一、Net-Based Task Management System(论文文献综述)
杜晓明,王晓,韩双双,王飞跃[1](2021)在《一种能效最大化的一体化观测网络任务调度优化方法》文中认为本文研究如何合理分配资源以保障高效任务调度,进而有效提升一体化观测网络任务管理能效.通过引入平行智能的相关理论与方法,构建了人工一体化观测网络模型,综合考虑网络中传感节点与局部中心节点的联通概率,以延长网络寿命的任务调度优化为目标,设计计算实验获取能源使用效率最大化资源分配方案,通过资源分配参数的优化提高网络资源调度与分配的效率,从而提升网络中信息传输速率、减少延迟、提高任务调度效率.本文研究对于提升复杂一体化网络系统中任务调度能效具有重要意义.
韩娜娜[2](2021)在《农场远程监测管理系统的设计与实现》文中研究指明智慧农场是现代农业发展的必然趋势,本研究以农场为研究对象,分析了其管理和作业过程中存在的问题,结合农场的业务需求,设计和研发了一套农场远程监测管理系统。系统以气象信息、土壤信息和智能农机作业信息等为数据源,建立了面向多源异构数据的数据库,并向农场管理员和农机手提供信息化管理服务、实时作业过程监测、精准作业信息统计等功能,提高了农场的综合管理水平与管理效率,进而提升了农场的农产品质量和生产效益。主要研究内容如下:1.分析了农场管理中存在的主要问题和整体需求。通过对农场的实地调查和相关文献的查阅,总结了农场管理中存在的问题,明确了系统的功能需求和非功能需求。2.设计了一款农场远程监测管理系统。系统采用Netty通信框架对传感器数据进行采集和处理,并建立了包含农场基本信息和传感器数据的多源异构数据库。利用模块化设计方法,将系统分为五个功能模块:基本信息、任务管理、作业管理、统计分析和系统管理。3.开发了系统的五个功能模块。系统开发基于Spring Boot、Dubbo和MyBatis框架,以Tomcat作为网络服务器,选用PostgreSQL数据库和Java开发语言,搭建了基于互联网和物联网的农场远程监测管理系统。4.开展了系统的功能测试和性能测试。系统测试结果表明:系统满足农场管理的实际需求,符合系统功能设计要求;系统具有一定的容错性,响应时间较短,性能较好,用户拥有良好的体验。系统已成功应用于两个大田型农场,总服务农机数达到了 232台,实现了农场的信息化管理,具有一定的现实意义。
何兆贤[3](2021)在《铁路通信承载网智能网管系统功能架构设计研究》文中研究表明随着中国铁路的快速发展,在铁路网规模快速扩大的同时,铁路通信承载网也随之得以发展壮大,铁路通信承载网是服务于铁路运输组织、智能化发展的基础,是铁路各系统间相互联系的纽带,其保障了铁路运输组织各系统运行的可靠性与稳定性,但随着承载网网络的不断扩大,原有的管理技术与方法已经不能完全满足现实管理的需要,网络隐患难以被发现、故障处置时间长、影响范围广等诸多问题逐步体现出来。在现有的技术基础上,铁路运输各系统在智能化、信息化上以铁路通信承载网为基础更加紧密地结合在了一起,承载网网络的故障将对铁路运输造成巨大的干扰和潜在的经济损失,而网络智能化管理技术的缺失无形中放大了发生这一潜在影响的可能性,有可能瞬间、大面积影响铁路运输组织,造成极大安全隐患,带来巨大的经济损失。目前,随着铁路承载网中断对运输干扰事件的愈发突出,铁路承载网的可靠性和网络生存能力变得更为现实与重要。本论文深度分析了铁路承载网的现状,以及智能化方面存在的困难与问题,结合相关辅助系统运用情况,分析了现有网管系统在设备维护中存在的严重不足,并对网络管理者所关注的在资源运用、任务管理、智能运用等方面进行了深入分析,根据需求进行智能化网管系统架构及功能设计,并提出利用数据挖掘算法中的关联规则Apriori等算法对承载网本身的性能数据进行挖掘分析,形成实时性、可视化的设备健康管理呈现机制,提升与改善现有对承载网的在资源配置、任务管理、智能运用方面技术监测与管理方法,使通信承载网的管理更加高效、有针对性,实现对铁路通信承载网的智能化管理。
吴晓斌[4](2021)在《多读多写的小对象存储系统的设计与实现》文中认为随着AI技术的不断发展,它对数据的需求也越来越大。但在海量小文件场景下,现有的分布式存储系统并不能很好地满足AI训练的需求。而AI训练过程中所使用的GPU成本高昂,若分布式存储系统不能提供与之匹配的I/O速度,将无法充分发挥GPU的计算能力,这将浪费宝贵的计算资源。因此,本文基于海量小文件的场景,针对AI训练过程多读多写的特性,设计与实现了一个多读多写的小对象存储系统。具体的研究内容如下:(1)针对小对象的写性能问题和范围查找的需求,本文参考已有的K/V分离的LSM-Tree方案,以解决小对象的写性能问题,并重新设计垃圾回收的过程,使数据能够保证有序性,以满足范围查找的需求;同时,为垃圾回收设计高低水位来衡量空间利用率,以此判断垃圾回收的时机,来提高垃圾回收的收益,并延缓非必要的垃圾回收,避免影响系统的正常业务。(2)针对小对象的数据分布问题,本文基于现有的哈希槽的方法,设计出自动化哈希槽的方法,以解决其需要人工分配哈希槽的问题,实现在初始时能够自动进行初始调度,在负载不均衡和节点宕机时进行平衡调度。(3)针对小对象读性能问题和元数据存储问题,本文结合自动化哈希槽的方法,将小对象的元数据分散到各个节点,避免因在一个节点上管理小对象的元数据而限制系统的可扩展性,并借助小对象的元数据,提高数据读取效率。(4)针对云存储平台在本系统的应用问题,本文设计延后确认机制,以此来提高数据存储的效率,并提高客户端数据的传输效率,同时借助客户端缓存的数据,避免了因分区迁移而导致内部节点需要进行数据迁移的麻烦,简化了分区迁移的过程。(5)针对存储系统单点故障的问题,本文采用一主多从的架构,由主节点进行资源管理和任务调度,从节点作为主节点的备用机;同时,为了减轻主节点的压力,主节点通过云存储平台将关键的元数据实时同步给从节点,让从节点承担关键元数据分发的任务,实现客户端的分流。
向超[5](2021)在《基于数据挖掘的告警关联算法研究与应用》文中研究说明随着电信网络的飞速发展和网络规模的扩大,人们对电信网络的稳定运行提出了非常高的要求。面对这种情况,电信网络运维人员必须要精准找到产生故障的根本原因并快速解决故障。虽然网络中的故障是以告警的形式呈现,但是由于网络中的设备与组件存在关联,一个设备产生故障会导致相关联的组件或设备也产生故障,从而引发告警风暴,增加了找到故障根源的难度。面对海量的告警数据,准确地分析定位告警根源是解决故障的关键所在,对于提高网络运行的稳定性具有重要意义。本论文将运用数据挖掘的方法挖掘告警之间的关联关系以帮助网络运维人员准确定位根源告警解决故障。本论文主要的研究工作如下:1、电信网络系统产生的告警数据,如果不经处理直接挖掘告警的关联关系的话,那会消耗大量的时间和资源去处理海量的重复且不重要的告警,影响挖掘的质量。因此,需要对告警数据进行预处理,以过滤掉网络中发生频率高、持续时间短的颤动告警,降低对告警关联分析的影响,提高定位故障根源的准确性。2、在电信网络中,网络设备或组件相互关联,当网络中的某些组件产生故障会沿着调用链进行传播。从数据分析的角度建立告警网络拓扑图以分析告警传播规律是进行告警关联分析与根源分析的重要方法。因此,本论文将从告警数据集中学习得到告警贝叶斯网络,并结合Spark计算引擎提高学习速度,同时结合最小生成树算法,提炼出网络拓扑图的主干路径以优化网络拓扑图。3、序列模式挖掘能够找到数据之间潜在的关系,其研究意义巨大,并且该方法在告警关联分析领域内应用广泛。因此,本论文将基于时间序列模式挖掘告警之间的关联关系。针对GSP算法需要多次遍历序列集以及产生大量候选序列模式导致算法运行时间长的不足,本文对GSP算法做出相应的优化,改进后的算法基于字典搜索树的数据结构能有效减少算法的运行时间,但消耗了更多的内存空间。针对Prefix Span算法消耗内存巨大可能会导致内存溢出的缺陷,本文对Prefix Span算法做出相应的优化,改进后的算法基于二元组链表索引树的数据结构能有效减少内存空间地使用,运行时间与未改进的Prefix Span算法相接近。4、基于以上理论和实验结果,设计了告警溯源AIOps系统,详细介绍了系统的模块设计和实现。
刘娇玉[6](2021)在《供电公司目标任务管理系统的设计与实现》文中研究表明企业管理是企业正常运行过程中一个非常重要的部分,供电公司正处于电力市场改革的热潮中,不改变则落后,目前供电公司内部日常工作管理基本靠口口相传,通过口头、电话、邮件、电子公告等方式通知工作内容和工作要求,这些方式存在很大的弊端,例如通知不到位、接收不及时、容易遗忘等,可以通过使用计算机来实现对企业各种目标工作任务进行信息化的高效管理,较之于手工管理具有许多优点。例如:搜索速度快、员工与领导工作沟通顺畅高效、网络空间较大、严格保密、节约成本等。建设供电公司目标任务管理系统旨在于智能化管理员工工作,实现企业目标及目标工作系统化管理,将凌乱的工作管理现状转化为有序、高效、扎实的管理过程。论文设计并实现了一个基于J2EE和MVC模式的,从解决实际问题出发的供电公司目标任务管理系统,将供电公司口头、电话形式的日常工作管理模式转变为高效、有序的计算机自动化管理模式。论文对系统需求进行了详细分析,设计了任务管理、任务签收、进度填报、评价归档、任务变更、任务查询等系统功能模块,以主任务为主线,细化分解子任务,自动通知到任务执行部门,免去了人工通知的繁琐,并运用国网系统软件设计通用统一开发平台(SG-UAP)四层架构,开发模式选取B/S模式,web界面采用成熟界面展现技术,使用现下流行Java语言,采用成熟数据库开展了系统的设计与实现工作。论文对系统的总体结构、软件架构、数据库设计进行了详细描述,展示了系统实际上线运行效果,并对系统进行了完整的功能性测试、公共模块测试、软件性能测试和安全性测试,从各项测试结果来看,系统安全可靠,能快速完成各类模块功能应用,满足用户需求,用户并发负载压力承受能力结果说明系统稳定性较高,运行良好。系统已试运行3个月,根据该系统的实际运行效果及用户反馈意见,论文提出并设计实现的系统展示了良好稳定的线上实际运行效果,有效提高了供电公司的日常目标任务管理效率,试运行期间,从统计结果来看,全公司无一项工作被遗漏,均及时、高效、全覆盖完成各项工作。
李鹏[7](2020)在《通信网告警规则挖掘系统的设计与实现》文中提出在普及通信和网络的时代,民众对通信网络质量的要求很高。通信网设备故障不但会导致网络质量下降,还会对用户体验产生负面影响,甚至会造成经济上的损失。由此,对于通信网络质量的要求达到苛刻的程度。通信网告警是反应通信网络状态最敏感的信号。现在的通信网组网密集且复杂,单一原因引起的故障很容易产生告警风暴。现有的分析逻辑是:事先给出规则来进行告警归并和分析处理。这种方法没有办法对新的规则自动发现,无法响应新出现的各种状况;也无法有效应对通信网日益复杂的组网结构和处理告警风暴。因此,通信网告警规则的自动发现是有价值、有意义的。本文针对通信网告警数据的特点,结合关联分析算法进行分析,使得告警规则可以被主动发现。针对实际告警数据的特点和算法输入所需数据结构的要求,设计并实现从现网抽取告警数据,关联资源,过滤无效值,进行有效分组等操作,以满足数据挖掘算法的输入要求。本文采用从批处理到分布式,再到流式数据的处理方式;应用大数据与流式数据处理分析平台等技术,挖掘出相关告警规则。对于算法挖掘出的结果进行分析、归类和总结。完成界面和数据挖掘处理相关模块的设计、实现和功能测试。主要的成果有:运用软件工程的思想,结合通信网告警数据的现实分析需求,应用数据挖掘中关联分析的相关算法技术,对系统进行了需求分析、详细设计及实现,最后给出测试结果并进行分析、总结、归纳。设计并实现界面层相关模块,实现结果查看、任务下发、派发专家组等功能。实现应用频繁模式算法(Apriori、FP-Growth)、序列模式数据挖掘算法(Prefix Span)分析告警数据,得到可用的告警频繁模式和告警序列模式。设计并实现从常规数据量分析到Spark集群上基于机器学习(MLlib)包的分布式分析相关模块,实现对海量告警数据分析。设计并实现从静态到流式数据分析(Spark Streaming)相关模块,实现对告警数据流的分析。分析通信网告警数据中的频繁模式和序列模式,针对挖掘出的告警规则进行分析和归类,探索达到可以实际应用所需要的参数参考阈值。并对系统进行充分的测试,达到预期效果。
张婷[8](2020)在《基于机器学习的网络异常流量检测研究》文中指出在网络使用场景变多且越来越多元化的今天,保证网络系统的安全对社会秩序、生活、经济至关重要。本文主要通过对网络异常流量的检测来完成网络态势预测和攻击识别。本文研究了网络中的系统日志和URL后选择了 CNN算法训练检测模型,并设计了一个对内提供检测模型训练,对外提供检测任务调度的平台。本文的工作内容主要如下:1、本文设计实现网络异常流量检测平台,为浏览器登录的用户提供训练再训练模型、任务管理、数据上传、模型部署等功能,为外部接入系统提供日志类和URL类的异常检测。同时平台提供的模型再训练功能能将检测出来的新类型异常数据混合到训练样本中,从而训练出更适应环境变化的模型,这为外部系统自动化适应新异常提供了基础。特别的,平台对用户访问检测任务做了权限限制,从而对外部系统的数据安全提供了保障。2、本文引进ZooKeeper、NAS服务等先进的技术,将执行训练、检测任务的节点部署在不同的机器上,减轻了系统运转的负荷,并且ZooKeeper能够有效地管理各节点的状态,NAS服务能将分布在各个机器上的数据进行集中管理,这使得网络异常流量检测平台是一个高效率、可监控、有效存储数据且存储容量大的平台。3、本文将CNNtext算法应用在日志类文件检测任务中,该算法不关心日志的上下文内容仅关心关键特征,这和日志的异常信息仅和常量字符串相关的特点相契合,能有效的检测出日志异常信息。4、本文将SA-CNN算法应用在URL检测任务中,该算法基于token划分和LSTM语言模型,很好地保留了 URL的语序和语义信息。同时该算法还引入了注意力机制,将URL的恶意代码部分赋予较高的权值,很好的检测出了 web特定字符特定数字组合的攻击。5、完成系统功能测试、对外接口测试和算法的模型指标测试。平台使用流畅,外部接口调用顺利。将CNNtext与CRT进行比较,验证CNNtext对日志检测能力的优越性。用CNNtext检测两个不同系统的数据集,验证CNNtext具有系统普适性的日志检测功能。将SA-CNN与LSTM进行比较,验证了 SA-CNN算法对基于URL攻击检测的优越性。
樊娟[9](2020)在《物联网测试云平台任务管理模块的设计与实现》文中提出随着多样化的智能物联网设备广泛应用于生产生活的各个方面,人们对物联网设备性能要求日渐提高,这也导致物联网设备的测试需求急速增长。传统的设备测试囿于单机测试、人为参与流程过多等局限性,无法应对大规模的物联网设备测试需求。物联网测试云平台就;是为了解决上述问题而建设的;基于云测试的思想,物联网测试云平台整合分散的测试资源,调整测试流程,进而实现提升测试效率、提高测试收益的目标。测试任务是整个测试流程的核心,对测试任务的管理也是物联网测试云平台实现的关键。本文研究重点为物联网测试云平台的任务管理,致力于设计与实现一个集高效测试任务调度、测试任务实时控制为一体的测试任务管理模块,解决物联网设备测试任务管理效率低的问题。首先,在调研了云测试平台和测试任务管理研究现状的基础上,本文确定了任务管理模块的功能需求和研发技术路线。然后,本文设计了一种基于遗传算法和优先级的测试任务排期算法,主要负责将测试任务的测试例集合合理分派至物联网测试云平台的自动测试系统,同时优化不同测试任务的执行顺序,达到提升测试效率、最大化测试收益等目的。接着,围绕模块架构、数据库和接口三个方面介绍了任务管理模块的概要设计;并且从类、重要实现流程和关键函数等角度阐述了任务管理模块的详细设计思路。最后完成任务管理模块的部署并进行功能测试,验证了本文设计的物联网测试云平台任务管理模块的有效性。
李伟[10](2020)在《基于Spring的仓库管理系统的设计与实现》文中研究说明随着智能制造的发展,仓库作为物流中的重要节点发挥了至关重要的作用,仓库管理系统为了实现更加高效的仓库管理、降低管理成本提出了可行的解决方案。仓库管理的智能化在提升仓库的利用率和管理水平上作用巨大,传统的人工仓库管理需要工人对货物进行搬运和上架下架操作,人工记录出入库数据。缺点非常明显,主要包括人力需求量大、出入库效率低、仓库空间利用不充分、人为操作的不准确性等问题。为解决上述的这些问题,本系统将结合堆垛机、输送线等智能设备组成的PLC系统实现仓库的智能化,从而明显提高仓库的利用率和使用效率。本文对仓库管理系统的设计与实现进行了详细的介绍。在系统的需求分析阶段,对工厂仓库的实际需求进行了调研,分析了工厂仓库的实际布局和货架的仓位分布情况。同时,对仓库的升级需求进行了可行性分析,采用系统用例图对系统进行了边界划分,采用功能用例图和功能活动图的形式对系统各个子功能模块的需求进行了详细的需求描述。在系统的设计与实现阶段,首先对系统的总体架构进行了介绍,通过系统逻辑架构图阐述了系统实现的逻辑架构,通过系统网络架构图阐述了系统的网络划分和网络配置,通过系统模块功能划分图对系统的功能模块进行了具体的划分。随后在系统具体子模块的设计与实现时,采用各个模块的类图和时序图进行了详细的介绍和描述。在数据库设计中使用数据库逻辑结构图对数据库总体设计进行了描述,随后对数据库表进行了使用表格的形式对表中数据项进行了详细描述。在最后的系统测试阶段,对测试的环境进行了介绍,包括测试硬件环境和测试软件环境。测试包括功能测试和非功能测试两部分,对于每一个功能模块测试时,对照编写好的功能测试用例进行了逐一测试,都通过了用户要求。在非功能测试时,主要测试指标包括系统吞吐量、系统响应时间和并发处理三项内容,均通过了测试要求,达到了用户要求。本系统采用Spring+SpringMVC+Mybatis的开发框架,通信采用mina框架中的socket通信,前端应用到Bootstrap和Angularjs等框架,数据库采用MySQL数据库进行开发。整个仓库管理包含了 MES系统、WMS系统、WCS系统和PLC系统,本文主要讲述WCS系统的功能实现和开发,其中主要包含了基础信息管理、设备监控管理、仓位管理、任务管理、MES任务接收、PLC任务下发和报表展示七个方面。
二、Net-Based Task Management System(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、Net-Based Task Management System(论文提纲范文)
(2)农场远程监测管理系统的设计与实现(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 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 研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
1.3.3 论文组织结构 |
1.4 本章小结 |
第二章 农场远程监测管理系统需求分析 |
2.1 系统功能需求分析 |
2.2 系统数据需求分析 |
2.3 系统非功能需求分析 |
2.4 系统开发工具需求分析 |
2.4.1 服务器系统需求分析 |
2.4.2 开发技术需求分析 |
2.4.3 网络通信框架需求分析 |
2.4.4 数据库需求分析 |
2.5 本章小结 |
第三章 农场远程监测管理系统总体设计 |
3.1 系统架构设计 |
3.2 系统功能模块设计 |
3.2.1 基本信息模块设计 |
3.2.2 任务管理模块设计 |
3.2.3 作业管理模块设计 |
3.2.4 统计分析模块设计 |
3.2.5 系统管理模块设计 |
3.3 数据库设计 |
3.3.1 数据库表设计 |
3.3.2 数据库备份设计 |
3.4 本章小结 |
第四章 农场远程监测管理系统功能实现 |
4.1 基本信息功能实现 |
4.2 任务管理功能实现 |
4.3 作业管理功能实现 |
4.4 统计分析功能实现 |
4.5 系统管理功能实现 |
4.6 本章小结 |
第五章 农场远程监测管理系统测试 |
5.1 测试环境部署 |
5.2 系统功能测试 |
5.2.1 基本信息功能测试 |
5.2.2 任务管理功能测试 |
5.2.3 作业管理功能测试 |
5.2.4 统计分析功能测试 |
5.2.5 系统管理功能测试 |
5.3 系统性能测试 |
5.3.1 健壮性测试 |
5.3.2 响应速度测试 |
5.4 本章小结 |
第六章 农场远程监测管理系统应用 |
6.1 广东农场应用 |
6.2 内蒙古农场应用 |
6.3 本章小结 |
第七章 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
致谢 |
附录 |
作者简介 |
(3)铁路通信承载网智能网管系统功能架构设计研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
第1章 引言 |
1.1 研究背景 |
1.2 国内外研究情况 |
1.3 研究解决的主要问题及关键技术分析 |
1.3.1 解决的主要问题 |
1.3.2 关键技术分析 |
1.4 研究路线与研究方法 |
1.4.1 研究路线 |
1.4.2 研究方法 |
1.5 工程价值与意义 |
1.6 本论文的主要工作 |
1.7 有待深入研究的问题 |
1.8 论文的研究内容与结构 |
第2章 承载网技术概述 |
2.1 承载网光纤技术 |
2.1.1 光纤结构 |
2.1.2 光的传输原理 |
2.2 承载网设备原理 |
2.2.1 MSTP原理 |
2.2.1.1 SDH的帧结构及复用 |
2.2.1.2 映射、定位和复用 |
2.2.2 OTN设备原理 |
2.2.3 数据网设备原理 |
2.3 本章小结 |
第3章 承载网网络有效管理问题 |
3.1 概述 |
3.2 铁路承载网网管现状 |
3.3 铁路承载网专业网管存在的问题 |
3.3.1 设备运行性能分析功能单一 |
3.3.2 资源统计无法进行定制 |
3.3.3 任务管理未实现自动化 |
3.3.4 智能运用功能不足 |
3.4 铁路承载网智能化建设问题 |
3.5 本章小结 |
第4章 承载网设备性能数据挖掘 |
4.1 网络数据概述 |
4.1.1 告警的关联性 |
4.1.2 设备性能的渐变性 |
4.2 数据挖掘目标 |
4.3 数据挖掘理论 |
4.4 数据挖掘算法 |
4.4.1 决策树算法 |
4.4.2 关联规则 |
4.4.3 粗糙集 |
4.4.4 人工神经网络算法 |
4.4.5 遗传算法 |
4.4.6 聚类分析 |
4.5 关联规则表述 |
4.5.1 Apriori算法介绍 |
4.6 性能数据归类 |
4.7 本章小结 |
第5章 智能网管系统功能架构设计 |
5.1 概述 |
5.2 系统需求分析 |
5.2.1 用户用例分析 |
5.2.2 系统功能需求 |
5.3 资源管理 |
5.3.1 资源的分类 |
5.3.2 铁路通信承载网源现状 |
5.3.3 资源模块 |
5.4 任务管理 |
5.4.1 设备巡检 |
5.4.2 工单管理 |
5.5 智能运用 |
5.5.1 网络架构验证 |
5.5.2 业务等级管理 |
5.5.3 差异化告警管理 |
5.5.4 告警集中管控 |
5.6 设备健康度分析 |
5.7 应用验证 |
5.8 本章小结 |
第6章 结论与展望 |
6.1 研究总结 |
6.2 研究展望 |
参考文献 |
作者简历及攻读学位期间取得的科研成果 |
学位论文数据集 |
(4)多读多写的小对象存储系统的设计与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究历史与现状 |
1.3 本文的主要贡献与创新 |
1.4 本文的结构安排 |
第二章 理论基础及相关技术 |
2.1 数据分布算法 |
2.1.1 哈希取模法 |
2.1.2 哈希槽 |
2.2 LSM-Tree原理 |
2.2.1 LevelDb的整体架构 |
2.2.2 LevelDb的写操作 |
2.2.3 LevelDb的读操作 |
2.3 本章小结 |
第三章 多读多写的小对象存储系统的设计 |
3.1 VBSM背景介绍 |
3.1.1 SOSS与 VBSM的层次关系 |
3.1.2 VBSM的架构 |
3.2 系统架构设计 |
3.2.1 中心节点 |
3.2.2 缓冲节点 |
3.2.3 虚拟块存储系统 |
3.2.4 客户端 |
3.3 中心节点 |
3.3.1 资源管理模块 |
3.3.2 主从模块 |
3.3.3 任务模块 |
3.4 缓冲节点 |
3.4.1 本地存储优化 |
3.4.2 数据I/O模块 |
3.4.3 资源管理模块 |
3.4.4 任务管理模块 |
3.5 客户端 |
3.5.1 任务管理模块 |
3.5.2 数据I/O模块 |
3.6 本章小结 |
第四章 多读多写的小对象存储系统的实现 |
4.1 VBSM接口介绍 |
4.2 网络通信框架的实现 |
4.3 中心管理节点的实现 |
4.3.1 资源管理模块的实现 |
4.3.2 任务模块的实现 |
4.3.3 主从模块的实现 |
4.4 缓冲节点的实现 |
4.4.1 数据I/O模块的实现 |
4.4.2 资源管理模块的实现 |
4.4.3 任务管理模块的实现 |
4.5 客户端的实现 |
4.5.1 数据I/O模块的实现 |
4.5.2 任务管理模块的实现 |
4.6 系统关键流程 |
4.6.1 系统负载信息更新 |
4.6.2 任务调度 |
4.6.3 元数据同步 |
4.6.4 数据迁移 |
4.6.5 分配空闲块号 |
4.6.6 数据写入 |
4.6.7 数据读取 |
4.7 本章小结 |
第五章 系统测试与结果分析 |
5.1 测试环境 |
5.1.1 硬件环境与网络部署 |
5.1.2 节点部署 |
5.2 功能测试 |
5.2.1 选举测试 |
5.2.2 调度测试 |
5.2.3 元数据分发测试 |
5.2.4 数据读写测试测试 |
5.3 性能测试 |
5.3.1 写性能测试 |
5.3.2 随机读性能测试 |
5.3.3 范围读性能测试 |
5.4 本章小结 |
第六章 总结与展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(5)基于数据挖掘的告警关联算法研究与应用(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 相关研究与现状 |
1.3 本文的主要研究内容 |
1.4 本论文的结构安排 |
第二章 相关理论与技术 |
2.1 贝叶斯网络相关概念 |
2.1.1 贝叶斯网络 |
2.1.2 贝叶斯网络的结构形式 |
2.1.3 贝叶斯网络结构学习 |
2.2 Spark计算引擎 |
2.3 序列模式挖掘算法 |
2.3.1 AprioriAll算法 |
2.3.2 GSP算法 |
2.3.3 FreeSpan算法 |
2.3.4 PrefixSpan算法 |
2.3.5 算法对比分析 |
2.4 本章小结 |
第三章 告警关联关系挖掘 |
3.1 告警过滤 |
3.1.1 告警 |
3.1.2 告警过滤 |
3.2 基于网络拓扑图的告警关联分析 |
3.2.1 告警共现矩阵 |
3.2.2 算法模型设计 |
3.2.3 网络结构优化 |
3.3 基于优化后的GSP算法的告警关联分析 |
3.3.1 告警序列 |
3.3.2 字典搜索树 |
3.3.3 算法设计与描述 |
3.4 基于优化后的PrefixSpan算法的告警关联分析 |
3.4.1 告警序列 |
3.4.2 二元组链表索引树的设计 |
3.4.3 算法设计 |
3.5 整体算法方案 |
3.6 本章小结 |
第四章 算法实验设计与结果分析 |
4.1 算法实验环境 |
4.2 数据特征分析 |
4.3 告警过滤实验结果与分析 |
4.4 网络拓扑图算法实验结果与分析 |
4.5 基于字典搜索树的GSP算法实验结果与分析 |
4.6 基于二元组链表索引树的PrefixSpan算法实验结果与分析 |
4.7 本章小结 |
第五章 告警溯源AIOps系统设计和实现 |
5.1 AIOps介绍 |
5.2 告警溯源AIOps系统需求分析 |
5.2.1 系统总体需求 |
5.2.2 功能性需求分析详细描述 |
5.2.3 非功能性需求 |
5.3 告警溯源AIOps系统总体设计 |
5.3.1 系统架构设计 |
5.3.2 系统功能结构设计 |
5.3.3 系统数据库设计 |
5.4 系统模块设计与实现 |
5.4.1 数据读取模块的设计与实现 |
5.4.2 数据处理模块的设计与实现 |
5.4.3 关联规则挖掘模块的设计与实现 |
5.4.4 告警溯源模块的设计与实现 |
5.4.5 配置算法与任务管理模块设计与实现 |
5.4.6 规则优化模块设计与实现 |
5.4.7 展示模块设计与实现 |
5.5 系统测试 |
5.5.1 测试环境 |
5.5.2 系统模块测试 |
5.5.3 性能测试 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(6)供电公司目标任务管理系统的设计与实现(论文提纲范文)
摘要 |
abstract |
第一章 引言 |
1.1 选题背景 |
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 研究目标 |
1.3.1 研究目标 |
1.3.2 系统设计原则 |
1.4 章节安排 |
第二章 设计技术与开发环境 |
2.1 系统设计概述 |
2.2 相关技术简介 |
2.2.1 国网统一应用开发平台简介 |
2.2.2 Java EE简介 |
2.3 MVC模型 |
2.3.1 MVC的工作特征 |
2.3.2 采用MVC的原因 |
2.4 ORACLE和 JAVA介绍 |
2.5 开发模式 |
2.6 开发环境 |
2.7 本章小结 |
第三章 系统需求分析 |
3.1 需求分析 |
3.1.1 系统总体功能 |
3.1.2 系统用户角色定义 |
3.1.3 软件功能需求规划 |
3.1.4 系统的非功能性需求分析 |
3.2 可行性研究 |
3.2.1 经济可行性 |
3.2.2 技术可行性 |
3.2.3 运行可行性 |
3.2.4 时间可行性 |
3.2.5 法律可行性 |
3.3 本章小结 |
第四章 系统设计 |
4.1 系统结构 |
4.2 详细设计 |
4.2.1 软件架构 |
4.2.2 功能模块设计 |
4.2.3 系统流程 |
4.3 数据库设计 |
4.3.1 数据库概念数据模型 |
4.3.2 逻辑数据模型 |
4.4 本章小结 |
第五章 系统实现 |
5.1 开发环境的搭建 |
5.2 登录功能的实现 |
5.2.1 系统代码结构 |
5.2.2 登陆功能逻辑 |
5.3 系统其他功能的实现 |
5.3.1 个人工作台 |
5.3.2 任务管理 |
5.3.3 考核申诉 |
5.3.4 统计看板 |
5.4 本章小结 |
第六章 系统测试与评价 |
6.1 程序调试 |
6.2 程序运行测试 |
6.2.1 测试过程的重要性和目的 |
6.2.2 检测的要求 |
6.3 测试用例 |
6.3.1 功能性测试 |
6.3.2 公共模块测试 |
6.3.3 软件性能测试 |
6.3.4 安全性测试 |
6.4 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 |
(7)通信网告警规则挖掘系统的设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题背景及研究的目的和意义 |
1.2 国内外研究现状分析 |
1.2.1 告警相关性分析的国内外研究现状 |
1.2.2 关联分析国内外研究现状 |
1.2.3 大数据和数据流处理技术的国内外研究现状 |
1.2.4 故障告警相关性研究存在的问题 |
1.3 本文的主要研究内容和结构 |
1.3.1 本文的主要研究内容 |
1.3.2 本文的结构及章节安排 |
第2章 系统需求分析和关键技术 |
2.1 系统业务需求分析 |
2.2 系统功能需求分析 |
2.3 非功能性需求分析 |
2.4 关键技术 |
2.4.1 频繁模式分析技术 |
2.4.2 序列模式分析技术 |
2.4.3 Spark机器学习和流数据处理技术 |
2.5 本章小结 |
第3章 告警规则挖掘系统设计与实现 |
3.1 系统总体设计 |
3.1.1 系统架构设计 |
3.1.2 系统功能结构设计 |
3.1.3 系统数据库设计 |
3.1.4 系统部署设计 |
3.1.5 数据提取与预处理 |
3.2 用户管理模块设计与实现 |
3.3 算法配置与任务管理模块设计与实现 |
3.4 数据分析模块设计与实现 |
3.5 常规数据频繁模式算法分析模块设计与实现 |
3.5.1 Apriori算法实现 |
3.5.2 FP-Growth算法实现 |
3.5.3 模块设计与实现 |
3.6 常规数据序列模式算法分析模块设计与实现 |
3.6.1 Prefix Span算法实现 |
3.6.2 模块设计与实现 |
3.7 大数据频繁模式算法分析模块设计与实现 |
3.8 大数据序列模式算法分析模块设计与实现 |
3.9 流式数据告警规则挖掘分析模块设计与实现 |
3.10 本章小结 |
第4章 告警规则挖掘系统测试 |
4.1 模块测试 |
4.2 结果分析 |
4.2.1 FP-Growth算法分析结果 |
4.2.2 Prefix Span算法分析结果 |
4.3 非功能性需求测试 |
4.4 本章小结 |
结论 |
参考文献 |
致谢 |
个人简历 |
(8)基于机器学习的网络异常流量检测研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 研究现状 |
1.3 组织架构 |
1.4 本章小结 |
第二章 相关技术 |
2.1 WEB相关 |
2.1.1 URL分析 |
2.1.2 Web应用攻击 |
2.2 系统相关技术 |
2.2.1 系统框架 |
2.2.2 RESTful API |
2.3 本章小结 |
第三章 平台需求分析与设计 |
3.1 需求分析 |
3.1.1 账号相关功能需求分析 |
3.1.2 数据相关需要分析 |
3.1.3 算法模型相关需求分析 |
3.1.4 任务相关需求分析 |
3.1.5 系统接入需求分析 |
3.1.6 非功能性需求分析 |
3.2 总体设计 |
3.2.1 平台目标 |
3.2.2 平台架构设计 |
3.2.3 平台功能模块设计 |
3.3 平台算法模型设计 |
3.3.1 日志异常检测模型(CNN_text)~([25]) |
3.3.2 URL异常检测模型(SA-CNN)~([27]) |
3.3.3 模型指标 |
3.4 本章小结 |
第四章 网络异常流量检测平台实现 |
4.1 数据表设计 |
4.1.1 账号信息存储 |
4.1.2 数据集存储 |
4.1.3 算法信息存储 |
4.1.4 训练任务存储 |
4.1.5 检测模型信息存储 |
4.1.6 检测任务存储 |
4.1.7 检测结果存储 |
4.2 平台功能实现 |
4.2.1 账号管理模块 |
4.2.2 数据管理模块 |
4.2.3 算法管理模块 |
4.2.4 训练任务管理平台 |
4.2.5 检测任务管理模块 |
4.2.6 外部系统接入模块 |
4.2.7 再训练模块 |
4.3 本章小结 |
第五章 平台测试 |
5.1 测试环境部署 |
5.2 功能测试 |
5.2.1 功能模块测试 |
5.2.2 平台对外接口测试 |
5.3 模型测试 |
5.3.1 CNN_text模型 |
5.3.2 SA-CNN模型 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
攻读学位期间取得的研究成果 |
(9)物联网测试云平台任务管理模块的设计与实现(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 本文研究内容 |
1.3 研究生期间工作 |
1.4 本文结构 |
第二章 相关技术与研究现状 |
2.1 研究现状 |
2.1.1 云测试平台 |
2.1.2 测试任务管理 |
2.1.3 总结 |
2.2 相关技术 |
2.2.1 微信公众号开发 |
2.2.2 SpringMVC |
2.2.3 jQuery |
2.2.4 MySQL |
2.2.5 ActiveMQ |
2.3 本章小结 |
第三章 物联网测试云平台任务管理模块需求分析 |
3.1 物联网测试云平台架构 |
3.2 模块功能分析 |
3.3 功能性分析 |
3.3.1 任务展示子模块 |
3.3.2 任务排期子模块 |
3.3.3 控制交互子模块 |
3.4 本章小结 |
第四章 物联网测试云平台任务管理模块关键技术研究 |
4.1 测试任务排期算法 |
4.1.1 问题描述 |
4.1.2 问题建模 |
4.1.3 基于遗传算法和优先级的测试任务排期算法 |
4.1.4 实验与结果分析 |
4.2 本章小结 |
第五章 物联网测试云平台任务管理模块概要设计与详细设计 |
5.1 模块概要设计 |
5.1.1 任务管理模块架构设计 |
5.1.2 模块数据库设计 |
5.1.3 模块接口设计 |
5.2 模块详细设计 |
5.2.1 任务展示子模块设计与实现 |
5.2.2 任务排期子模块设计与实现 |
5.2.3 控制交互子模块设计与实现 |
5.3 本章小结 |
第六章 物联网测试云平台任务管理模块测试 |
6.1 测试环境 |
6.1.1 硬件测试环境 |
6.1.2 软件测试环境 |
6.2 子模块测试 |
6.2.1 任务展示子模块 |
6.2.2 任务排期子模块 |
6.2.3 控制交互子模块 |
6.3 本章小结 |
第七章 总结与展望 |
参考文献 |
致谢 |
(10)基于Spring的仓库管理系统的设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 选题的背景和意义 |
1.2 国内外研究现状 |
1.3 本文的主要工作 |
1.4 本文的组织结构 |
第二章 相关概念与技术 |
2.1 相关概念 |
2.2 相关技术 |
2.2.1 B/S架构 |
2.2.2 SSM框架 |
2.2.3 Bootstrap+AngularJS |
2.2.4 MINA框架 |
2.3 本章小结 |
第三章 仓库管理系统需求分析 |
3.1 业务需求概述 |
3.2 系统用例图 |
3.3 系统需求详细描述 |
3.3.1 基础信息管理 |
3.3.2 设备监控管理 |
3.3.3 任务管理 |
3.3.4 仓位管理 |
3.3.5 MES系统任务接收 |
3.3.6 PLC任务下发 |
3.3.7 报表展示 |
3.4 系统数据建模 |
3.5 非功能需求分析 |
3.6 本章小结 |
第四章 仓库管理系统的设计与实现 |
4.1 系统总体设计 |
4.1.1 系统逻辑架构设计 |
4.1.2 系统网络架构设计 |
4.1.3 系统功能分解 |
4.2 系统子模块设计与实现 |
4.2.1 基础信息管理模块设计与实现 |
4.2.2 设备监控管理模块设计与实现 |
4.2.3 仓位管理模块设计与实现 |
4.2.4 任务管理模块设计与实现 |
4.2.5 MES任务接收模块设计与实现 |
4.2.6 PLC任务下发模块设计与实现 |
4.2.7 报表展示模块设计与实现 |
4.3 数据库设计 |
4.4 本章小结 |
第五章 仓库管理系统的测试 |
5.1 测试环境 |
5.2 测试方法 |
5.3 功能测试 |
5.3.1 基础信息管理功能测试 |
5.3.2 设备监控管理功能测试 |
5.3.3 仓位管理功能测试 |
5.3.4 任务管理功能测试 |
5.3.5 MES任务接收功能测试 |
5.3.6 PLC任务下发功能测试 |
5.3.7 报表展示功能测试 |
5.4 非功能测试 |
5.4.1 系统吞吐量测试 |
5.4.2 系统响应时间测试 |
5.4.3 并发用户数测试 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
作者简介 |
四、Net-Based Task Management System(论文参考文献)
- [1]一种能效最大化的一体化观测网络任务调度优化方法[J]. 杜晓明,王晓,韩双双,王飞跃. 系统工程理论与实践, 2021(06)
- [2]农场远程监测管理系统的设计与实现[D]. 韩娜娜. 中国农业机械化科学研究院, 2021(01)
- [3]铁路通信承载网智能网管系统功能架构设计研究[D]. 何兆贤. 中国铁道科学研究院, 2021(01)
- [4]多读多写的小对象存储系统的设计与实现[D]. 吴晓斌. 电子科技大学, 2021(01)
- [5]基于数据挖掘的告警关联算法研究与应用[D]. 向超. 电子科技大学, 2021(01)
- [6]供电公司目标任务管理系统的设计与实现[D]. 刘娇玉. 电子科技大学, 2021(01)
- [7]通信网告警规则挖掘系统的设计与实现[D]. 李鹏. 哈尔滨工业大学, 2020(01)
- [8]基于机器学习的网络异常流量检测研究[D]. 张婷. 北京邮电大学, 2020(05)
- [9]物联网测试云平台任务管理模块的设计与实现[D]. 樊娟. 北京邮电大学, 2020(04)
- [10]基于Spring的仓库管理系统的设计与实现[D]. 李伟. 西安电子科技大学, 2020(08)