| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 云计算 | 第13-14页 |
| 1.2.2 云银行 | 第14-15页 |
| 1.3 课题任务 | 第15-16页 |
| 1.3.1 研究目标 | 第15页 |
| 1.3.2 研究内容 | 第15-16页 |
| 1.3.3 创新点 | 第16页 |
| 1.4 论文组织结构 | 第16-19页 |
| 第2章 相关理论 | 第19-27页 |
| 2.1 云计算 | 第19-21页 |
| 2.1.1 云计算的概念 | 第19页 |
| 2.1.2 云计算的特点 | 第19-20页 |
| 2.1.3 云计算的分类 | 第20-21页 |
| 2.2 概率密度估计 | 第21-25页 |
| 2.2.1 直方图估计 | 第21-23页 |
| 2.2.2 Rosenblatt估计 | 第23页 |
| 2.2.3 核密度估计 | 第23-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第3章 云银行模型下资源储备的相关问题分析 | 第27-37页 |
| 3.1 云银行模型简介 | 第27-29页 |
| 3.2 相关定义 | 第29-30页 |
| 3.3 云银行模型下资源储备问题的分析 | 第30-36页 |
| 3.3.1 云银行模型中资源使用的特点 | 第30-31页 |
| 3.3.2 云银行模型下的资源储备问题 | 第31-33页 |
| 3.3.3 基于最优存贷比的调价算法运用到现有云银行模型中的不足 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 云银行资源储备系统模型设计 | 第37-55页 |
| 4.1 系统角色 | 第37-38页 |
| 4.2 云银行资源储备系统模型总体设计 | 第38-39页 |
| 4.3 资源受欢迎程度值预测模块设计 | 第39-43页 |
| 4.3.1 模块设计 | 第40-41页 |
| 4.3.2 资源受欢迎程度值预测算法 | 第41-43页 |
| 4.4 分级资源池设计 | 第43-51页 |
| 4.4.1 模块设计 | 第43-47页 |
| 4.4.2 分级资源池对调价算法不足的改进 | 第47-48页 |
| 4.4.3 改进的基于最优存贷比的调价算法 | 第48-51页 |
| 4.5 资源存入与租出 | 第51-54页 |
| 4.5.1 资源存入 | 第51-52页 |
| 4.5.2 资源租出 | 第52-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第5章 仿真实现及实验结果分析 | 第55-73页 |
| 5.1 实验环境 | 第55页 |
| 5.2 资源受欢迎程度值预测算法实验 | 第55-62页 |
| 5.2.1 Google cluster-usage trace数据集简介 | 第56-57页 |
| 5.2.2 实验设计 | 第57-58页 |
| 5.2.3 实验数据提取 | 第58-60页 |
| 5.2.4 评价指标及模型参数设定 | 第60-61页 |
| 5.2.5 实验结果及分析 | 第61-62页 |
| 5.3 分级资源池资源存租过程的仿真实验 | 第62-72页 |
| 5.3.1 仿真实验设计 | 第62-64页 |
| 5.3.2 仿真实现 | 第64-67页 |
| 5.3.3 实验结果及分析 | 第67-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第6章 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79页 |