首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--软件工程论文

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

论文共124页,点击 下载论文
上一篇:数据流系统中负载管理技术应用研究
下一篇:L-组氨酸产生菌的选育及其发酵条件优化