| 致谢 | 第1-11页 |
| 摘要 | 第11-13页 |
| ABSTRACT | 第13-17页 |
| 插图清单 | 第17-19页 |
| 表格清单 | 第19-20页 |
| 第一章 绪论 | 第20-32页 |
| ·论文研究背景 | 第20-24页 |
| ·云计算的兴起 | 第20-21页 |
| ·云计算定义 | 第21-22页 |
| ·云计算的特点及其关键技术 | 第22-24页 |
| ·研究问题的提出及研究意义 | 第24-30页 |
| ·研究背景 | 第24-28页 |
| ·研究意义 | 第28-30页 |
| ·论文的主要研究工作 | 第30-32页 |
| ·论文研究内容 | 第30页 |
| ·论文组织结构 | 第30-32页 |
| 第二章 云计算环境下资源管理问题研究 | 第32-50页 |
| ·引言 | 第32页 |
| ·资源表示与描述方法 | 第32-34页 |
| ·资源信息编目格式 | 第32-33页 |
| ·资源描述语言 | 第33-34页 |
| ·云计算资源发现与匹配机制 | 第34-35页 |
| ·资源发现架构 | 第34页 |
| ·资源匹配方法 | 第34-35页 |
| ·云计算资源动态管理方法 | 第35-46页 |
| ·云计算资源需求特征分析 | 第35-42页 |
| ·资源动态组织方法 | 第42-43页 |
| ·资源优化配置方法 | 第43-45页 |
| ·资源动态监控方法 | 第45-46页 |
| ·云计算资源管理框架及其应用案例分析 | 第46-49页 |
| ·云计算资源管理框架构建 | 第46-47页 |
| ·云计算资源管理框架应用案例分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第三章 基于特征提取与分类的云资源负荷短期动态预测方法研究 | 第50-80页 |
| ·引言 | 第50页 |
| ·云资源负荷特征提取与分类 | 第50-64页 |
| ·云资源负荷特征提取技术 | 第50-51页 |
| ·基于 KFCM 的资源负荷特征监督式聚类算法 | 第51-54页 |
| ·基于 HMM 的资源负荷特征非监督式聚类算法 | 第54-64页 |
| ·基于遗传算法优化 Elman 神经网络的云资源负荷预测算法 | 第64-66页 |
| ·基于特征提取与分类的云资源负荷多步骤预测框架及算法 | 第66-79页 |
| ·基于 KFCM 聚类的云资源负荷多步骤预测框架及其仿真结果分析 | 第66-72页 |
| ·基于 HMM 聚类的多步骤预测框架及其仿真结果分析 | 第72-79页 |
| ·本章小结 | 第79-80页 |
| 第四章 云计算资源优化配置方法研究 | 第80-90页 |
| ·引言 | 第80页 |
| ·基于需求预测的云资源自适应弹性配置方法研究 | 第80-84页 |
| ·云资源自适应弹性配制系统构建 | 第81页 |
| ·云资源监控及其需求预测 | 第81-82页 |
| ·基于需求预测的云资源自适应弹性配置策略 | 第82-84页 |
| ·仿真及结果分析 | 第84页 |
| ·新的公有云平台构建及其基于 SVMC 的资源优化配置方法研究 | 第84-89页 |
| ·一种新的公有云平台构建 | 第84-86页 |
| ·基于 SVMC 的云资源优化配置方法 | 第86-87页 |
| ·仿真及结果分析 | 第87-89页 |
| ·本章小结 | 第89-90页 |
| 第五章 基于广义模糊软集理论的云资源负荷中长期组合预测方法研究 | 第90-106页 |
| ·引言 | 第90页 |
| ·基于广义模糊软集理论组合预测模型构建 | 第90-95页 |
| ·广义模糊软集基本概念 | 第91-92页 |
| ·基于夹角余弦的广义模糊软集相似性度量方法 | 第92-94页 |
| ·基于广义模糊软集理论组合预测模型构建 | 第94-95页 |
| ·单项预测模型的选择及其模型构建 | 第95-104页 |
| ·基于 ANFIS 的云资源负荷单项预测 | 第95-98页 |
| ·基于 SARIMA 的云资源负荷单项预测 | 第98-99页 |
| ·组合预测模型仿真及结果分析 | 第99-104页 |
| ·本章小结 | 第104-106页 |
| 第六章 总结与展望 | 第106-108页 |
| ·总结 | 第106-107页 |
| ·展望 | 第107-108页 |
| 参考文献 | 第108-116页 |
| 攻读博士期间的主要科研项目与成果 | 第116页 |
