| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文组织结构 | 第12-15页 |
| 第2章 Java虚拟机及神经网络相关技术 | 第15-27页 |
| 2.1 Java虚拟机 | 第15-21页 |
| 2.1.1 Java虚拟机规范 | 第16页 |
| 2.1.2 Java虚拟机体系结构 | 第16-20页 |
| 2.1.3 JVM TI | 第20-21页 |
| 2.2 JVM内存分配机制 | 第21-24页 |
| 2.2.1 内存分配机制 | 第21-22页 |
| 2.2.2 内存溢出与内存泄露 | 第22-24页 |
| 2.3 人工神经网络 | 第24-26页 |
| 2.3.1 神经网络原理与特征 | 第24-25页 |
| 2.3.2 神经网络结构 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于神经网络的用户访问行为预测算法研究 | 第27-43页 |
| 3.1 传统JVM内存分配机制应用于Web环境中的不足 | 第27-31页 |
| 3.1.1 Web系统工作机制研究 | 第27-29页 |
| 3.1.2 传统JVM内存分配局限性分析 | 第29-31页 |
| 3.2 神经网络用于用户行为预测的可行性分析 | 第31-32页 |
| 3.3 Web环境下用户访问行为模型研究 | 第32-33页 |
| 3.4 基于神经网络的用户行为预测模型的建立 | 第33-38页 |
| 3.4.1 网络拓扑结构设计 | 第33-35页 |
| 3.4.2 网络训练模式的选取 | 第35页 |
| 3.4.3 激活函数的选取 | 第35-36页 |
| 3.4.4 初始参数的选取 | 第36-37页 |
| 3.4.5 网络的偏差和方差 | 第37-38页 |
| 3.5 预测网络输入数据的处理 | 第38-40页 |
| 3.5.1 样本数据的选取与预处理 | 第38-40页 |
| 3.5.2 数据异常点的检测 | 第40页 |
| 3.6 网络学习过程与改进 | 第40-41页 |
| 3.7 本章小结 | 第41-43页 |
| 第4章 基于JVM的Web容器内存分配优化设计与实验 | 第43-57页 |
| 4.1 程序设计与实现 | 第43-48页 |
| 4.1.1 开发环境 | 第43-44页 |
| 4.1.2 程序实现 | 第44-48页 |
| 4.2 实验设计 | 第48-51页 |
| 4.2.1 实验方案选取 | 第49页 |
| 4.2.2 实验平台设计 | 第49-51页 |
| 4.3 实验结果及数据分析 | 第51-55页 |
| 4.3.1 JVM堆内存占用对比分析 | 第51-52页 |
| 4.3.2 JVM堆内存参数设置分析 | 第52-54页 |
| 4.3.3 JVM串并行回收算法对比分析 | 第54-55页 |
| 4.4 与传统Web优化方式对比分析 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第63-64页 |
| 致谢 | 第64页 |