软件抗衰的若干关键技术研究
摘要 | 第1-7页 |
ABSTRACT | 第7-9页 |
目录 | 第9-12页 |
图清单 | 第12-14页 |
表清单 | 第14-15页 |
缩略词及中英文词汇对照 | 第15-17页 |
1 绪论 | 第17-38页 |
·论文研究背景 | 第17-21页 |
·计算系统的复杂化 | 第17-18页 |
·不可避免的软件缺陷 | 第18-19页 |
·软件失效 | 第19-20页 |
·软件衰退 | 第20-21页 |
·软件抗衰技术 | 第21-33页 |
·软件抗衰技术研究的必要性 | 第22-24页 |
·基于软件体系结构的研究思路 | 第24-25页 |
·基于时间的研究思路 | 第25-27页 |
·基于度量的研究思路 | 第27-29页 |
·不同研究思路的比较 | 第29-30页 |
·新的研究进展 | 第30-31页 |
·软件抗衰技术中存在的一些问题 | 第31-33页 |
·课题来源及本文主要工作 | 第33-36页 |
·课题来源 | 第33-34页 |
·选题意义 | 第34页 |
·本文主要工作 | 第34-35页 |
·论文结构 | 第35-36页 |
·本章小结 | 第36-38页 |
2 系统性能和性能监控 | 第38-51页 |
·系统性能参数的识别 | 第38-41页 |
·系统监控研究现状 | 第41-43页 |
·PerfMon 的设计与实现 | 第43-49页 |
·设计目标 | 第43-44页 |
·系统模型 | 第44-45页 |
·系统运行时的度量 | 第45-46页 |
·监控策略 | 第46页 |
·数据通信 | 第46-47页 |
·重建策略 | 第47页 |
·性能数据的存储和访问 | 第47-48页 |
·基于 Java 的原型实现 | 第48-49页 |
·仿真实验 | 第49-50页 |
·本章小结 | 第50-51页 |
3 性能检测算法 | 第51-67页 |
·检测算法的研究现状 | 第51-54页 |
·基于统计方式的检测算法 | 第51-52页 |
·基于数据挖掘的检测算法 | 第52页 |
·基于机器学习的检测算法 | 第52-54页 |
·基于免疫遗传的检测算法 | 第54-60页 |
·数据预处理 | 第54-55页 |
·编码和度量 | 第55-56页 |
·检测子的产生 | 第56-57页 |
·进化 | 第57-58页 |
·检测 | 第58-59页 |
·算法描述 | 第59-60页 |
·仿真实验 | 第60-65页 |
·实验一 | 第60-62页 |
·实验二 | 第62-64页 |
·实验三 | 第64-65页 |
·本章小结 | 第65-67页 |
4 性能预测算法 | 第67-82页 |
·相关的研究工作 | 第67-69页 |
·基于小波神经网络的性能预测 | 第69-76页 |
·性能数据的小波分解和过滤 | 第70-71页 |
·基于免疫机理和模拟退火的权重初始化 | 第71-73页 |
·预测结果和分析 | 第73-76页 |
·基于负载模型的性能预测 | 第76-81页 |
·建模负载 | 第76-77页 |
·基于非参数统计方法的预测 | 第77-79页 |
·预测结果和分析 | 第79-81页 |
·本章小结 | 第81-82页 |
5 基于免疫 Agent 的抗衰模型和原型系统 | 第82-102页 |
·仿生机理和相关工作 | 第82-85页 |
·仿生机理 | 第82-84页 |
·相关工作 | 第84-85页 |
·基于免疫 Agent 的抗衰 | 第85-96页 |
·免疫与抗衰 | 第85-87页 |
·多 Agent 的免疫结构模型 | 第87-89页 |
·免疫 Agent 模型和实现 | 第89-93页 |
·抗衰的工作流程 | 第93-96页 |
·应用分析 | 第96-101页 |
·应用环境 | 第96-97页 |
·评价框架 | 第97-99页 |
·抗衰结果和分析 | 第99-101页 |
·本章小结 | 第101-102页 |
6 结束语 | 第102-107页 |
·论文创新点 | 第102-104页 |
·进一步的研究工作 | 第104-107页 |
致谢 | 第107-108页 |
参考文献 | 第108-117页 |
附录 A 系统的部分界面 | 第117-120页 |
附录 B 系统实现的部分源代码 | 第120-123页 |
攻读博士学位期间发表的论文 | 第123-124页 |