| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 本论文专用术语的注释表 | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与动机 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究动机 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 研究内容 | 第14页 |
| 1.4 论文结构 | 第14-16页 |
| 第二章 服务系统概述 | 第16-20页 |
| 2.1 Web服务 | 第16-18页 |
| 2.1.1 Web服务定义 | 第16-17页 |
| 2.1.2 Web服务模型 | 第17-18页 |
| 2.2 SOA架构 | 第18-19页 |
| 2.3 服务系统 | 第19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 研究现状 | 第20-25页 |
| 3.1 服务系统可靠性研究 | 第20-21页 |
| 3.2 在线可靠性预测技术 | 第21-24页 |
| 3.2.1 错误跟踪 | 第21-22页 |
| 3.2.2 征兆检测 | 第22-23页 |
| 3.2.3 已检测的错误报告 | 第23-24页 |
| 3.3 讨论 | 第24-25页 |
| 第四章 问题的定义 | 第25-27页 |
| 4.1 可靠性定义 | 第25-26页 |
| 4.2 可靠性时间序列定义 | 第26页 |
| 4.3 本章小结 | 第26-27页 |
| 第五章 基于多层神经网络的可靠性时间序列在线预测模型 | 第27-38页 |
| 5.1 基于全连接的多层神经网络可靠性预测模型(MLP-ROP) | 第27-30页 |
| 5.2 基于组合卷积神经网络与LSTM的可靠性预测模型(CL-ROP) | 第30-36页 |
| 5.2.1 基于CNN的数据处理 | 第30-33页 |
| 5.2.2 基于LSTM的可靠性时间序列预测 | 第33-36页 |
| 5.3 本章小结 | 第36-38页 |
| 第六章 实验与分析 | 第38-46页 |
| 6.1 实验设置 | 第38页 |
| 6.2 评估指标 | 第38-39页 |
| 6.3 用于比较的预测方法 | 第39-40页 |
| 6.4 结果与分析 | 第40-44页 |
| 6.4.1 数据集规模对结果的影响 | 第40-41页 |
| 6.4.2 预测周期长度变化时对可靠性预测的影响 | 第41-42页 |
| 6.4.3 前导时间长度对可靠性预测的影响 | 第42-43页 |
| 6.4.4 学习率对预测结果的影响 | 第43-44页 |
| 6.5 本章小结 | 第44-46页 |
| 第七章 总结与展望 | 第46-48页 |
| 7.1 本文总结 | 第46-47页 |
| 7.2 未来工作 | 第47-48页 |
| 参考文献 | 第48-53页 |
| 致谢 | 第53-54页 |
| 附录A 攻读硕士期间发表的论文 | 第54页 |
