| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第14-42页 |
| 1.1. 格件支撑环境的现状及发展趋势 | 第14-22页 |
| 1.1.1. 格件模型概述 | 第14-16页 |
| 1.1.2. 格件支撑环境及应用 | 第16-19页 |
| 1.1.3. 格件支撑环境相关研究的不足之处 | 第19-21页 |
| 1.1.4. 新一代格件支撑环境的发展趋势 | 第21-22页 |
| 1.2. 增强格件支撑环境性能的关键问题研究现状 | 第22-36页 |
| 1.2.1. 描述动态软件体系结构的形式化方法 | 第22-24页 |
| 1.2.2. 信息安全准则与安全访问控制 | 第24-29页 |
| 1.2.3. 基于测量的网络性能综合评价方法 | 第29-31页 |
| 1.2.4. 能耗高效为目标的云数据中心资源调度 | 第31-35页 |
| 1.2.5. 相关研究存在的问题 | 第35-36页 |
| 1.3. 论文的研究目的及组织结构 | 第36-37页 |
| 1.4. 主要研究工作与创新 | 第37-39页 |
| 1.5. 论文各章的主要内容 | 第39-42页 |
| 第二章 格件支撑环境的可视分层形式化描述 | 第42-58页 |
| 2.1. 相关研究 | 第42-43页 |
| 2.2. 离散事件系统（Discrete Event System） | 第43-44页 |
| 2.3. 有限状态机（Finite State Machine, FSM）模型 | 第44页 |
| 2.4. 基于范畴论的图变换（Graph Transformation） | 第44-48页 |
| 2.5. 层次网络形式化定义 | 第48-51页 |
| 2.5.1. 简单网络和网络节点的形式化定义 | 第48-49页 |
| 2.5.2. 层次网络模型及变换定义 | 第49-51页 |
| 2.6. 格件支撑环境体系结构的分层描述 | 第51-56页 |
| 2.6.1. 格件物理服务节点描述 | 第52-53页 |
| 2.6.2. 格件支撑环境服务网络描述 | 第53-55页 |
| 2.6.3. 格件服务网络拓扑结构变换 | 第55-56页 |
| 2.7. 本章小结 | 第56-58页 |
| 第三章 基于信息流分析的动态多级安全模型 | 第58-78页 |
| 3.1. 相关研究 | 第58-59页 |
| 3.2. 不干扰理论在系统模型的研究现状 | 第59-60页 |
| 3.3. 经典的安全模型 | 第60-63页 |
| 3.3.1. Bell-La Padula模型 | 第60-62页 |
| 3.3.2. Biba模型 | 第62-63页 |
| 3.4. 基于信息流分析的动态多级安全模型描述 | 第63-74页 |
| 3.4.1. 模型术语定义 | 第63-66页 |
| 3.4.2. 模型转换规则 | 第66页 |
| 3.4.3. 动态调整主、客体安全属性的分析 | 第66-67页 |
| 3.4.4. 模型的安全性证明 | 第67-74页 |
| 3.5. 安全模型在格件支撑环境的应用 | 第74-76页 |
| 3.6. 本章小结 | 第76-78页 |
| 第四章 基于测量的多维度动态评价格件网络环境 | 第78-98页 |
| 4.1. 相关研究 | 第78-79页 |
| 4.2. 网络测量指标体系 | 第79-80页 |
| 4.3. 模糊数与模糊层次分析 | 第80-83页 |
| 4.4. 网络性能动态综合评价方法 | 第83-87页 |
| 4.4.1. 多维网络性能动态评价方法框架 | 第83-84页 |
| 4.4.2. 动态多维度网络评价模型 | 第84-85页 |
| 4.4.3. 网络性能综合评价指标选择 | 第85-86页 |
| 4.4.4. 数据的无量纲化处理 | 第86页 |
| 4.4.5. 基于模糊层次分析的网络性能评价算法 | 第86-87页 |
| 4.4.6. 综合评价值的定义 | 第87页 |
| 4.5. 应用分析 | 第87-96页 |
| 4.5.1. 评价指标权重计算 | 第88-93页 |
| 4.5.2. 计算综合评价值 | 第93-95页 |
| 4.5.3. 利用多维度测量网络性能曲线，分析网络性能和预警问题节点 | 第95-96页 |
| 4.6. 本章小结 | 第96-98页 |
| 第五章 面向资源按需分配的格件云负载预测方法 | 第98-114页 |
| 5.1. 相关研究 | 第98-99页 |
| 5.2. 格件云资源池服务节点的负载预测分析方法 | 第99-106页 |
| 5.2.1. 改进的BP神经网络预测模型 | 第100-102页 |
| 5.2.2. 多元线性回归预测模型 | 第102-104页 |
| 5.2.3. 自适应云负载预测混合模型 | 第104-105页 |
| 5.2.4. 预测结果判定标准 | 第105-106页 |
| 5.3. 负载预测建模实验与结果分析 | 第106-110页 |
| 5.3.1. 数据准备 | 第106页 |
| 5.3.2. 多元线性回归模型和改进BP神经网络模型的分析比较 | 第106-108页 |
| 5.3.3. 自适应混合模型与已有两种模型的分析比较 | 第108-110页 |
| 5.4. 基于自适应云负载预测的动态格件云数据中心调度应用架构 | 第110-111页 |
| 5.5. 本章小结 | 第111-114页 |
| 第六章 格件云资源的能耗高效分配算法 | 第114-126页 |
| 6.1. 相关研究 | 第114-115页 |
| 6.2. 异构环境下云计算资源分配模型 | 第115-117页 |
| 6.3. 基于资源等价优化的资源分配优化方法 | 第117-121页 |
| 6.3.1. 资源等价优化 | 第117-118页 |
| 6.3.2. 物理机等价优化 | 第118-120页 |
| 6.3.3. 虚拟机等价优化 | 第120-121页 |
| 6.4. 实验与结果 | 第121-125页 |
| 6.4.1. 实验方法与环境 | 第121页 |
| 6.4.2. 实验结果 | 第121-125页 |
| 6.5. 本章小结 | 第125-126页 |
| 结论与展望 | 第126-128页 |
| 结论 | 第126-127页 |
| 展望 | 第127-128页 |
| 参考文献 | 第128-136页 |
| 攻读博士学位期间取得的研究成果 | 第136-138页 |
| 致谢 | 第138-139页 |
| 答辩委员会对论文的评定意见 | 第139页 |
