基于CloudStack云平台的神经网络分类器的设计与实现
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第11-21页 |
| 1.1 选题背景 | 第11-15页 |
| 1.1.1 云计算概述 | 第11-12页 |
| 1.1.2 分类器的概述 | 第12-15页 |
| 1.2 主要技术发展现状 | 第15-18页 |
| 1.2.1 国内外主流云平台介绍 | 第15-17页 |
| 1.2.2 机器学习的发展过程 | 第17-18页 |
| 1.3 选题来源 | 第18页 |
| 1.4 论文结构 | 第18-21页 |
| 2 相关技术综述 | 第21-35页 |
| 2.1 CloudStack云平台的技术综述 | 第21-31页 |
| 2.1.1 CloudStack云平台功能及架构 | 第21-28页 |
| 2.1.2 Cloudstack系统代码入口分析 | 第28-29页 |
| 2.1.3 CloudStack API综述 | 第29-31页 |
| 2.2 神经网络分类器的技术综述 | 第31-34页 |
| 2.2.1 人工神经网络的发展历史与现状 | 第31-32页 |
| 2.2.2 BP神经网络优缺点 | 第32-33页 |
| 2.2.3 神经网络开源框架JOONE | 第33-34页 |
| 2.3 本章小结 | 第34-35页 |
| 3 需求分析 | 第35-47页 |
| 3.1 分类属性的需求分析 | 第35-37页 |
| 3.2 分类器的用户识别 | 第37-39页 |
| 3.3 功能性需求分析 | 第39-45页 |
| 3.3.1 创建分类器用例分析 | 第39-40页 |
| 3.3.2 训练分类器用例分析 | 第40-41页 |
| 3.3.3 提取和处理分类数据用例分析 | 第41-42页 |
| 3.3.4 运行分类器用例分析 | 第42-43页 |
| 3.3.5 删除分类器用例分析 | 第43-44页 |
| 3.3.6 查看用户分类结果用例分析 | 第44-45页 |
| 3.4 非功能性需求分析 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4 系统设计 | 第47-61页 |
| 4.1 系统架构设计 | 第47-51页 |
| 4.1.1 系统总体功能结构 | 第48-49页 |
| 4.1.2 逻辑分层架构 | 第49-51页 |
| 4.2 分类器功能模块设计 | 第51-56页 |
| 4.2.1 分类标准的设计 | 第51-53页 |
| 4.2.2 BP神经网络建模设计 | 第53-55页 |
| 4.2.3 分类器模块行为分析 | 第55-56页 |
| 4.3 数据库功能模块设计 | 第56-59页 |
| 4.3.1 数据库相关各表设计 | 第56-58页 |
| 4.3.2 数据库模块行为分析 | 第58-59页 |
| 4.4 本章小结 | 第59-61页 |
| 5 系统实现 | 第61-79页 |
| 5.1 系统代码结构 | 第61-64页 |
| 5.2 分类器功能模块的实现 | 第64-66页 |
| 5.2.1 功能类的实现 | 第64-65页 |
| 5.2.2 API类的实现 | 第65-66页 |
| 5.3 数据库功能模块的实现 | 第66-69页 |
| 5.3.1 功能类的实现 | 第66-67页 |
| 5.3.2 API类的实现 | 第67-69页 |
| 5.4 基于Cloudstack系统的API实现 | 第69-77页 |
| 5.4.1 系统API开发的相关实现 | 第70-74页 |
| 5.4.2 系统API调用流程 | 第74-77页 |
| 5.5 本章小结 | 第77-79页 |
| 6 系统测试 | 第79-91页 |
| 6.1 功能性测试 | 第79-80页 |
| 6.2 分类器性能测试 | 第80-89页 |
| 6.2.1 测试环境模拟 | 第80-81页 |
| 6.2.2 测试数据的生成 | 第81-86页 |
| 6.2.3 分类测试 | 第86-89页 |
| 6.2.4 测试结果分析 | 第89页 |
| 6.3 本章小结 | 第89-91页 |
| 7 总结与展望 | 第91-93页 |
| 参考文献 | 第93-95页 |
| 作者简历 | 第95-99页 |
| 学位论文数据集 | 第99页 |
