| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 主要研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第2章 研究基础 | 第13-25页 |
| 2.1 软件老化 | 第13-17页 |
| 2.1.1 软件老化的定义 | 第13页 |
| 2.1.2 软件老化的产生原因 | 第13-14页 |
| 2.1.3 软件老化预测的研究重点 | 第14-17页 |
| 2.2 SaaS软件相关概念 | 第17-18页 |
| 2.3 混沌理论及其相关概念 | 第18-22页 |
| 2.3.1 混沌的定义 | 第19-20页 |
| 2.3.2 典型的具有混沌性的系统及其特点 | 第20-22页 |
| 2.4 RBF神经网络概述 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于混沌理论的SaaS软件老化趋势预测过程 | 第25-35页 |
| 3.1 SAAS软件系统的混沌性特征分析 | 第26-30页 |
| 3.3 基于混沌理论的SaaS软件老化预测过程 | 第30-32页 |
| 3.4 关键问题及研究思路 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 SaaS软件系统的混沌性论证 | 第35-59页 |
| 4.1 基于相空间重构的SaaS软件混沌性分析方法 | 第35-45页 |
| 4.1.1 SaaS软件资源参数的相空间重构 | 第35-38页 |
| 4.1.2 相空间重构参数的分别选取算法 | 第38-42页 |
| 4.1.3 相空间重构参数的联合选取算法 | 第42-45页 |
| 4.2 SaaS软件系统的混沌吸引子识别方法 | 第45-47页 |
| 4.3 SaaS软件系统的混沌特征量的提取 | 第47-50页 |
| 4.3.1 SaaS软件系统混沌性的分析 | 第47-49页 |
| 4.3.2 SaaS软件系统混沌程度的分析 | 第49-50页 |
| 4.4 仿真实验 | 第50-58页 |
| 4.4.1 实验环境 | 第51页 |
| 4.4.2 实验数据获取 | 第51-54页 |
| 4.4.3 基于内存时间序列的SaaS软件系统混沌性论证实验 | 第54-55页 |
| 4.4.4 实验结果分析 | 第55-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 基于RBFN-CHAOS的SaaS软件老化趋势预测方法 | 第59-71页 |
| 5.1 混沌特征量在RBF预测算法中的应用 | 第59-60页 |
| 5.2 基于RBFN-CHAOS的SaaS软件老化预测方法 | 第60-65页 |
| 5.2.1 RBFN-CHAOS算法参数的设定 | 第60-62页 |
| 5.2.2 RBFN-CHAOS预测算法的设计 | 第62-65页 |
| 5.3 SaaS软件系统老化趋势的预测结果的分析与应用 | 第65-67页 |
| 5.3.1 预测评价指标 | 第65-66页 |
| 5.3.2 SaaS软件老化趋势预测结果的应用 | 第66-67页 |
| 5.4 仿真实验 | 第67-70页 |
| 5.4.1 样本集的划分 | 第67页 |
| 5.4.2 依据SaaS软件系统混沌特征量训练RBF神经网络 | 第67-68页 |
| 5.4.3 预测结果的分析 | 第68-70页 |
| 5.5 本章小结 | 第70-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 攻读硕士期间论文发表情况 | 第79页 |
