| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的和意义 | 第11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.3.1 农业信息云研究现状 | 第11-12页 |
| 1.3.2 云平台失败作业预测算法研究现状 | 第12页 |
| 1.4 主要研究内容与各章节安排 | 第12-16页 |
| 1.4.1 主要研究内容 | 第12-13页 |
| 1.4.2 论文章节安排 | 第13-16页 |
| 第二章 相关知识介绍 | 第16-36页 |
| 2.1 云计算及资源管理和调度 | 第16-19页 |
| 2.1.1 云计算 | 第16-17页 |
| 2.1.2 云计算平台的资源管理和调度 | 第17-18页 |
| 2.1.3 云计算资源管理的主要研究内容 | 第18-19页 |
| 2.2 Google云集群及作业失败因素分析 | 第19-26页 |
| 2.2.1 Google云集群及数据集 | 第19-20页 |
| 2.2.2 作业分布状态统计 | 第20-21页 |
| 2.2.3 作业失败因素分析 | 第21-26页 |
| 2.3 深度学习算法简介 | 第26-33页 |
| 2.3.1 自动编码网络 | 第26-31页 |
| 2.3.2 多任务学习模型 | 第31-33页 |
| 2.4 性能评估指标 | 第33-34页 |
| 2.5 实验数据清洗 | 第34页 |
| 2.6 本章小结 | 第34-36页 |
| 第三章 农业信息云平台 | 第36-40页 |
| 3.1 系统功能介绍 | 第36页 |
| 3.2 系统架构 | 第36-37页 |
| 3.3 算法流程 | 第37-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第四章 基于深度自动编码网络的失败作业预测方法 | 第40-50页 |
| 4.1 问题的提出 | 第40-41页 |
| 4.2 基于ML-ELM的失败作业预测方法 | 第41-42页 |
| 4.2.1 系统架构 | 第41-42页 |
| 4.3 实验及结果分析 | 第42-48页 |
| 4.3.1 Google数据的预处理 | 第42-43页 |
| 4.3.2 深度自编码器参数选择 | 第43-46页 |
| 4.3.3 对比实验结果 | 第46-47页 |
| 4.3.4 结果分析及应用 | 第47-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第五章 基于多任务学习的失败作业预测方法 | 第50-58页 |
| 5.1 问题的提出 | 第50-51页 |
| 5.2 基于核范数正则化多任务学习的失败作业主动预测方法 | 第51-53页 |
| 5.3 实验设计与结果分析 | 第53-57页 |
| 5.3.1 模型参数的选择 | 第53-54页 |
| 5.3.2 实验对比与分析 | 第54-56页 |
| 5.3.3 性能分析 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 下一步研究工作 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间发表的科研成果 | 第66-67页 |