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

基于iPad的物业综合管理系统

摘要第4-5页
abstract第5-6页
第一章 绪论第10-15页
    1.1 引言第10-11页
    1.2 研究意义及背景知识第11-12页
        1.2.1 研究意义第11页
        1.2.2 背景知识第11-12页
    1.3 论文主要工作第12-13页
    1.4 论文组织结构第13-15页
第二章 开发技术概述第15-24页
    2.1.NET框架技术简介第15-16页
    2.2 iOS技术简介第16-17页
    2.3 iOS开发平台介绍第17-19页
        2.3.1 系统环境第17页
        2.3.2 开发工具第17-18页
        2.3.3 MVC设计模式第18-19页
    2.4 HTTP协议简介第19-20页
    2.5 Web Service技术简介第20-21页
    2.6 GPS定位技术简介第21-22页
    2.7 文件上传原理简介第22-23页
    2.8 本章小结第23-24页
第三章 系统整体架构设计第24-35页
    3.1 需求分析第24-25页
    3.2 可行性分析第25-27页
        3.2.1 经济可行性第25页
        3.2.2 技术可行性第25-26页
        3.2.3 社会可行性第26-27页
    3.3 系统架构图第27-28页
    3.4 系统功能模块图第28-31页
    3.5 数据库设计第31-34页
    3.6 本章小结第34-35页
第四章 系统关键问题的解决方案第35-41页
    4.1 问卷排序策略第35-36页
    4.2 行程长度编码压缩算法优化第36-38页
    4.3 无效问卷答案的过滤处理第38-39页
    4.4 用户信息安全保障第39页
    4.5 本章小结第39-41页
第五章 服务器端程序设计与实现第41-56页
    5.1 服务器端总设计思路第41页
    5.2 Web服务器的设计与实现第41-43页
    5.3 服务器端WebService接口的设计与实现第43-50页
        5.3.1 iPad用户登录验证接口第43-44页
        5.3.2 用户资料获取接口第44-45页
        5.3.3 用户资料修改接口第45页
        5.3.4 巡检信息查询接口第45-46页
        5.3.5 巡检信息上传接口第46页
        5.3.6 用户报修信息上传接口第46-47页
        5.3.7 居民投诉信息上传接口第47页
        5.3.8 文件上传接口第47-49页
        5.3.9 问卷调查获取接口第49页
        5.3.10 问卷调查详情信息获取接口第49页
        5.3.11 问卷调查结果上传接口第49-50页
    5.4 功能测试第50-55页
    5.5 本章小结第55-56页
第六章 客户端程序的设计与实现第56-75页
    6.1 客户端总设计思路第56页
    6.2 PC客户端功能模块的实现第56-62页
        6.2.1 用户登录第56-57页
        6.2.2 小区管理第57-58页
        6.2.3 入住登记第58页
        6.2.4 住户查询第58-59页
        6.2.5 物业巡检管理第59-60页
        6.2.6 装修巡检管理第60-61页
        6.2.7 报修查看第61页
        6.2.8 问卷调查管理第61-62页
    6.3 iOS客户端功能模块的实现第62-72页
        6.3.1 iOS客户端与服务器之间的通信第62-64页
        6.3.2 登录模块第64-65页
        6.3.3 物业巡检和装修巡检第65-67页
        6.3.4 问卷调查第67-68页
        6.3.5 物业缴费第68-69页
        6.3.6 通知公告第69-71页
        6.3.7 位置服务第71-72页
    6.4 性能测试第72-74页
    6.5 本章小结第74-75页
总结与展望第75-77页
    工作总结第75-76页
    展望第76-77页
参考文献第77-80页
致谢第80页

论文共80页,点击 下载论文
上一篇:基于尺度不变特征和2DPCA的车标识别方法研究
下一篇:大数据环境下改进推荐算法研究与实现