| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外相关研究进展 | 第12-16页 |
| 1.2.1 云平台监控研究进展 | 第12-15页 |
| 1.2.2 故障检测技术研究进展 | 第15-16页 |
| 1.3 本文主要研究思路 | 第16页 |
| 1.4 论文结构 | 第16-18页 |
| 第2章 相关技术概述 | 第18-22页 |
| 2.1 云计算概述 | 第18-19页 |
| 2.2 虚拟化技术概述 | 第19-20页 |
| 2.3 云环境下故障检测 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 虚拟机故障预警模型构建 | 第22-30页 |
| 3.1 虚拟机故障预警模型框架 | 第22-23页 |
| 3.2 虚拟机性能指标集以及预处理 | 第23-24页 |
| 3.3 基于极限学习机的虚拟机故障预警模型 | 第24-28页 |
| 3.3.1 极限学习机算法描述 | 第24-27页 |
| 3.3.2 基于极限学习机虚拟机故障预警数学模型 | 第27-28页 |
| 3.4 虚拟机故障预警类型 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第4章 基于改进的烟花算法优化ELM的虚拟机故障预警 | 第30-50页 |
| 4.1 烟花算法简介 | 第30-33页 |
| 4.2 改进的烟花算法 | 第33-42页 |
| 4.2.1 反向学习初始化 | 第33-34页 |
| 4.2.2 爆炸幅度的分析与改进 | 第34-36页 |
| 4.2.3 变异算子的分析与改进 | 第36-38页 |
| 4.2.4 选择策略的分析与改进 | 第38-39页 |
| 4.2.5 实验结果及分析 | 第39-42页 |
| 4.3 基于改进的烟花算法优化ELM的虚拟机故障预警 | 第42-48页 |
| 4.3.1 故障预警模型实现流程 | 第42-43页 |
| 4.3.2 实验仿真 | 第43-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第5章 基于自适应变异的动态搜索烟花算法优化ELM虚拟机故障预警 | 第50-60页 |
| 5.1 动态搜索烟花算法简介 | 第50-51页 |
| 5.1.1 爆炸算子 | 第50-51页 |
| 5.1.2 选择策略 | 第51页 |
| 5.2 自适应变异的动态搜索烟花算法介绍 | 第51-55页 |
| 5.2.1 自适应变异的动态搜索烟花算法 | 第51-53页 |
| 5.2.2 实验结果及分析 | 第53-55页 |
| 5.3 基于自适应变异的动态搜索烟花算法优化ELM虚拟机故障预警 | 第55-58页 |
| 5.3.1 故障预警模型实现流程 | 第55-56页 |
| 5.3.2 实验仿真 | 第56-58页 |
| 5.4 本章小结 | 第58-60页 |
| 第6章 基于蒲公英算法优化ELM虚拟机故障预警 | 第60-72页 |
| 6.1 引言 | 第60页 |
| 6.2 蒲公英算法介绍 | 第60-67页 |
| 6.2.1 蒲公英算法框架 | 第60-61页 |
| 6.2.2 蒲公英算法基本理论 | 第61-65页 |
| 6.2.3 时间复杂度分析 | 第65页 |
| 6.2.4 实验结果及分析 | 第65-67页 |
| 6.3 基于蒲公英算法优化ELM虚拟机故障预警 | 第67-70页 |
| 6.3.1 故障预警模型实现流程 | 第67-68页 |
| 6.3.2 实验仿真 | 第68-70页 |
| 6.4 本章小结 | 第70-72页 |
| 第7章 云环境虚拟机故障预警系统设计与实现 | 第72-79页 |
| 7.1 实验环境 | 第72页 |
| 7.2 系统设计 | 第72-74页 |
| 7.3 系统实现 | 第74-78页 |
| 7.3.1 系统界面 | 第74页 |
| 7.3.2 数据处理子系统 | 第74-75页 |
| 7.3.3 系统设置子系统 | 第75-76页 |
| 7.3.4 虚拟机故障预警子系统 | 第76-78页 |
| 7.4 本章小结 | 第78-79页 |
| 结论 | 第79-81页 |
| 参考文献 | 第81-86页 |
| 致谢 | 第86-87页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第87页 |
