| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-15页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.1.1 背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 服务器推送技术国内外研究现状 | 第10-11页 |
| 1.2.2 动态决策服务器推送技术研究现状 | 第11-12页 |
| 1.3 论文研究成果 | 第12-13页 |
| 1.4 论文结构安排 | 第13-15页 |
| 2 服务推送技术分析与比较 | 第15-24页 |
| 2.1 服务器推送技术概述 | 第15-16页 |
| 2.2 主流Web实时推送模式分析与比较 | 第16-20页 |
| 2.2.1 基于Ajax的轮询技术 | 第16-17页 |
| 2.2.2 Comet技术 | 第17-18页 |
| 2.2.3 新协议Websocket | 第18-20页 |
| 2.2.4 不同推送方法的比较分析 | 第20页 |
| 2.3 主流服务推送框架分析 | 第20-23页 |
| 2.3.1 基于客户端套接口的“服务器推”技术 | 第20-22页 |
| 2.3.2 DWR推送框架 | 第22-23页 |
| 2.3.3 开源Comet框架Pushlet | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 基于机器学习算法的动态决策服务器推送方式决策方案 | 第24-40页 |
| 3.1 决策方案的提出背景 | 第24-26页 |
| 3.2 动态决策算法的确定思路 | 第26-35页 |
| 3.2.1 决策算法概述 | 第26-27页 |
| 3.2.2 弱分类器的选取 | 第27-29页 |
| 3.2.3 Boosting 算法的确定 | 第29-35页 |
| 3.3 权重评估方法介绍 | 第35-38页 |
| 3.3.1 权重评估方法引入背景 | 第35页 |
| 3.3.2 熵值法和层次分析法 | 第35-38页 |
| 3.4 服务器推送方式动态决策方案 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 基于XGBoost算法的服务器推送方式动态决策框架设计 | 第40-49页 |
| 4.1 核心思想与总体设计 | 第40-41页 |
| 4.2 决策中间件 | 第41-42页 |
| 4.3 通信模式选取 | 第42-45页 |
| 4.4 服务端推送线程池 | 第45-47页 |
| 4.5 服务器推送方式动态决策框架设计 | 第47-49页 |
| 5 实验设计和结果分析 | 第49-63页 |
| 5.1 实验场景设计 | 第49-53页 |
| 5.1.1 案例设计 | 第49-50页 |
| 5.1.2 训练集获取 | 第50-53页 |
| 5.2 实验结果与分析 | 第53-61页 |
| 5.2.1 训练结果评估 | 第53-55页 |
| 5.2.2 实验结果评估 | 第55-61页 |
| 5.3 本章小结 | 第61-63页 |
| 6 总结与展望 | 第63-66页 |
| 6.1 研究成果总结 | 第63-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 附录1 攻读硕士学位期间参与的项目和发表的论文 | 第70页 |