一、基于模型驱动架构的Web Services应用开发（论文文献综述）
徐聪[1]（2021）在《移动终端应用界面代码自动生成方法的研究与应用》文中研究指明移动终端应用系统已经深入到人们的日常工作和生活中,其中界面设计与开发的工作量在整个移动应用开发中所占的比重较大。目前大部分的移动应用开发都是面向特定平台（如Android、i OS等）的,同一应用系统界面的开发要针对不同的平台开发不同的版本,这需要花费较大的代价。而且传统开发方法以手工编码为主,普遍存在开发效率低、难以维护等问题,还导致应用程序在扩展性和健壮性等方面不能满足系统开发需求。采用模型驱动架构（Model Driven Architecture,MDA）的思想,通过提升建模抽象层次并使用模型转换的方式,实现移动终端应用界面代码的自动生成,可以有效提高移动应用界面的开发效率,同时还能增强移动应用的可移植性和可维护性。本文基于MDA思想,研究移动终端应用界面建模和代码自动生成的方法,主要研究内容和创新工作包括以下几点:（1）通过对移动终端应用系统进行分析研究,对平台无关模型的描述方法ASLP（Architecture,Static,Logic,Presentation）进行了扩充,使其能对移动端的应用系统界面进行模型描述,并开发实现了建模工具。（2）分析了Android应用系统的代码目录结构及界面构建方式,提出了由静态模型、动态模型以及展示模型组成的Android平台相关模型,建立了ASLP平台无关模型到Android平台相关模型的映射规则。（3）采用基于模板的代码生成方法,设计并实现了面向Android平台的目标代码生成器,提出了依据界面模型描述实现界面代码主体结构自动生成的算法,搭建了Java代码生成器框架。（4）通过一个口罩预订APP的开发实例,验证了所提模型描述方法和代码生成方法的可行性与有效性。该口罩预订APP包括登录、注册、展示口罩列表、提交订单、修改订单、查看订单、删除订单、查看个人资料、修改个人资料等页面,依靠高抽象层次的建模工具和代码生成器,通过模型转换实现了代码自动生成。实例应用研究表明,本文的研究成果和所开展的工作,对移动终端应用系统的界面建模和开发实现提供了支持,进一步丰富了MDA模型驱动架构,提升了移动终端软件开发的层次,提高了开发效率,同时代码自动生成方法和平台的实现也可对智能软件开发的研究提供支持。
王昭宁[2]（2020）在《移动网络中面向终端用户的服务生成关键技术研究》文中研究表明随着科技的进步,无线网络技术和移动互联网产业快速发展,诸如智能手机、平板电脑、移动穿戴等移动智能设备功能在也变得更加强大,基于移动设备的丰富功能服务和移动网络中种类繁多的Web服务,开发人员创造出了大量的移动应用,使得移动技术愈发融入人们的日常生活,同时激发了用户对于移动应用和服务更加个性化和多样化的需求。传统的移动应用由专业的开发人员在编程的环境中进行开发,他们对用户的需求进行调研和分析,并根据需求针对特定的系统平台设计和实现相应的移动应用。这样的开发过程流程复杂周期冗长,不利于移动应用的跨平台适配,难以满足用户个性化的需求。为了解决以上的问题,本论文在面向服务架构的基础上,研究并提出了面向终端用户的服务生成的关键技术,一方面让终端用户利用跨平台图形化的应用开发环境,根据自己的需求基于组件化的应用生成模型独立开发移动应用,同时研究了 QoS感知自动化的服务组合技术,以用户需求为驱动实现在移动网络中自动化地服务供给,并提出了优化算法。论文的主要的工作和贡献包含了以下三个方面:1)面向终端用户的基于组件的跨平台移动应用生成模型研究。针对面向终端用户服务生成中移动应用开发的问题,提出了一个组件化的跨平台移动应用生成模型。在应用生成模型中,定义了一个服务组件模型和组件插件模型,基于事件驱动的组件聚合方法跨平台构建的移动应用。基于应用生成模型实现的EasyApp系统,为终端用户提供了一个图形化开发移动应用的编辑器和一系列可用于应用开发的Web组件库,能够快速构建跨平台的移动应用。最后演示了应用开发过程,对开发环境在终端用户中的可用性进行了评估,相比对比系统,终端用户使用EasyApp的开发应用的时间减少了约18%。2)QoS感知的自动化服务组合研究。针对移动网络中Web服务供给的问题,研究了 QoS感知的自动化服务组合问题并且提出了两方面的优化方案。一方面研究了自动规划技术中的图规划算法和启发式搜索算法,并使用了自动规划模型,将图规划与启发式搜索相结合,提出了 Q-Graphplan算法,求解QoS感知的自动化服务组合问题。用标准测试集对算法性能进行了测试,并同经典的图规划服务组合算法进行了比较分析,实验结果表明Q-Graphplan减少了约77%冗余服务,平均组合时间降低了约24%。另一方面,为了解决服务组合优化问题中需要考虑的大量的QoS属性的问题,提出了一种多QoS优化目标的服务组合的MaSC算法,它借助了一个全新的时态模型,把待解决的服务组合复杂问题分解成为若干个简单的子问题,并且采用了 一个多目标的演化过程搜索近似最优的组合服务集合。采用标准测试集对算法性能进行了测试,并同现有的算法进行了比较分析,MaSC算法求得的服务组合解与最优的偏差减少了约28%,而平均组合时间降低了约73%。3)移动动态网络中的实时服务组合研究。针对在动态的移动网络环境中的服务供给问题,重点关注了在移动自组织网络中服务发现与实时组合的问题。移动自组织网络环境具有缺少中心管理节点、服务主机持续移动等特点,于是将移动服务组合问题建模为实时规划问题,并提出RTASC算法动态地构建移动网络中的服务流程并实时执行。RTASC可分为服务发现和服务执行两个步骤,在服务发现阶段,RTASC采用了去中心化的启发式的服务发现机制,在分散的服务主机节点中发现当前可用的移动服务,并根据服务的依赖关系反向构建启发式覆盖网络。在服务执行阶段,RTASC采用了一种带有前向探测的边规划边执行的策略,实时的规划和执行组合服务。在模拟环境下测试了算法性能,并和现有的同类算法进行了比较分析,结果表明RTASC的组合时间降低了约20%,组合失败率降低了约35%。
黄承曦[3]（2020）在《基于语义的微服务应用构建及治理研究》文中进行了进一步梳理服务计算（Service-oriented Computing,SOC）是应用服务作为基础元件来快速构建应用系统的方法。其破除离散孤立限制与快速集成现有业务应用的特性使其成为快速构建开放的应用系统的核心技术。作为最新的服务计算思想,微服务架构（Microservice Architecture）以其更快的业务对应性,更好的功能扩展性与更优的系统自治性极大提升了开发应用系统的灵活性。这使得高效的微服务应用的构建和治理方法具有极大的发展潜力,并成为当前众多领域中应用系统设计、实施与维护的关键技术。虽然,服务计算已得到广泛关注并获得较多研究成果,但是在应用微服务相关技术来应对应用系统复杂性剧增、计算规模膨胀时仍然面临许多待解决的问题,包括:（1）应用系统的服务建模业务描述单一:在业务需求快速更新的情况下,业务逻辑的表述易出现语义不一致以及关联性缺失的问题,导致服务模型的业务描述完备性不足,业务需求难以体现到后续的服务实现。（2）应用系统的服务构建内聚性不足:服务构建时需要以业务为核心进行多个服务组合配置,然而大规模的计算环境导致了服务间关系复杂化,使得业务应用场景中的语义关联无法准确映射为服务之间的操作关系。（3）应用系统的服务适应性不足:面对持续变化的执行环境,应用系统无法持续高效满足实际业务场景需求,系统运行行为与实际业务需求难以对齐。针对这些问题,论文首先提出业务语义模型构建与演化方法用于保障服务应用的全生命周期处理过程中的语义完整性与时效性。然后论文重点研究了基于语义的微服务应用的业务建模、服务构建与系统治理的关键方法。具体来说,论文的主要研究贡献如下:（1）针对微服务应用构建与治理过程中语义一致性问题,论文在面向微服务应用的全生命周期语义处理框架基础上,提出了一种具有时效性的语义模型构造方法,以支撑微服务应用各阶段的语义表述。论文提出的语义模型构建与演化方法,通过分析已有数据建立完整的业务概念模型作为全局的语义参考,并通过数据驱动的本体演化保障业务概念模型的时效性,以支持业务建模过程中的语义关联、服务配置中的语义匹配以及系统治理优化中的综合语义分析过程。（2）针对微服务描述的单一性问题,论文提出了一种基于业务映射的功能级服务建模方法。论文结合本体语义模型提出了一种三层描述方法,通过上下推导过程,增加了服务的语义描述能力。一方面,通过对业务的抽象信息与具体信息的语义定义构建具有多层结构的业务模型以支持服务的语义描述能力扩充。另一方面,通过上下结合的集成过程,实现业务需求驱动的服务实现映射过程。结合通讯领域案例,论文论证了该方法在应对业务需求变更时的适用性。（3）针对微服务构造的内聚性不足问题,论文提出了一种基于流程解析的应用服务构建方法。论文研究了以流程为中心汇聚相关服务、资源、数据的过程,使得组合封的应用具有高内聚特性,并实现高效运行。首先通过对业务流程进行语义抽取与分析,获取整个业务流程过程中的语义上下文;然后通过语义匹配发现相应服务,以流程整体的语义完整性为衡量标准,实现流程中任务节点的服务发现和匹配,最终形成流程级微服务。结合医疗服务领域案例,论文论证了提出方法的有效性与准确性,可以支持复杂应用搭建。（4）针对微服务执行的适应性问题,论文提出了一种基于流程挖掘分析的系统治理与优化方法。论文从日志数据挖掘流程及相关业务信息,构建包含流程、服务、数据等的语义场景,并将其应用于微服务的优化治理过程中。结合医疗领域的案例的验证表明,方法在优化企业业务流程配置与提高服务执行效率两方面都有明显作用。总的来说,本文采用语义方法研究了微服务应用的建模、构建、治理方法,并通过多个领域的案例验证,证明了所提出方法的有效性。
王慕雪[4]（2020）在《物联网英语术语特征与汉译方法 ——《物联网：技术、平台和应用案例》（节译）翻译实践报告》文中提出从物联网概念出现至今,我国一直十分注重物联网的发展,发展物联网已成为落实创新、推动供给侧改革、实现智慧城市的重要举措。学习借鉴国外物联网领域的前沿研究成果对我国物联网研究与建设具有重要价值。本次翻译实践报告以《物联网:技术、平台和应用案例》（The Internet of Things:Enabling Technologies,Platforms,and Use Cases）为翻译素材,重点对科技术语翻译进行分析总结。物联网英语术语作为科技英语术语的一种,具有专业性强、语义严谨等特点,本次翻译实践报告将原文中出现的术语分为已有规范译文的物联网英语术语和未有规范译文的物联网英语术语两类,继而开展调查分析工作。对已有规范译文的术语,重点是甄别行业领域,选取规范译文,并从缩略词、复合词和半技术词三个方面总结术语的翻译方法,为术语翻译提供指导;对尚未有规范译文的术语,基于术语特征和已有术语翻译方法,提出直译法、拆译组合法、不译法以及多种译法结合等翻译方法,并结合实例进行了具体说明。希望本实践报告能够为从事科技类文献翻译工作的译者提供一定参考。
李洁[5]（2019）在《数据驱动下数字图书馆知识发现服务创新模式与策略研究》文中指出我们已经从信息时代走进了数据驱动的“智能时代”,数据成为人们认识和解决问题的新的逻辑起点。“数据驱动”打破了基于知识解决问题的思维桎梏,形成了从问题到数据又回归问题的新方法论认识——基于数据解决问题。这一研究范式将数字图书馆知识发现服务从对问题本源的探索推向知识服务的本真,可以说,从数据直面用户、管理和服务为大数据环境下的数字图书馆知识发现服务供给侧的改革提供了一种新思路:知识发现服务要改变的不只是管理技术、管理规则或服务形式,而要涉及整个管理理念和服务体系。而大数据环境中,数字图书馆信息发生源越来越多,数据产出量越来越大,数字资源增长速率越来越快,数据异构性越来越明显,数据老化节奏越来越快,低价值密度隐患的知识饥渴和数据海啸的矛盾越来越突出,用户对发现服务的需求越来越多元,数字图书馆数据资源正面临着重新被发现的挑战。迎面变化和挑战,数字图书馆的知识发现服务不单要完成从文献数字化到内容数据化的知识组织转型,更应实现数字资源从内容数据化到数据智能化的价值开发和智慧洞见。数据驱动的科研范式开辟了知识发现的新路径,开启了数字图书馆知识服务的时代新转型。探索数据驱动理念下的数字图书馆知识发现服务模式的新形态,需要学习、内化数据科学相关理论,需要剖析知识发现的驱动要素和作用机制,需要打破传统的资源发现固化模式,创建知识发现服务的创新生态功能圈。融合数据驱动和知识发现的双重技术优势,数字图书馆知识发现服务创新模式应趋从数据化、数据向知识转化的语义关联、可视化和智能化驱动维度寻求用户数据、内容资源数据、专家数据、业务数据的新协同,开发用户画像、研究设计指纹、精准文献推荐等的新应用,强化数据的集群整合、提升平台的绿色联通、实现用户界面的友好交互,使数字图书馆成为支持用户知识探索与发现创造的智能服务系统,使数据资源最大化的进行价值开发与知识转化,使用户随时随地都能受益于数字图书馆高效、便捷、友好与智能的知识发现服务体验。基于此,本文通过对数据驱动、知识发现研究成果的追本溯源,界定数据驱动下的数字图书馆知识发现服务的核心理念;通过文献分析、调查访谈、仿真实验、模型训练等方法的综合运用,分析数字图书馆知识发现服务创新的数据环境、驱动机制、创新模式、模式应用以及创新策略制定。围绕主要研究内容,本文第三章从数据环境特征、数据环境变化和数据环境开发分析数据驱动下的数字图书馆知识发现服务的机遇与挑战;第四章结合数据要素、数据驱动过程、数据驱动维度探讨数字图书馆知识发现服务的数据驱动动力机制、流机制、协同驱动机制和数据驱动控制机制;第五章通过对数字图书馆知识发现服务模式创新衍变的内在使命分析,指出数字图书馆知识发现服务创新模式的构建依据、构建基础和构建过程;第六章对数字图书馆知识发现服务创新模式进行具体的用户画像、研究设计指纹、文本推荐和多粒度检索决策应用;第七章针对数字图书馆知识发现服务创新模式的具体瓶颈给出各驱动维度的应对策略。具体内容阐述如下:第3章数据驱动下数字图书馆知识发现服务的数据环境分析本章是对大数据驱动环境下的数字图书馆知识发现服务场域的情境解构。首先,基于大数据的4V特征,面向全数据,分析数字图书馆知识发现服务在数据形态、存在方式、存储模式、存储内容、数据价值等方面的特性。其次,探讨数据化、新一代信息技术、数据分析思维、数据密集型科学发现范式影响下的数字图书馆知识发现服务革新的优劣利弊。最后,基于环境特性和环境变化的双向作用状态定位数字图书馆知识发现服务发展的开发方向。明确本文研究目的的同时,引出4、5、6、7章节的主要研究任务。第4章数字图书馆知识发现服务创新的数据驱动机制分析本章作为第5章的铺垫,详细解析数字图书馆知识发现服务平台的数据要素和驱动作用形式。通过用户数据、资源内容数据、专家数据的分类界定,为第6章科研用户画像、研究设计指纹、精准文献推荐等的服务模式应用提供数据基础;通过数据化、语义关联、可视化、智能化的数据驱动维面的层级解构,为第7章的创新策略制定奠定优化主线;基于数据要素、驱动过程和驱动维面,从内外力作用的动力机制、输入-输出的流机制、数据融合的协同驱动机制以及数据驱动控制机制具体呈现数据驱动与知识发现服务交互融合的催化反应。第5章数据驱动下数字图书馆知识发现服务创新模式研究在前文研究的基础上,本章首先对数据驱动下数字图书馆知识发现服务创新模式的构建进行内在逻辑分析;其次,从资源发现既有模式、知识产品和技术支持方面阐述实现数字图书馆知识发现服务创新的外在基础;最后,综合内在逻辑和外在基础,进行创新模式的基础框架和平台架构的初步解构,并在此基础上进行数据驱动下的数字图书馆知识发现服务创新功能圈构建。第6章数据驱动下数字图书馆知识发现服务创新模式应用研究本章在第5章提出的创新模式的基础上,分别利用科研用户数据进行数字图书馆百度发现的科研用户画像构建,利用文献数据进行以研究对象、研究问题与研究方法为核心要素的研究设计指纹构造,结合用户画像和研究设计指纹实现精准文献推荐,并通过用户检索实验验证多粒度检索决策的优势。第7章数据驱动下数字图书馆知识发现服务创新策略研究基于第4章对数据驱动维度和驱动机制的分析,本章旨在明确数据化、语义化、关联化、可视化和智能化驱动的创新方向并进行相应的优化路径设计,针对数字图书馆知识发现服务创新的制约因素,给出切实可行的解决方案与对策建议。大数据环境下,重新界定数据驱动下的数字图书馆知识发现服务的内涵、探讨数字图书馆知识发现服务的数据驱动机制、创新数字图书馆既有的资源发现服务模式,有利于从方法论认识层面为数字图书馆知识发现服务的供给侧改革提供理论支持。数字图书馆知识发现服务的意义不仅在于它的统一检索及其延伸功能,更在于此基础上辅助科学发现的循证决策、智能管理和知识再造的服务价值。在人类不断探索未知与努力认识未知的道路上,数据驱动+知识发现的催化反应为科学发现的方法探索提供了一个可行参考,推动着数字图书馆知识发现服务在不断革新的历程中惠及更多的求知受众。
兰丽娜[6]（2019）在《物联网资源管理服务关键技术研究》文中研究说明物联网将物理世界网络化、信息化,对传统的分离的物理世界和信息空间实现互连和整合,目标是达到更透彻的感知,更全面的互联互通和更深入的智能化,代表未来网络的发展趋势。目前,大量多源异构的物联网感知设备大多采用专用的接入方式和专门的应用系统进行互通,形成竖井式应用模式。这种竖井式应用模式造成大量的感知资源和数据难以共享和重用,物联网应用服务之间互联互通困难,难以实时动态协同,难以支持大规模的更智能化的物联网应用服务。本文针对物联网资源管理、物联网服务提供等关键技术进行深入研究,取得如下成果:1.针对物联网服务提供面临的感知信息按需分发及异构服务系统间的服务协同执行问题,提出了一种新的事件驱动的面向服务的物联网服务体系架构（EDSOA）。该架构融合事件驱动架构（EDA）和面向服务架构（SOA）,基于消息总线实现感知信息的按需分发,基于事件驱动实现服务动态协同执行。该架构中消息总线采用易扩展的分布式基于主题的发布订阅消息系统,消息的发布和接收都采用Push方式,保证消息传送的实时性和保序性。该架构基于隐式的事件链驱动服务执行,相比传统SOA基于预先编排的请求响应服务流程执行更灵活,能较好地适应动态变化的物联网环境。最后通过一个物联网应用系统一智慧城市道路井盖监控系统验证了该架构的有效性,并通过实验证明了在并发服务执行上EDSOA架构比传统SOA架构执行速度更快,具有性能上的优势。2.针对物联网竖井式应用模式带来的资源共享困难,以及异构感知设备统一接入问题,提出了一种基于边缘计算的物联网异构感知设备统一接入平台。该接入平台部署在临近感知设备的网络边缘,以支持物联网应用的快速响应,并为敏感数据提供有效的隐私保护。提出了一种通用的基于本体的物联网资源描述模型,为云计算中的物联网应用提供异构感知设备的一致视图。基于该模型,提出了一种异构感知设备自适应接入方法,为智能化程度不同的感知设备提供统一的接入、控制和管理。该接入平台将物联网的竖井式应用模式转变为水平式应用模式,支持物联网应用对感知设备和资源的共享和重用。最后通过一个智慧城市道路井盖监控系统应用案例验证了资源描述模型和自适应接入方法的有效性,并通过实验证明了该接入平台具有良好的性能以及采用边缘计算的性能优势。3.针对物联网实时监控应用大数据处理中的事件可重构和实时处理性能两个关键问题,提出了一种通用的复杂事件处理（CEP）机制。首先提出了一种包括原始事件、简单事件和复杂事件的形式化的分级复杂事件模型,降低了复杂事件建模的复杂度。该模型支持复杂的时间和空间语义,支持以编程的方式灵活定义复杂事件。在此基础上,提出了一种基于边缘计算的CEP系统架构。该系统部署在终端感知设备与云端应用之间的网络边缘,为局域数据处理提供更快的响应。该系统将复杂事件定义映射到CEP规则逻辑脚本,可及时检测出潜在的异常事件。该CEP机制具有通用性,适用于各种异构感知设备和CEP引擎。通过两个物联网监控应用实例验证了复杂事件模型的有效性,并通过实验证明了该机制可显着提升CEP系统整体性能。4.针对物联网时间序列数据实时处理要求,提出了一种轻量级的嵌入式时序内存数据库（TSMMDB）。首先,基于业务模型提出了一种树形的物联网感知数据模型,叶子节点采用基于时间、资源、度量的三维表结构,索引采用多层嵌套的红黑树。数据存储按照时间进行分割,同一个文件中包含数据和相应的索引信息,并采用灵活的数据局部性内存分配机制,获得更好的实时处理性能。然后,提出了定制的虚拟堆和虚拟堆内存分配器,基于共享内存,将物理内存页面在进程间共享,使得应用程序可以在自己的进程空间中访问整个数据库中的数据,不再受限于传统的数据库进程间通信方式。内存数据库的数据对象,基于内存映射机制自动实现对象持久化。进一步,提供基于大粒度锁的数据访问并发控制机制。该内存数据库数据存取算法具有较好的时间复杂度,实验结果表明该内存数据库相比传统的内存数据库和基于磁盘的关系数据库具有更好的性能。
刘铭崴[7]（2019）在《任务感知的多模态时空数据自适应可视化方法》文中研究表明相比传统空间信息系统主要处理物理空间的点线面体矢量数据与相关的属性数据,新一代空间信息系统处理的数据具有典型的多模态特征。多模态时空数据充分刻画了人机物三元空间中“大到宇宙,小到尘埃”的多粒度时空对象从诞生到消亡全生命周期中的位置、几何、行为以及语义关联关系等全息特征信息,对其进行描述、诊断和预测等多层次可视分析成为感知、认知与控制人机物三元世界的重要途径。对多模态时空数据综合分析与协同可视化决策在于:人-机-物三元空间多模态时空数据全面汇聚、关联分析和深度利用,通过可视化分析完成对城市异常的智能预警、关键问题的智慧决策、重大事件的协同处置。多模态时空数据的海量、高维、动态等特征决定了其可视化应用中多样化可视化任务交织且高并发,场景内容及可视化表征高度动态变化,需高效协同可视化系统的存储、计算与绘制资源。虽然时空大数据的可视化现已开展了较多研究,但在面对高并发多层次多模态时空数据可视化任务时,仍存在固定化的场景可视化表征与时空探索分析中未知的分析结果的灵活呈现需求相脱离,面向高并发I/O与高性能绘制可视化机制,难以满足高并发多样化可视化任务需求、高性能计算环境和多样化客户端环境缺乏有效协同等问题,难以有效地支撑新一代空间信息系统和时空大数据可视化应用需求。针对上述问题,本文在虚拟化和云计算等技术的支持下,拟研究任务感知的多模态时空数据自适应可视化方法,重点研究多层次多模态时空数据可视化任务模型分类与构建、任务驱动的多粒度存算绘资源协同调度方法、任务感知的多模态时空数据自适应可视化引擎的设计与构建等关键技术与方法,实现按需高效的高并发的多层次可视化。本文的主要研究工作如下:（1）针对传统时空数据可视化方法只面向单一的时空场景高性能展示任务,无法满足多样化可视化应用需求的问题,基于人类时空认知的基本需求,依据多模态可视化应用目的（展示、分析与探索）、可视化驱动力（数据驱动、模型驱动与交互驱动）以及可视化任务内容（实时绘制、并行计算与场景交互）之间的关联关系,从多模态时空数据、分析计算模型、人机交互和绘制四个维度进行描述,研究建立包含展示性、分析性以及探索性的多模态时空数据多层次可视化任务模型,在多层次可视化任务需求与可视化资源分配调度之间建立层次化语义映射关系,为协同调度存储、计算与绘制资源以及可视化场景动态构建供理论依据。（2）针对传统以数据为中心的时空数据可视化调度机制难以满足多层次多样化可视化任务高并发的难题,研究提出多层次可视化任务驱动的多粒度存算绘资源协同的工作流与服务链优化调度方法,将存储、计算以及绘制资源服务化为多粒度存算绘服务,设计面向多层次可视化任务的可视化工作流,研究基于工作流和多粒度存算绘服务的多层次可视化服务链构建方法,通过建立多粒度存算绘服务质量评价模型,动态优化可视化服务链,形成以任务为中心的自适应可视化数据调度机制,突破传统以数据为中心的时空数据可视化调度机制,实现不同层次可视化分析应用的快速响应。（3）基于上述研究成果,研发了任务感知的多模态时空数据自适应可视化引擎原型系统,将多模态时空数据组织存储、数据分析计算与空间信息可视化通过GIS微服务架构进行松散耦合,引擎根据不同层次可视化应用任务,自适应的调度和组合多粒度数据与分析服务,满足不同层次高并发可视化应用需求;同时该引擎提供多粒度服务的快速部署与维护,按需自动分配服务正常运行所需的存储、计算与网络资源,根据任务并发情况自动横向伸缩,保证多粒度存算绘服务的高可用性。最后面向智慧城市建设需求,分别以城市宏观态势格局关系描述、溃坝洪水时空过程动态模拟分析可视化以及微观室内火灾逃生方案探索3个典型案例进行验证分析。试验结果表明:本文提出的方法能够有效地提供多层级多专业人员在城市概览、规划、运营、维护以及应急灾害响应等全生命周期的多层次可视化应用。
李祯[8]（2019）在《高效能仿真云平台关键技术研究》文中认为随着仿真应用领域的不断拓展,仿真对象规模日益扩大、结构日益复杂,以提升平台按需协同与可定制的建模仿真能力为目标,构建高效能建模仿真平台的需求日益凸显。云仿真技术作为一种新兴的网络化建模仿真手段,极大地改变了建模仿真应用模式,为构建高效能建模仿真平台提供了方法与架构支撑。然而当前云仿真理论和技术研究尚不完善,难以应对多领域多用户按需协同与可定制的建模仿真需求。从效能优化角度看,也未能充分发挥云计算平台的资源整合与按需供给的特点和优势,难以为用户提供更加敏捷高效的建模仿真服务。针对上述问题,论文以高效能仿真云平台建设为目标,提出了用户中心式云仿真服务架构及其应用模式,解决了多领域多用户按需协同与可定制的建模仿真需求。同时从建模开发、仿真运行以及作业调度三个方面,提出了仿真云平台效能优化框架和方法。论文的主要工作和贡献总结如下:1.提出了高效能用户中心式的云仿真服务架构及应用模式,设计了用户中心式仿真云平台架构。用户中心式云仿真服务架构以提升仿真云平台效能为目标,以面向服务架构为基础,根据用户需求的语义特征,通过一个虚拟协同建模环境,将领域相关的仿真资源、技术人员和用户等动态关联在一起,提供资源按需发现、组合、协同建模和仿真等能力。仿真云平台架构则分别从用户管理层、领域仿真服务层、仿真部署和调度管理层以及基础架构层等四个方面,设计了实现高效能用户中心式云仿真服务架构所需的关键模块。2.提出了仿真云效能度量框架。以高性能计算领域中效能概念为基础,提出并阐述了仿真云平台效能的概念与内涵,设计了仿真云平台效能量化模型。该模型定量化地描述了影响仿真云平台效能的关键因素,为设计高效能云仿真服务架构和效能优化方法提供了理论依据。3.提出了基于云平台的面向特征领域建模仿真框架Clou Fo DSim。Clou Fo DSim的核心是构建了面向特征的领域资产追踪、管理和组合集成方法,一方面实现了仿真云平台下领域仿真资产的虚拟化管理,提供了资源的按需发现和动态聚合的能力;另一方面,基于特征的模型管理和集成框架,解决了传统组合式仿真中需求与已有资源难以匹配的问题。因而,Clou Fo DSim从建模开发效能优化角度,实现了面向多领域多用户按需协同与可定制的建模仿真能力。4.提出了面向带宽保障的并行仿真作业管理和调度框架及相应的优化算法。该框架从作业调度效能优化角度,采用基于虚拟集群的方式部署并行仿真作业,以保障虚拟机间的带宽性能,解决仿真云中面临的网络带宽竞争以及网络性能不确性等问题。针对虚拟集群的分配问题,提出了自适应带宽感知的虚拟集群部署算法Ada Ba。进而,在Ada Ba算法基础上,提出了面向带宽保障的并行仿真作业调度算法Bg MBF以及其改进算法Bg MBFSDF。在保证带宽需求前提下,获得了最优的虚拟资源分配和作业调度性能。5.提出了通信感知的自适应仿真运行优化框架及相应的优化算法。该框架从仿真运行效能优化角度,分别从虚拟机间网络通信消耗及模型在分布式虚拟节点上的分割部署策略两个方面,提出了高效的自适应优化算法。针对自适应模型分割部署问题,论文以大规模人工社会仿真运行优化为例,提出了基于统计迁移图分割的负载分割方法,在负载均衡约束下,减小了模型在分布式虚拟机节点间的通信量。针对虚拟机间网络通信消耗问题,论文提出了通信感知的虚拟机自适应迁移调度算法,在考虑迁移代价情况下,减小了数据中心内虚拟机间的通信消耗。本文从理论框架和关键技术两个方面,对高效能仿真云平台进行了研究。在理论框架上,面向仿真云效能优化需求,提出了用户中心式云仿真服务架构及其应用模式,并从建模开发、作业调度以及仿真运行三个方面,提出了基于仿真云的效能优化框架。在关键技术方面,面向建模开发效能优化需求,提出了基于Clou Fo DSim的云端高效能仿真应用构建方法;面向作业调度效能优化需求,提出了面向带宽保障的并行仿真作业调度优化方法;面向仿真运行优化需求,提出了通信感知的自适应仿真运行优化方法。论文研究成果对云仿真理论研究和仿真云平台建设具有借鉴和指导意义。
朱汇龙[9]（2019）在《基于本体和IFML对富互联网软件用户界面建模及模型转换研究》文中研究说明随着互联网的发展,人们对软件的需求量不断增大,为了满足当前对软件产品的需求,富互联网应用（Rich Internet Application简称RIA）应运而生。RIA作为一种新型的WEB应用程序,不仅提供了更加有效的组件,并且促进了传统应用程序和客户应用程序的融合,而且还提供类似于桌面程序那样随和的交互式界面。但是,目前RIA在设计与实施时存在以下问题:RIA设计和实施需要时间成本;RIA开发方式众多,每个富互联网应用开发都存在特定的开发工具和开发语言,基于模型驱动的开发需要更高级别的抽象模型,当前抽象模型尚未达到要求,且单靠交互流建模语言（Interaction Flow Modeling Language,简称IFML）语言已经无法完成大规模的RIA前端建模设计,这样就造成了重复开发、开发成本高、项目周期长,开发难度大。为了解决这些问题,本文首先分析了当前富互联网应用用户界面开发技术中存在的问题,同时研究了对象管理组织（Object Management Group简称OMG）采用的前端建模可视化标准交互流建模语言的相关理论以及用户界面（User interface简称UI）本体的相关理论,然后采用了一种基于模型驱动的工程方法,用UI本体和IFML共同对富互联网应用用户界面平台无关模型（Platform Independent Model,简称PIM）建模,选择Flex作为目标实现平台相关模型（Platform Specific Model,简称PSM）,采用查询/视图/转换（Query/View/Transformation简称QVT）作为规则描述,使用acceleo工具作为代码生成工具,该方法抽象级别高节省开发时间,缩短开发周期。具体工作如下:（1）本文首先采用UI本体与IFML分别构建了RIA用户界面的逻辑模型与交互模型,并将以上两种模型共同作为PIM元模型,与此同时为了增强RIA的交互性而对IFML元模型进行了扩展;（2）为了实现PIM到FlexPSM的转换分别定义了由UI本体PIM元模型到FlexPSM模型的映射规则与IFML的PIM元模型到FlexPSM模型的映射规则;（3）使用Acceleo工具将生成的FlexPSM模型转换成相关的代码,实现了代码的自动生成;（4）通过实例验证说明了本文设计的模型转换过程与映射规则的有效性与合理性,并自动生成实例代码。
孙海洋[10]（2018）在《面向服务的网络化作战组织云协同理论与方法》文中指出网络化作战组织云协同是为了解决网络中心战在军事组织和作战资源服务模式中的缺陷,借鉴当代云计算、面向服务的体系架构、Web服务等技术而出现的一种军事组织体系,它将战场上的作战资源以云服务的形式在“云端”注册并统一管理,形成服务资源池,并通过服务发现与优选技术动态地提供给资源需求者,实现作战资源的合理分配。云协同技术是近几年才提出的理论,其中仍包含许多问题需要解决,包括:作战资源如何将自身的作战能力发布到云协同平台以使服务需求者发现和使用?云服务需求者如何对所需的云服务进行描述?云协同中心如何从资源池中进行服务匹配,以使服务请求者获得所需的云服务?本文围绕以上问题,在深入研究云协同内涵及特点的基础上,建立了网络化作战组织云协同体系架构,按照抽象程度将体系架构分为资源与任务层、云服务管理层、资源适配层和云应用层四个层次。该体系架构下的网络化作战组织云协同可以实现作战资源的互发现和互操作,并能够提供“集中资源分散服务”的作战能力,同时还能使各作战单位拥有强大的信息共享能力和计算能力。基于此体系架构,分析了云协同的角色构成与运行模式,建立了云协同平台模型,提出了实现云协同平台的相关关键技术。本文的主要研究内容和创新点如下:（1）在云协同中,作战资源被需求者动态发现的前提是作战资源以云服务的形式在云协同中心注册,即作战资源的虚拟化问题。针对该问题,提出了作战资源的两阶段虚拟化方法,该方法将虚拟化过程分为功能化封装和服务化封装两个步骤,不仅将作战资源的属性信息进行封装,还对作战资源与其它作战资源的协同方式进行了封装,使得作战资源间可以灵活地协同。（2）服务请求者在请求服务时需要提供所需云服务的功能性属性信息和非功能性属性信息,针对其中服务质量的确定问题,提出了基于三角模糊数的群决策服务质量评估方法,后验权重的引入降低了专家由于个体失误而造成的评估的不准确性;针对云服务期望服务质量的确定问题,提出了基于直觉模糊的服务质量权重确定方法,可以将各专家不同形式的评估结果转换为直觉模糊数进行集成。（3）为了搜索满足用户需求的云服务,需要对云服务请求进行服务匹配。本文将服务匹配问题分解为两个步骤,即服务发现（功能性属性筛选）和服务优选（非功能性属性优选）,这样既保证了云服务的功能性属性要求满足用户的作战需求,又能使云服务的非服务质量满足用户需求。在功能性属性筛选问题中,提出了基于本体的筛选方法,将语义引入云协同,克服了传统UDDI服务发现方法中不能量化的缺点;在非功能性属性优选中,提出了基于服务质量的原子云服务和组合云服务优选方法,与其它方法相比,可以更快地得到更优的解。（4）为了对网络化作战组织云协同模式和理念进行验证,同时证明上述各方法的可行性,开发了云协同原型平台;并以有/无人机协同对海作战为应用案例,在原型平台中实现了本文所提出的作战资源两阶段虚拟化方法、云服务请求方法、基于本体的功能性属性筛选方法和基于DPSO的组合云服务非功能性属性优选等方法。
二、基于模型驱动架构的Web Services应用开发（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于模型驱动架构的Web Services应用开发（论文提纲范文）
（1）移动终端应用界面代码自动生成方法的研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 移动应用开发的三种模式 |
| 1.2.2 代码自动生成技术与模型驱动架构 |
| 1.3 主要研究内容 |
| 1.4 论文组织结构 |
| 第2章 相关技术与理论 |
| 2.1 模型驱动开发概述 |
| 2.1.1 MDA概述 |
| 2.1.2 MDA的框架 |
| 2.1.3 MDA的技术标准 |
| 2.1.4 MDA的开发过程 |
| 2.2 Android平台简介 |
| 2.2.1 Android平台架构 |
| 2.2.2 Android控件架构 |
| 2.2.3 Android四大组件 |
| 2.3 本章小结 |
| 第3章 移动应用界面建模及模型映射 |
| 3.1 平台无关模型 |
| 3.2 代码自动生成系统 |
| 3.2.1 软件体系结构 |
| 3.2.2 对象模型 |
| 3.2.3 功能模型 |
| 3.2.4 界面交互模型 |
| 3.2.5 表示模型 |
| 3.3 Android平台模型 |
| 3.3.1 Android应用代码目录结构 |
| 3.3.2 Android应用用户界面构建方式 |
| 3.3.3 Android应用建模 |
| 3.4 ASLP模型到Android平台模型的映射 |
| 3.4.1 映射规则 |
| 3.4.2 ASLP模型到Android模型的映射关系 |
| 3.5 本章小结 |
| 第4章 代码自动生成方法和过程 |
| 4.1 代码生成方法 |
| 4.2 代码生成过程 |
| 4.3 通用支持工具 |
| 4.3.1 代码容器 |
| 4.3.2 输出流包装器 |
| 4.4 界面模板中交互对象关联信息的获取方法 |
| 4.5 页面视图的生成 |
| 4.5.1 Android应用界面布局方式 |
| 4.5.2 视图生成模型 |
| 4.6 Java代码的生成 |
| 4.6.1 Java代码生成器框架 |
| 4.6.2 Java数据类型模型 |
| 4.6.3 页面控制器的生成 |
| 4.6.4 业务对象的生成 |
| 4.7 配置信息的生成 |
| 4.8 代码生成算法 |
| 4.8.1 代码自动生成主算法 |
| 4.8.2 部件代码生成算法 |
| 4.8.3 用户界面代码生成算法 |
| 4.8.4 界面元素代码生成算法 |
| 4.9 代码生成器的工作流程 |
| 4.10 本章小结 |
| 第5章 应用实例——口罩预订APP |
| 5.1 口罩预订APP的需求分析 |
| 5.2 模型创建 |
| 5.2.1 功能视图 |
| 5.2.2 静态视图 |
| 5.2.3 交互视图 |
| 5.2.4 界面展示视图 |
| 5.3 界面实例 |
| 5.4 开发方法分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 不足与展望 |
| 参考文献 |
| 致谢 |
| 在学期间所取得的成果 |
（2）移动网络中面向终端用户的服务生成关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要缩略语及中英文对照 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 Web组件与跨平台移动应用开发 |
| 1.1.2 Web服务与面向服务的计算 |
| 1.1.3 移动动态网络中的服务组合 |
| 1.2 研究内容与主要贡献 |
| 1.3 本文的组织结构 |
| 第二章 相关研究综述 |
| 2.1 整体研究规划 |
| 2.2 面向终端用户的移动应用开发技术介绍 |
| 2.2.1 编程式开发环境 |
| 2.2.2 图形化开发环境 |
| 2.2.3 跨平台技术介绍 |
| 2.2.4 Web组件技术介绍 |
| 2.3 QoS感知的自动化服务组合技术 |
| 2.3.1 Web服务技术 |
| 2.3.2 静态的服务组合技术 |
| 2.3.3 自动化的服务组合技术 |
| 2.4 移动动态网络中的服务组合技术 |
| 2.4.1 开放式服务发现技术 |
| 2.4.2 分布式服务组合技术 |
| 2.4.3 实时启发搜索技术 |
| 2.4.4 本章小结 |
| 第三章 面向终端用户基于组件的跨平台移动应用生成模型研究 |
| 3.1 引言 |
| 3.2 研究动机及问题分析 |
| 3.3 跨平台移动应用组件化生成模型 |
| 3.3.1 服务组件模型 |
| 3.3.2 跨平台移动应用模型 |
| 3.4 系统架构 |
| 3.5 系统演示和评估 |
| 3.5.1 系统实现 |
| 3.5.2 示例应用开发 |
| 3.5.3 可用性评估 |
| 3.6 结论与展望 |
| 第四章 基于扩展图规划的QoS感知的自动化服务组合方法研究 |
| 4.1 引言 |
| 4.2 研究动机及问题分析 |
| 4.3 服务组合相关概念定义 |
| 4.3.1 服务模型 |
| 4.3.2 QoS模型 |
| 4.3.3 问题定义与映射 |
| 4.4 Q-Graphplan |
| 4.4.1 构建扩展的规划图 |
| 4.4.2 提取启发信息 |
| 4.4.3 转换图 |
| 4.4.4 反向A~*搜索 |
| 4.5 实验结果与分析 |
| 4.5.1 实验环境与数据集 |
| 4.5.2 实验结果与分析 |
| 4.6 结论与展望 |
| 第五章 基于时态模型和多目标优化的QoS感知自动化服务组合方法研究 |
| 5.1 引言 |
| 5.2 研究动机及问题分析 |
| 5.3 问题定义与概念描述 |
| 5.3.1 问题定义 |
| 5.3.2 Pareto集合概念 |
| 5.4 时间线模型概念 |
| 5.4.1 时态子目标 |
| 5.4.2 服务执行时间线 |
| 5.5 多目标优化的QoS感知自动化服务组合方法 |
| 5.5.1 流程概述 |
| 5.5.2 初始化过程 |
| 5.5.3 演化过程 |
| 5.6 实验测试与结果分析 |
| 5.6.1 实验数据集 |
| 5.6.2 实验环境与参数配置 |
| 5.6.3 实验结果分析 |
| 5.6.4 复杂度分析 |
| 5.7 结论和展望 |
| 第六章 移动动态网络中实时自动化服务组合方法研究 |
| 6.1 引言 |
| 6.2 研究动机及问题分析 |
| 6.3 实时服务组合基本概念 |
| 6.3.1 服务模型 |
| 6.3.2 实时约束 |
| 6.3.3 问题定义 |
| 6.4 基于前向探测的实时自动化服务组合方法 |
| 6.4.1 流程概述 |
| 6.4.2 启发式服务发现方法 |
| 6.4.3 基于前向探测的实时组合 |
| 6.5 实验测试与结果分析 |
| 6.5.1 实验环境与参数配置 |
| 6.5.2 实验结果与分析 |
| 6.6 结论与展望 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（3）基于语义的微服务应用构建及治理研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 微服务应用研究综述分析 |
| 1.2.1 服务计算的发展 |
| 1.2.2 微服务架构的发展 |
| 1.2.3 微服务应用研究现状总结 |
| 1.3 研究目标及主要内容 |
| 1.3.1 研究科学问题 |
| 1.3.2 研究目标 |
| 1.3.3 主要研究内容 |
| 1.4 论文章节安排 |
| 第二章 面向服务应用的语义支撑方法 |
| 2.1 微服务应用系统的应用场景讨论 |
| 2.2 时效性本体构建方法 |
| 2.2.1 本体构建问题描述及方法步骤 |
| 2.2.2 数据实体抽取 |
| 2.2.3 本体构建过程 |
| 2.2.4 多源本体融合 |
| 2.2.5 数据变更驱动的本体演化 |
| 2.2.6 本体构建方法对比讨论 |
| 2.3 基于时效本体的服务应用框架 |
| 2.4 本章小结 |
| 第三章 基于业务映射的服务建模 |
| 3.1 引言 |
| 3.2 相关工作 |
| 3.3 研究问题描述和方法框架 |
| 3.4 基于语义的业务描述 |
| 3.4.1 业务基础结构定义 |
| 3.4.2 业务上下文特征描述 |
| 3.5 基于语义映射的服务配置 |
| 3.5.1 业务语义匹配 |
| 3.5.2 功能级微服务生成 |
| 3.6 案例验证及讨论 |
| 3.6.1 通信服务应用案例分析 |
| 3.6.2 基于语义的服务建模过程 |
| 3.6.3 基于语义映射的服务配置过程 |
| 3.6.4 案例结果分析及讨论 |
| 3.7 本章小结 |
| 第四章 基于流程解析的服务构建 |
| 4.1 引言 |
| 4.2 相关工作 |
| 4.3 研究问题描述与方法框架 |
| 4.4 流程语义映射 |
| 4.5 流程上下文的语义匹配 |
| 4.6 流程级微服务构建 |
| 4.7 案例验证及讨论 |
| 4.7.1 验证领域分析及实验配置 |
| 4.7.2 典型流程片段匹配过程与语义分析 |
| 4.7.3 案例结果及讨论 |
| 4.8 本章小结 |
| 第五章 基于流程挖掘的服务治理 |
| 5.1 引言 |
| 5.2 相关工作 |
| 5.3 问题描述和方法框架 |
| 5.4 语义场景模型定义 |
| 5.5 语义场景模型构造 |
| 5.5.1 日志数据预处理 |
| 5.5.2 基于流程挖掘的场景构造 |
| 5.6 基于语义场景的服务优化过程 |
| 5.6.1 基于流程的事件分析 |
| 5.6.2 关键服务确定过程 |
| 5.6.3 服务关系优化过程 |
| 5.7 案例验证与分析 |
| 5.7.1 案例分析 |
| 5.7.2 语义场景构造过程 |
| 5.7.3 服务优化过程 |
| 5.7.4 验证结果分析与讨论 |
| 5.8 本章小结 |
| 第六章 论文总结与展望 |
| 6.1 论文总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
| 攻读学位期间参与的项目 |
（4）物联网英语术语特征与汉译方法 ——《物联网：技术、平台和应用案例》（节译）翻译实践报告（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 翻译任务与过程描述 |
| 1.1 翻译任务介绍 |
| 1.2 翻译文本描述 |
| 1.3 翻译工具介绍 |
| 1.4 翻译过程设计 |
| 第二章 术语与物联网英语术语 |
| 2.1 术语及术语翻译方法 |
| 2.2 物联网英语术语特征 |
| 2.3 物联网英语术语翻译方法 |
| 第三章 翻译案例分析 |
| 3.1 已有规范译文的物联网英语术语 |
| 3.1.1 缩略词术语 |
| 3.1.2 术语中的复合词 |
| 3.1.3 术语中的半技术词 |
| 3.2 未规范的物联网英语术语 |
| 3.2.1 直译法 |
| 3.2.2 拆译组合法 |
| 3.2.3 不译法 |
| 3.2.4 多种译法结合法 |
| 第四章 总结与反思 |
| 4.1 翻译总结 |
| 4.2 翻译问题与不足 |
| 参考文献 |
| 附录1 术语表 |
| 附录2 原文 |
| 附录3 译文 |
| 致谢 |
（5）数据驱动下数字图书馆知识发现服务创新模式与策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 数据驱动研究现状 |
| 1.2.2 知识发现研究现状 |
| 1.2.3 研究现状评析 |
| 1.3 研究内容、方法与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 研究技术路线 |
| 1.4 创新点 |
| 第2章 相关概念与理论基础 |
| 2.1 相关概念 |
| 2.1.1 数据驱动 |
| 2.1.2 知识发现 |
| 2.1.3 Web级资源发现 |
| 2.1.4 数字图书馆知识发现服务 |
| 2.2 理论基础 |
| 2.2.1 数据密集型科学发现理论 |
| 2.2.2 数据驱动控制理论 |
| 2.2.3 数据挖掘与知识发现理论 |
| 2.3 本章小结 |
| 第3章 数据驱动下数字图书馆知识发现服务的数据环境分析 |
| 3.1 数字图书馆知识发现服务的数据环境特征 |
| 3.1.1 馆藏数据来源的广泛性及数据形态和存在方式的多样性 |
| 3.1.2 数据存储模式多样化及存储内容的非结构化和碎片化 |
| 3.1.3 数据资源价值的低密度和高变现潜能 |
| 3.2 数字图书馆知识发现服务的数据环境变化 |
| 3.2.1 从“数字化”到“数据化”的演化 |
| 3.2.2 新一代信息技术的涌现 |
| 3.2.3 数据分析思维模式的形成 |
| 3.2.4 数据密集型科学发现应用趋势 |
| 3.3 数字图书馆知识发现服务的数据环境开发与应用 |
| 3.3.1 数字图书馆知识发现服务在大数据环境中的新定位 |
| 3.3.2 开发数字图书馆知识发现服务数据驱动的新机制 |
| 3.3.3 创新数据驱动下数字图书馆知识发现服务的新模式 |
| 3.3.4 开发数据驱动下数字图书馆知识发现服务的新业态 |
| 3.4 本章小结 |
| 第4章 数字图书馆知识发现服务创新的数据驱动机制分析 |
| 4.1 数字图书馆知识发现服务创新数据驱动机制的数据要素 |
| 4.1.1 用户数据要素 |
| 4.1.2 内容资源要素 |
| 4.1.3 专家数据要素 |
| 4.2 数字图书馆知识发现服务创新的数据驱动过程与维度 |
| 4.2.1 数字图书馆知识发现服务创新的数据驱动过程 |
| 4.2.2 数字图书馆知识发现服务创新的数据驱动维度 |
| 4.3 数字图书馆知识发现服务创新的数据驱动动力机制 |
| 4.3.1 数字图书馆知识发现服务创新的数据驱动动力类型 |
| 4.3.2 数字图书馆知识发现服务创新的数据驱动动力关系分析 |
| 4.3.3 数字图书馆知识发现服务创新的数据驱动动力仿真模型 |
| 4.4 数字图书馆知识发现服务创新的流驱动机制 |
| 4.4.1 数字图书馆知识发现服务创新的流驱动特征 |
| 4.4.2 数字图书馆知识发现服务创新的流驱动过程 |
| 4.4.3 数字图书馆知识发现服务创新的流驱动机制模型 |
| 4.5 数字图书馆知识发现服务创新的数据协同驱动机制 |
| 4.5.1 数字图书馆知识发现服务创新的数据协同驱动内涵 |
| 4.5.2 数字图书馆知识发现服务创新的数据协同驱动目标 |
| 4.5.3 数字图书馆知识发现服务创新的数据协同驱动机制模型 |
| 4.6 数字图书馆知识发现服务创新的数据驱动控制机制 |
| 4.6.1 数字图书馆知识发现服务创新的数据驱动控制内涵 |
| 4.6.2 数字图书馆知识发现服务创新的数据驱动控制方法 |
| 4.6.3 数字图书馆知识发现服务创新的数据驱动控制模型 |
| 4.7 本章小结 |
| 第5章 数据驱动下数字图书馆知识发现服务创新模式研究 |
| 5.1 数字图书馆知识发现服务创新模式问题的提出 |
| 5.2 数字图书馆知识发现服务创新模式构建基础 |
| 5.2.1 数字图书馆知识发现服务创新的模式基础 |
| 5.2.2 数字图书馆知识发现服务创新的产品基础 |
| 5.2.3 数字图书馆知识发现服务创新的技术基础 |
| 5.3 数字图书馆知识发现服务创新功能圈构建 |
| 5.3.1 数字图书馆知识发现服务创新功能圈的框架设计 |
| 5.3.2 数字图书馆知识发现服务创新功能圈的架构分析 |
| 5.3.3 数字图书馆知识发现服务创新功能圈的建立 |
| 5.4 本章小结 |
| 第6章 数据驱动下数字图书馆知识发现服务创新模式应用研究 |
| 6.1 数字图书馆知识发现服务科研用户画像应用 |
| 6.1.1 用户画像数据收集 |
| 6.1.2 用户画像模型构建 |
| 6.1.3 用户画像实验分析 |
| 6.2 数字图书馆文献资源研究设计指纹识别应用 |
| 6.2.1 研究设计指纹识别基础 |
| 6.2.2 数据标注 |
| 6.2.3 研究设计指纹生成模型训练 |
| 6.2.4 结果与讨论 |
| 6.3 融合用户画像和研究设计指纹的文献推荐应用 |
| 6.3.1 文献推荐模型构建 |
| 6.3.2 文献推荐仿真实验 |
| 6.3.3 结果与讨论 |
| 6.4 数字图书馆知识发现服务多粒度检索决策应用 |
| 6.4.1 实验准备 |
| 6.4.2 实验描述 |
| 6.4.3 实验结果及讨论 |
| 6.5 本章小结 |
| 第7章 数据驱动下数字图书馆知识发现服务创新策略研究 |
| 7.1 数字图书馆知识发现服务创新的优化方向与路径 |
| 7.1.1 数字图书馆知识发现服务创新的优化方向 |
| 7.1.2 数字图书馆知识发现服务创新的优化路径 |
| 7.2 数字图书馆知识发现服务创新的数据化优化 |
| 7.2.1 数据化优化阻碍 |
| 7.2.2 数据化优化策略 |
| 7.3 数字图书馆知识发现服务创新的语义关联优化 |
| 7.3.1 语义关联优化阻碍 |
| 7.3.2 语义关联优化策略 |
| 7.4 数字图书馆知识发现服务创新的可视化优化 |
| 7.4.1 可视化优化阻碍 |
| 7.4.2 可视化优化策略 |
| 7.5 数字图书馆知识发现服务创新的智能化优化 |
| 7.5.1 智能化优化阻碍 |
| 7.5.2 智能化优化策略 |
| 7.6 本章小结 |
| 第8章 研究结论与展望 |
| 8.1 研究结论 |
| 8.2 研究局限 |
| 8.3 研究展望 |
| 参考文献 |
| 作者简介与研究成果 |
| 致谢 |
（6）物联网资源管理服务关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究目标和研究内容 |
| 1.3 论文主要工作和创新点 |
| 1.4 论文结构 |
| 第二章 相关研究综述 |
| 2.1 本章引言 |
| 2.2 边缘计算 |
| 2.2.1 边缘计算与云计算的比较 |
| 2.2.2 主要研究项目 |
| 2.2.3 边缘计算在物联网资源管理中的应用 |
| 2.3 服务系统架构 |
| 2.3.1 EDSOA架构 |
| 2.3.2 物联网服务组合方式 |
| 2.3.3 发布订阅消息系统 |
| 2.4 复杂事件处理 |
| 2.4.1 通用参考架构 |
| 2.4.2 复杂事件模式匹配 |
| 2.4.3 相关工作与挑战 |
| 2.5 物联网异构感知设备的统一接入 |
| 2.5.1 物联网资源描述方法 |
| 2.5.2 物联网资源模型相关工作 |
| 2.5.3 物联网统一接入相关工作 |
| 2.6 内存数据库 |
| 2.6.1 内存数据库研究现状 |
| 2.6.2 内存数据库面临的挑战 |
| 2.7 本章小结 |
| 第三章 物联网服务系统体系架构研究 |
| 3.1 引言 |
| 3.2 物联网服务新特征 |
| 3.3 物联网服务系统面临的技术挑战 |
| 3.4 物联网服务系统架构 |
| 3.4.1 基于隐式的事件链驱动的EDSOA服务执行模式 |
| 3.4.2 基于EDSOA的物联网服务系统架构 |
| 3.5 发布订阅消息系统 |
| 3.5.1 消息系统架构 |
| 3.5.2 类Push方式接收消息 |
| 3.5.3 消息系统性能实验 |
| 3.6 应用案例 |
| 3.6.1 系统架构 |
| 3.6.2 定义服务和发布订阅事件 |
| 3.6.3 性能测试 |
| 3.7 本章小结 |
| 第四章 基于边缘计算的物联网异构感知设备统一接入平台 |
| 4.1 引言 |
| 4.2 基于边缘计算的三层计算模型 |
| 4.3 物联网感知设备接入平台 |
| 4.3.1 接入平台总体结构 |
| 4.3.2 基于本体的资源描述模型 |
| 4.3.3 感知设备自适应接入方法 |
| 4.4 应用案例和性能评估 |
| 4.4.1 应用案例 |
| 4.4.2 性能评估 |
| 4.5 本章小结 |
| 第五章 面向物联网实时监控的通用复杂事件处理机制研究 |
| 5.1 引言 |
| 5.2 物联网事件模型 |
| 5.2.1 原始事件 |
| 5.2.2 简单事件 |
| 5.2.3 复杂事件 |
| 5.2.4 复杂事件定义实例 |
| 5.3 复杂事件处理系统 |
| 5.3.1 系统架构 |
| 5.3.2 原始事件处理模块 |
| 5.3.3 复杂事件处理模块 |
| 5.3.4 系统特点分析 |
| 5.4 性能评估 |
| 5.4.1 时间相关复杂事件与时间无关复杂事件处理性能比较 |
| 5.4.2 时间相关复杂事件处理参数的性能分析 |
| 5.4.3 包含简单事件处理的复杂事件处理系统性能提升 |
| 5.5 本章小结 |
| 第六章 面向物联网时间序列数据的内存数据库研究 |
| 6.1 引言 |
| 6.2 物联网感知数据模型 |
| 6.3 数据存储策略 |
| 6.4 TSMMDB系统总体结构 |
| 6.5 TSMMDB系统设计 |
| 6.5.1 虚拟堆与虚拟堆内存分配器 |
| 6.5.2 数据库对象的持久化设计 |
| 6.5.3 基于共享内存的进程间通信机制 |
| 6.5.4 数据局部性内存分配机制 |
| 6.5.5 基于大粒度锁的并发控制机制 |
| 6.5.6 应用程序的内存地址空间规划 |
| 6.5.7 数据存取算法复杂度分析 |
| 6.6 性能评估 |
| 6.6.1 实验设置 |
| 6.6.2 TSMMDB与传统数据库的性能比较 |
| 6.6.3 TSMMDB系统资源占用率 |
| 6.7 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文总结和创新点 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文及成果 |
（7）任务感知的多模态时空数据自适应可视化方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 可视化任务模型 |
| 1.2.2 时空数据自适应可视化 |
| 1.2.3 时空数据可视化调度机制 |
| 1.2.4 GIS可视化系统架构 |
| 1.3 论文研究思路 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 研究技术路线 |
| 1.4 论文组织结构 |
| 第2章 多模态时空数据多层次可视化任务模型 |
| 2.1 概述 |
| 2.1.1 数据可视化的含义 |
| 2.1.2 多模态时空数据特点 |
| 2.1.3 多模态时空数据可视化需求 |
| 2.2 多模态时空数据多层次可视化任务分类 |
| 2.2.1 展示性可视化任务 |
| 2.2.2 分析性可视化任务 |
| 2.2.3 探索性可视化任务 |
| 2.3 多层次可视化任务存算绘资源需求映射 |
| 2.3.1 多层次可视化任务存算绘资源需求特点 |
| 2.3.2 存储-计算-绘制资源分布特点 |
| 2.3.3 多层次可视化任务与存算绘资源映射关系 |
| 2.4 本章小结 |
| 第3章 任务驱动的多粒度存算绘服务协同调度方法 |
| 3.1 概述 |
| 3.1.1 Web服务技术 |
| 3.1.2 工作流技术及规范 |
| 3.1.3 GIS服务链特点 |
| 3.2 工作流构建 |
| 3.2.1 工作流元模型 |
| 3.2.2 工作流建模形式化表达 |
| 3.3 任务驱动的多粒度存算绘资源优化调度方法 |
| 3.3.1 工作流到有向图的映射 |
| 3.3.2 多粒度服务与有向图简化 |
| 3.3.3 基于QoS的多粒度存算绘服务链优化构建 |
| 3.3.4 任务驱动的多粒度存算绘资源协同调度机制 |
| 3.4 本章小结 |
| 第4章 任务感知的多模态时空数据自适应可视化引擎 |
| 4.1 引擎设计 |
| 4.1.1 引擎框架 |
| 4.1.2 引擎数据流 |
| 4.2 多模态时空数据可视化微服务框架 |
| 4.2.1 多语言微服务构建方案 |
| 4.2.2 基于容器技术的微服务管理与系统集成方法 |
| 4.2.3 服务的动态伸缩与注册发现机制 |
| 4.3 任务感知的自适应可视化调度机制 |
| 4.4 本章小结 |
| 第5章 多模态时空数据自适应可视化系统实现及其应用试验分析 |
| 5.1 原型系统研发 |
| 5.1.1 系统架构 |
| 5.1.2 微服务开发与管理环境 |
| 5.1.3 多样化客户端开发环境 |
| 5.2 多层次可视化试验 |
| 5.2.1 展示性可视化 |
| 5.2.2 分析性可视化 |
| 5.2.3 探索性可视化 |
| 5.3 多层次可视化任务承载力试验 |
| 5.3.1 多样化可视化应用平台 |
| 5.3.2 系统伸缩能力 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 研究总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表的论文及科研成果 |
| 已发表学术论文情况 |
| 学术活动 |
| 科研项目情况 |
（8）高效能仿真云平台关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号使用说明 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 高效能建模仿真平台建设需求 |
| 1.1.2 云仿真及其发展趋势 |
| 1.1.3 面向效能需求的不足与局限 |
| 1.1.4 本文研究的问题与意义 |
| 1.2 相关研究现状与分析 |
| 1.2.1 云仿真架构及其应用研究 |
| 1.2.2 仿真云效能优化方法研究 |
| 1.3 研究内容与论文结构 |
| 1.3.1 研究内容 |
| 1.3.2 论文结构 |
| 第二章 高效能用户中心式仿真云平台架构设计 |
| 2.1 仿真云效能度量框架 |
| 2.1.1 仿真云平台效能的定义与内涵 |
| 2.1.2 仿真云平台效能量化模型 |
| 2.2 用户中心式的云仿真服务架构 |
| 2.2.1 动态COI领域仿真环境 |
| 2.2.2 动态仿真运行环境 |
| 2.2.3 用户中心式云仿真应用模式 |
| 2.3 用户中心式仿真云平台架构 |
| 2.4 本章小结 |
| 第三章 基于Clou Fo DSim的云端高效能仿真应用构建方法 |
| 3.1 方法的提出 |
| 3.1.1 需求与动机 |
| 3.1.2 Clou Fo DSim:基于云的面向特征领域仿真建模框架 |
| 3.2 面向特征的组合集成方法 |
| 3.2.1 基于DEVS的建模仿真框架 |
| 3.2.2 面向DEVS的元特征模型 |
| 3.2.3 基于Fx DEVS的特征组合集成框架 |
| 3.3 基于领域资产追踪的领域建模与仿真服务 |
| 3.3.1 面向Clou Fo DSim的领域资产追踪元模型 |
| 3.3.2 领域建模与仿真服务过程 |
| 3.4 案例实验 |
| 3.4.1 领域分析 |
| 3.4.2 领域设计与实现 |
| 3.4.3 基于特征组合的应用定制 |
| 3.5 本章小结 |
| 第四章 面向带宽保障的并行仿真作业调度优化方法 |
| 4.1 面向带宽保障的高效能并行仿真作业管理和调度 |
| 4.1.1 仿真云中的并行仿真作业调度问题 |
| 4.1.2 基于虚拟集群的带宽保障方法 |
| 4.1.3 面向带宽保障的作业管理和调度框架 |
| 4.2 算法设计 |
| 4.2.1 自适应带宽感知的TVC部署算法 |
| 4.2.2 带宽保障的迁移回填调度算法 |
| 4.3 性能评估 |
| 4.3.1 仿真实验设置 |
| 4.3.2 输入负载 |
| 4.3.3 结果和讨论 |
| 4.4 本章小结 |
| 第五章 通信感知的自适应仿真运行优化方法 |
| 5.1 通信感知的自适应仿真运行优化框架 |
| 5.1.1 云端仿真运行优化问题 |
| 5.1.2 自适应仿真运行优化框架 |
| 5.2 基于统计迁移图分割的大规模人工社会仿真运行优化方法 |
| 5.2.1 问题 |
| 5.2.2 方法 |
| 5.2.3 结果与讨论 |
| 5.3 通信感知的自适应虚拟机迁移优化方法 |
| 5.3.1 问题建模 |
| 5.3.2 算法设计 |
| 5.3.3 性能评估 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 附录 A 基于网格分割算法和空间距离生成算法 |
| 附录 B 环境实体在GIS上地理分布及在不同算法下的分割结果 |
（9）基于本体和IFML对富互联网软件用户界面建模及模型转换研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 主要问题 |
| 1.4 本文主要工作 |
| 1.5 论文组织结构 |
| 1.6 本章小结 |
| 第二章 模型驱动架构相关技术概述 |
| 2.1 模型驱动架构相关理论 |
| 2.2 UI本体 |
| 2.3 IFML简介 |
| 2.3.1 IFML元模型 |
| 2.3.2 交互流元素 |
| 2.3.3 事件 |
| 2.3.4 IFML元模型在RIA应用界面的开发流程 |
| 2.4 查询/视图/转换QVT |
| 2.5 Flex元模型 |
| 2.6 本章小结 |
| 第三章 基于UI本体与IFML的 PIM建模 |
| 3.1 UI本体与IFML的模型驱动流程 |
| 3.2 本体定义元模型对PIM逻辑模型建模 |
| 3.3 IFML元模型扩展 |
| 3.3.1 对IFML扩展 |
| 3.3.2 对事件扩展 |
| 3.3.3 对组件扩展 |
| 3.3.4 对IFML下的RIA的站点视图扩展 |
| 3.4 UI本体与IFML的 PIM建模示例 |
| 3.4.1 UI本体建立的用户界面PIM逻辑模型 |
| 3.4.2 IFML建立的用户界面PIM交互模型 |
| 3.5 本章小结 |
| 第四章 Flex_PSM模型转换的实现 |
| 4.1 Flex_PSM元模型 |
| 4.2 转换规则定义语言 |
| 4.3 模型转换思想及映射规则合理性 |
| 4.4 UI本体PIM元模型到Flex的映射规则 |
| 4.5 IFML的 PIM元模型到Flex的映射规则 |
| 4.6 Flex_PSM模型建模 |
| 4.7 本章小结 |
| 第五章 Flex_PSM模型到代码的生成 |
| 5.1 模型到代码的生成原理 |
| 5.2 Flex_PSM到代码转换模板以及生成代码 |
| 5.2.1 ActionForm类模板以及自动生成代码 |
| 5.2.2 Action类模板以及自动生成代码 |
| 5.3 本章小结 |
| 第六章 实例验证 |
| 6.1 需求分析 |
| 6.2 创建PIM模型 |
| 6.3 PIM模型到Flex_PSM模型转换 |
| 6.4 实例映射富互联网应用平台的实现 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录A 攻读硕士学位期间取得的研究成果 |
（10）面向服务的网络化作战组织云协同理论与方法（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词与常用符号说明 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 云计算在军事上的应用发展 |
| 1.2.2 服务虚拟化研究现状 |
| 1.2.3 云服务功能性属性筛选研究现状 |
| 1.2.4 云服务非功能性属性优选发展现状 |
| 1.3 论文主要研究内容及创新点 |
| 1.3.1 论文主要研究内容 |
| 1.3.2 论文创新点 |
| 1.4 论文组织结构 |
| 第二章 网络化作战组织云协同体系架构研究 |
| 2.1 概述 |
| 2.2 云协同内涵及特点 |
| 2.3 云服务 |
| 2.3.1 云服务本体描述 |
| 2.3.2 服务质量 |
| 2.4 云协同体系架构 |
| 2.4.1 云协同角色构成和运行模式 |
| 2.4.2 云协同平台模型 |
| 2.5 实现云协同平台的关键技术 |
| 2.5.1 作战资源虚拟化与服务化 |
| 2.5.2 云服务请求方式 |
| 2.5.3 云服务发现(功能性性属性筛选)与云服务非功能性属性优选 |
| 2.6 云协同应用 |
| 2.6.1 态势感知背景知识服务(SABK Service) |
| 2.6.2 SABK关键技术 |
| 2.7 本章小结 |
| 第三章 作战资源虚拟化方法研究 |
| 3.1 作战资源及其特点 |
| 3.2 作战资源虚拟化过程 |
| 3.2.1 功能化封装 |
| 3.2.2 服务化封装 |
| 3.3 虚拟化对云协同主要流程的支持 |
| 3.3.1 服务组合 |
| 3.3.2 服务匹配 |
| 3.3.3 组合云服务执行 |
| 3.4 实验验证 |
| 3.5 本章小结 |
| 第四章 网络化作战组织云协同中云服务请求研究 |
| 4.1 概述 |
| 4.2 功能性属性 |
| 4.3 非功能性属性 |
| 4.4 服务质量的确定方法 |
| 4.4.1 三角模糊数的定义 |
| 4.4.2 专家后验权重的计算方法 |
| 4.4.3 专家综合评估结果 |
| 4.4.4 确定QoS属性的步骤 |
| 4.5 服务质量权重的确定方法 |
| 4.5.1 专家评估方法的一致化 |
| 4.5.2 直觉模糊值的集成 |
| 4.5.3 直觉模糊值记分函数的选择 |
| 4.5.4 确定QoS权重的步骤 |
| 4.6 算例分析 |
| 4.6.1 服务质量的确定 |
| 4.6.2 服务质量权重的确定 |
| 4.7 本章小结 |
| 第五章 基于本体的云服务功能性属性筛选 |
| 5.1 基本概念 |
| 5.1.1 本体 |
| 5.1.2 本体描述语言 |
| 5.2 云服务本体 |
| 5.2.1 一般云服务本体 |
| 5.2.2 云协同领域本体 |
| 5.3 基于本体的云服务功能性属性筛选 |
| 5.3.1 云服务类别属性筛选 |
| 5.3.2 值属性筛选 |
| 5.3.3 操作属性筛选 |
| 5.4 算例分析 |
| 5.5 本章小结 |
| 第六章 云协同中原子云服务非功能性属性优选研究 |
| 6.1 概述 |
| 6.2 原子云服务优选问题建模 |
| 6.3 服务质量归一化方法 |
| 6.4 原子云服务非功能性属性优选过程 |
| 6.4.1 服务质量筛选 |
| 6.4.2 云服务选择 |
| 6.4.3 算法步骤 |
| 6.4.4 算例分析 |
| 6.5 基于加权KD树近邻搜索的原子云服务优选 |
| 6.5.1 KD树 |
| 6.5.2 加权KD树近邻搜索 |
| 6.5.3 原子云服务优选 |
| 6.5.4 算法的最优性和时间复杂度分析 |
| 6.5.5 算例分析 |
| 6.6 本章小结 |
| 第七章 云协同中组合云服务非功能性属性优选研究 |
| 7.1 概述 |
| 7.2 组合云服务匹配问题建模 |
| 7.3 组合云服务优选问题建模 |
| 7.3.1 组合云服务结构和服务质量聚合 |
| 7.3.2 目标函数 |
| 7.4 基于DPSO的组合云服务优选 |
| 7.4.1 粒子表示 |
| 7.4.2 适应度函数 |
| 7.4.3 粒子更新 |
| 7.5 实验验证 |
| 7.5.1 DPSO算法案例 |
| 7.5.2 DPSO算法与其它算法的对比 |
| 7.6 基于加权KD树近邻搜索的组合云服务优选 |
| 7.6.1 WKDTNNS算法生成解的种子 |
| 7.6.2 WKDTNNS算法对解进行局部优化 |
| 7.6.3 基于WKDTNNS组合云服务优选步骤 |
| 7.6.4 参数设定 |
| 7.6.5 算法的最优性和时间复杂度分析 |
| 7.6.6 实验验证 |
| 7.7 组合优选方法的比较 |
| 7.8 本章小结 |
| 第八章 云协同原型平台的搭建及应用 |
| 8.1 原型平台构建 |
| 8.1.1 原型平台介绍 |
| 8.1.2 原型平台搭建流程 |
| 8.2 验证应用案例 |
| 8.2.1 验证应用背景 |
| 8.2.2 验证应用流程 |
| 8.3 本章小结 |
| 第九章 总结与展望 |
| 9.1 论文工作总结 |
| 9.2 研究工作展望 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文 |
| 攻读博士学位期间参与的科研项目与获得的奖励 |
| 致谢 |
四、基于模型驱动架构的Web Services应用开发（论文参考文献）
- [1]移动终端应用界面代码自动生成方法的研究与应用[D]. 徐聪. 曲阜师范大学, 2021(02)
- [2]移动网络中面向终端用户的服务生成关键技术研究[D]. 王昭宁. 北京邮电大学, 2020(02)
- [3]基于语义的微服务应用构建及治理研究[D]. 黄承曦. 上海交通大学, 2020(01)
- [4]物联网英语术语特征与汉译方法 ——《物联网：技术、平台和应用案例》（节译）翻译实践报告[D]. 王慕雪. 青岛大学, 2020(02)
- [5]数据驱动下数字图书馆知识发现服务创新模式与策略研究[D]. 李洁. 吉林大学, 2019(02)
- [6]物联网资源管理服务关键技术研究[D]. 兰丽娜. 北京邮电大学, 2019(02)
- [7]任务感知的多模态时空数据自适应可视化方法[D]. 刘铭崴. 西南交通大学, 2019(06)
- [8]高效能仿真云平台关键技术研究[D]. 李祯. 国防科技大学, 2019(01)
- [9]基于本体和IFML对富互联网软件用户界面建模及模型转换研究[D]. 朱汇龙. 昆明理工大学, 2019(04)
- [10]面向服务的网络化作战组织云协同理论与方法[D]. 孙海洋. 西北工业大学, 2018(02)