| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·课题背景及研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·本文主要工作 | 第14页 |
| ·本文的组织与安排 | 第14-16页 |
| 第二章 云计算及性能管理相关技术 | 第16-28页 |
| ·云计算介绍 | 第16-20页 |
| ·云计算基本概念 | 第16-18页 |
| ·云计算的特点 | 第18-19页 |
| ·云计算的发展 | 第19-20页 |
| ·云平台的性能管理技术 | 第20-27页 |
| ·云平台性能管理概述 | 第21页 |
| ·云资源性能监测结构 | 第21-23页 |
| ·云资源性能预测方法 | 第23-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 云环境下基于遗传算法的资源性能监测模型 | 第28-38页 |
| ·引言 | 第28-29页 |
| ·基于自适应遗传算法的层次划分方法 | 第29-31页 |
| ·染色体编码与初始化种群 | 第29-30页 |
| ·适应度函数 | 第30页 |
| ·遗传算子 | 第30-31页 |
| ·算法描述 | 第31页 |
| ·一种自适应的数据采集方法 | 第31-34页 |
| ·监测算法中更新阈值的研究 | 第31-33页 |
| ·自适应的监测算法 | 第33-34页 |
| ·仿真结果及其分析 | 第34-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 云环境下基于粒子群分布的 PSO-Elman 的资源性能预测模型 | 第38-57页 |
| ·引言 | 第38-39页 |
| ·相关工作 | 第39-40页 |
| ·基于 PSO-Elman 的资源性能预测模型 | 第40-46页 |
| ·Elman 网络结构 | 第40-42页 |
| ·基于粒子群分布的 PSO 的神经网络训练算法 | 第42-46页 |
| ·基于 Mapreduce 的 PSO-ELman 神经网络的性能预测模型 | 第46-49页 |
| ·基于 MapReduce 的 PSO-Elman 预测模型的构建 | 第46-48页 |
| ·基于 Mapreduce 的 PSO-Elman 神经网络的性能预测 | 第48-49页 |
| ·仿真结果及其分析 | 第49-56页 |
| ·学习算法性能的比较 | 第49-52页 |
| ·预测模型性能的比较 | 第52-56页 |
| ·基于 MapReduce 的 PSO-Elamn 预测模型的并行效率分析 | 第56页 |
| ·本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| ·工作总结 | 第57页 |
| ·工作展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第62-63页 |
| 附录2 攻读硕士学位期间申请的专利 | 第63-64页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第64-65页 |
| 致谢 | 第65页 |
