的场地校正 | 第114-115页 |
·地理知识云服务平台GEOKSCLOUD | 第115-118页 |
·体系结构 | 第115-117页 |
·平台主要功能 | 第117-118页 |
·基于GEOKSCLOUD的云服务应用过程 | 第118-124页 |
·服务的粒度分解与部署 | 第118-121页 |
·组合服务建模 | 第121-122页 |
·服务实例的选取 | 第122-123页 |
·服务的执行 | 第123-124页 |
·结果分析与评价 | 第124-126页 |
·本章小结 | 第126-128页 |
第六章 结论与展望 | 第128-133页 |
·工作总结 | 第128-129页 |
·主要创新点 | 第129-130页 |
·不足与展望 | 第130-133页 |
参考文献 | 第133-145页 |
致谢 | 第145-147页 |
个人简历 | 第147-149页 |
在学期间的研究成果及发表的学术论文 | 第149-150页 |