| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状及分析 | 第11-13页 |
| 1.2.1 基于容错的被动式恢复 | 第11-12页 |
| 1.2.2 基于事件预测的主动式恢复 | 第12-13页 |
| 1.3 论文主要研究内容 | 第13-14页 |
| 1.4 论文后续内容组织结构 | 第14-16页 |
| 第2章 基于SVM的事件预测模型 | 第16-26页 |
| 2.1 事件定义与任务迁移 | 第16-17页 |
| 2.2 现有事件预测方法分析 | 第17-18页 |
| 2.3 基于SVM的事件预测模型设计 | 第18-22页 |
| 2.3.1 面向任务迁移的事件预测模型功能设计 | 第18-20页 |
| 2.3.2 基于SVM的事件预测模型设计 | 第20-22页 |
| 2.4 基于SVM的事件预测模型及任务迁移的关键技术分析 | 第22-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于SVM的事件预测系统实现 | 第26-50页 |
| 3.1 硬件状态信息采集与处理 | 第26-28页 |
| 3.2 系统日志信息采集 | 第28-31页 |
| 3.3 系统日志预处理 | 第31-38页 |
| 3.3.1 相关方法介绍 | 第31-33页 |
| 3.3.2 基于ASF的改进日志过滤方法 | 第33-38页 |
| 3.4 事件特征参数的设计与提取 | 第38-39页 |
| 3.4.1 系统日志的事件特征参数的设计 | 第38-39页 |
| 3.4.2 提取事件预测特征的主成分分析方法 | 第39页 |
| 3.5 基于SVM生成事件预测规则 | 第39-45页 |
| 3.5.1 支持向量机理论 | 第40-41页 |
| 3.5.2 基于SVM的事件预测规则的生成方法 | 第41-45页 |
| 3.6 基于事件预测的任务迁移与恢复 | 第45-48页 |
| 3.7 本章小结 | 第48-50页 |
| 第4章 实验测试与方法分析 | 第50-60页 |
| 4.1 实验目的与参数选择 | 第50页 |
| 4.2 实验环境设置 | 第50-52页 |
| 4.3 实验过程与性能分析 | 第52-59页 |
| 4.3.1 系统状态信息收集与预处理 | 第52-55页 |
| 4.3.2 事件特征参数的提取 | 第55-56页 |
| 4.3.3 基于SVM的事件预测规则的生成与事件预测结果 | 第56-57页 |
| 4.3.4 基于事件预测的任务迁移与恢复 | 第57-59页 |
| 4.4 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第68-70页 |
| 致谢 | 第70页 |