| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 研究目的和意义 | 第11-13页 |
| 1.1.1 研究目的 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.1.3 项目来源 | 第13页 |
| 1.2 国内外研究现状和存在问题 | 第13-17页 |
| 1.2.1 国外研究现状 | 第13-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.2.3 存在的问题 | 第16-17页 |
| 1.3 主要内容和技术路线 | 第17-20页 |
| 1.3.1 研究内容 | 第17-19页 |
| 1.3.2 技术路线 | 第19-20页 |
| 1.4 创新点与取得的主要成果 | 第20-21页 |
| 1.4.1 论文创新点 | 第20-21页 |
| 1.4.2 论文主要成果 | 第21页 |
| 1.5 论文结构 | 第21-22页 |
| 本章小结 | 第22-23页 |
| 第2章 基于面向数据的智慧园区体系结构的研究 | 第23-52页 |
| 2.1 引言 | 第23页 |
| 2.2 DOA的理论体系 | 第23-26页 |
| 2.2.1 DOA理论与GS模式 | 第23-25页 |
| 2.2.2 分布式DRC、DAC、DEC、DAUs概念 | 第25-26页 |
| 2.2.3 XML二进制序列化技术 | 第26页 |
| 2.3 DOA的GIS相关理论 | 第26-30页 |
| 2.3.1 GIS与LBS理论 | 第26-27页 |
| 2.3.2 系统平台选型 | 第27-30页 |
| 2.4 虚拟化理论 | 第30-34页 |
| 2.4.1 KVM原理架构 | 第31-32页 |
| 2.4.2 XEN原理架构 | 第32-34页 |
| 2.5 云技术 | 第34-37页 |
| 2.5.1 HDFS文件系统 | 第36页 |
| 2.5.2 MapReduce处理框架 | 第36-37页 |
| 2.6 云计算 | 第37-39页 |
| 2.6.1 分布式框架 | 第37-38页 |
| 2.6.2 云计算平台 | 第38-39页 |
| 2.7 主要算法方法 | 第39-51页 |
| 2.7.1 分类算法研究 | 第40-45页 |
| 2.7.2 统计算法研究 | 第45-46页 |
| 2.7.3 加强算法研究 | 第46-48页 |
| 2.7.4 聚集算法研究 | 第48-51页 |
| 本章小结 | 第51-52页 |
| 第3章 应用系统平台特性分析及数据提取 | 第52-64页 |
| 3.1 引言 | 第52页 |
| 3.2 平台数据采集分析研究 | 第52-56页 |
| 3.2.1 特点及研究点选取 | 第52-53页 |
| 3.2.2 研究数据采集分析 | 第53-56页 |
| 3.3 财务业务平台分析研究 | 第56-61页 |
| 3.3.1 特点及研究点选取 | 第56-57页 |
| 3.3.2 研究数据采集分析 | 第57-61页 |
| 3.4 业务系统分析研究 | 第61-63页 |
| 3.4.1 系统研究点选取 | 第61-62页 |
| 3.4.2 研究数据采集分析 | 第62-63页 |
| 本章小结 | 第63-64页 |
| 第4章 园区多层机器学习网及LBML理论及方法研究 | 第64-96页 |
| 4.1 引言 | 第64页 |
| 4.2 实验平台搭建 | 第64-75页 |
| 4.2.1 实验系统平台搭建 | 第64-72页 |
| 4.2.2 实验算法环境搭建 | 第72-74页 |
| 4.2.3 实验结果及分析 | 第74-75页 |
| 4.3 LBML理论及方法研究 | 第75-89页 |
| 4.3.1 基于位置的数据 | 第75-77页 |
| 4.3.2 LBML理论算法 | 第77-79页 |
| 4.3.3 实验结果及分析 | 第79-89页 |
| 4.4 多层机器学习网(MLMLN)构架研究 | 第89-94页 |
| 4.4.1 数字园区的学习网络 | 第89-90页 |
| 4.4.2 MLMLN模型构架 | 第90-91页 |
| 4.4.3 实验结果及分析 | 第91-94页 |
| 本章小结 | 第94-96页 |
| 第5章 结论与展望 | 第96-99页 |
| 5.1 论文的工作总结 | 第96-97页 |
| 5.2 后续工作展望 | 第97-99页 |
| 致谢 | 第99-100页 |
| 参考文献 | 第100-109页 |
| 攻读学位期间发表的学术成果 | 第109页 |