| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 负载均衡方法 | 第10-11页 |
| 1.2.2 虚拟机迁移策略 | 第11页 |
| 1.3 本文研究内容 | 第11-12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 2 相关理论 | 第13-35页 |
| 2.1 云计算 | 第13-16页 |
| 2.1.1 云计算的定义 | 第13页 |
| 2.1.2 云计算的分类 | 第13-14页 |
| 2.1.3 云计算的体系结构 | 第14-16页 |
| 2.2 云计算中负载均衡 | 第16-18页 |
| 2.2.1 负载均衡分类 | 第16页 |
| 2.2.2 常用的负载均衡算法 | 第16-17页 |
| 2.2.3 主动负载均衡算法 | 第17-18页 |
| 2.3 虚拟机动态分配 | 第18-22页 |
| 2.3.1 动态虚拟机分配 | 第19-20页 |
| 2.3.2 应用程序 | 第20-22页 |
| 2.3.3 应用程序的安置 | 第22页 |
| 2.3.4 虚拟机实时迁移 | 第22页 |
| 2.4 支持向量机算法 | 第22-29页 |
| 2.4.1 双支持向量机 | 第23-25页 |
| 2.4.2 多分类算法 | 第25-29页 |
| 2.5 评价标准 | 第29-33页 |
| 2.5.1 预测性能评价标准 | 第29-32页 |
| 2.5.2 虚拟机主动迁移方法的评价标准 | 第32-33页 |
| 2.6 本章小结 | 第33-35页 |
| 3 一种改进的负载预测算法 | 第35-49页 |
| 3.1 用于负载均衡的多类双支持向量机算法 | 第35-37页 |
| 3.1.1 负载均衡实现方法 | 第35-36页 |
| 3.1.2 虚拟机分类方法 | 第36页 |
| 3.1.3 虚拟机的分配算法 | 第36-37页 |
| 3.2 一种基于鲁棒性的多类双支持向量机分类器 | 第37-44页 |
| 3.2.1 最大间隔分类的鲁棒性公式 | 第38页 |
| 3.2.2 线性多类双支持向量机分类器的鲁棒性 | 第38-40页 |
| 3.2.3 Twin-ksocp的对偶性公式 | 第40-42页 |
| 3.2.4 非线性多类双支持向量机分类器的鲁棒性 | 第42-44页 |
| 3.3 实验 | 第44-46页 |
| 3.3.1 数据集和实验设置 | 第44-45页 |
| 3.3.2 实验结果 | 第45-46页 |
| 3.4 本章小结 | 第46-49页 |
| 4 基于预测算法的主动虚拟机调度策略 | 第49-61页 |
| 4.1 云模拟环境的架构 | 第49-51页 |
| 4.1.1 集成预测模块 | 第49-50页 |
| 4.1.2 预测模块结构 | 第50页 |
| 4.1.3 组件与虚拟机的结合 | 第50-51页 |
| 4.2 虚拟机主动迁移策略 | 第51-55页 |
| 4.2.1 迁移触发条件 | 第51-53页 |
| 4.2.2 虚拟机选择算法 | 第53-55页 |
| 4.3 基于预测方法的虚拟机迁移程序流程图 | 第55-56页 |
| 4.4 实验结果与分析 | 第56-60页 |
| 4.4.1 负载预测算法的性能评估 | 第56-58页 |
| 4.4.2 基于虚拟机迁移的主动负载均衡策略性能评估 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 5 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 攻读学位期间参加的科研项目及发表的学术论文 | 第63-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-70页 |