一、利用Java撰写手机应用程序(3)下——Java Application Manager篇(论文文献综述)
董怡蕙[1](2020)在《面向国产平台的OpenJFX的移植》文中研究说明富互联网应用程序是一种具有传统桌面应用程序特性及功能的Web应用程序,它不仅继承了传统Web应用易于传播的特性,还可以在客户端进行数据的收发和处理。OpenJFX是针对富互联网应用提出的一个现代高效的解决方案,提供了良好的流媒体支持和流畅的动画支持,更丰富的组件和更友好的操作界面。目前,OpenJFX仅支持x86架构和ARM架构,将OpenJFX移植到国产平台有利于丰富国产处理器的软件生态。首先,完成了在国产平台上编译OpenJFX工作。由于国产平台尚不支持Gradle,通过分析OpenJFX的Gradle构建源码及Gradle插件原理,总结了模块编译任务及编译顺序,编写了OpenJFX在国产平台上的编译脚本。然后,通过分析OpenJFX的架构及源码给出了OpenJFX的移植方案,OpenJFX在国产平台上的移植工作主要围绕其媒体模块和Web模块展开。通过编码实现Lib FFI库在国产平台上动态调用及定义函数的功能,完成了媒体模块的移植。其次,OpenJFX的Web模块是由Web Kit改造而来,因此先总结了Java Script Core的前后端工作过程,并比较后端解释执行的不同模式,通过分类描述中间字节码执行过程中的指令翻译和进行浮点运算的异常处理,在国产平台上实现了LLInt解释器。最后,对完成的工作进行测试。使用Lib FFI自带的测试用例验证了编码移植实现的正确性。使用Web Kit自带的自动化测试来验证移植后的LLInt解释器的正确性。这以后,通过编写测试用例来测试移植后的OpenJFX媒体模块和Web模块在国产平台上的可用性。
刘安旺[2](2020)在《便利店数据管理系统的设计与实现》文中认为便利店作为我国零售业的一种重要形式,其在距离、购物、服务以及时间上有明显便利的特点,使之全国蓬勃发展起来。但是,社区型便利店存在信息化水平偏低,进销存数据管理费时费力,易出错误等弊端,导致市场竞争力较弱,因此,有必要开发一个社区型便利店数据管理系统。在调研便利店经营现状的基础上,本文围绕便利店数据管理系统的设计与开发做了如下工作:(1)详细分析便利店数据管理系统的功能需求、非功能需求与可行性。首先,确定了该系统面向人群是便利店的营业员、店长、系统管理人员等三类用户,进而确定不同用户的具体功能需求;其次,分析了系统的非功能性需求,包括数据精确度要求、时间要求、安全要求、可维护性要求等;最后,参照软件工程思想从技术、经济、操作三方面对该系统开发的可行性进行了分析。(2)在社区型便利店数据管理系统的需求分析基础上,对系统进行总体结构设计、功能设计和数据库表设计。首先,从系统层次和系统架构两个层面进行系统总体结构设计,在系统层次上,对系统进行用户层、应用层、应用支撑层、数据层四层结构设计;在系统架构上,采用MVC设计模式。然后,对本系统功能进行设计,包括登录注册、系统管理、会员管理、数据库管理、用户管理、商品管理、库存管理、销售商品分析、销售预测等9个模块。最后,在数据库E-R关系图的基础上,完成了各数据库表的结构设计。(3)本系统采用SSM作为开发框架,My SQL Server 5.5作为后台数据库,Bootstrap/Jsp/Html作为前端开发工具,Java作为具体开发语言,Tomcat作为系统的Web服务器搭建系统开发环境,并实现登录注册、系统管理、会员管理、数据库管理、用户管理、商品管理、库存管理、销售商品分析、销售预测等9个模块的功能,其中,在销售商品分析模块中,利用了Pyecharts可视化工具包和数据分类方法;针对销售预测模块,本文采用支持向量回归方法对便利店各类商品未来一周的销量进行预测,并且获得了较好的预测效果,其中,矿泉水类获得了最小的均方根误差为0.2136。(4)对系统进行功能、安全和性能测试。其中,功能测试利用黑盒测试方法对系统各个模块的运行情况进行测试,结果表明各模块均能正常运行且满足预期要求;安全测试采用了边值验收和数据驱动验收这两种测试方法,测试表明系统能够拦截非法入侵,角色权限分配正常,数据安全和完整性可以得到充分保证;性能测试中,系统界面的响应操作时间平均在1秒左右,内存使用率最高为65%,CPU使用率最高为70%,各系统性能指标正常,没有明显的性能瓶颈。通过整体测试发现系统的各项测试均满足设计与应用的要求。通过社区型便利店数据管理系统的开发,使得便利店商品纳入进销存统一管理,节省了大量的人工管理成本,便于便利店经营者有针对性的进存商品,分析便利店的盈利状况,为未来社区型便利店的信息化建设提供重要的借鉴作用。
贾东伟[3](2020)在《面向车联网“云-管-端”体系架构的安全防护系统的研究与实现》文中认为汽车产业是国民经济的支柱产业,人工智能、物联网、5G技术、大数据和IT产业的快速发展,推动了传统汽车向智能网联汽车的转变,这些技术广泛应用在自动驾驶、导航和智慧交通等各个领域,实现了车与车、车与云、车与智慧交通设施的信息共享。以智能网联汽车为中心的车联网与IT产业的加速融合,给人们带来便利的同时,也给智能网联汽车带来了新的安全威胁,层出不穷的安全问题给车联网体系的发展前景带来了诸多不确定性,同时,车联网安全的内涵正在发生改变,建立车联网安全防护体系刻不容缓。本文从车联网的“云-管-端”体系架构入手,分别介绍了“云-管-端”三部分的主体结构及其面对的安全威胁以及可以采取的防护策略,具体研究工作包括:(1)“云”的主体为智能网联汽车的远程信息服务提供系统(TSP),TSP系统是车联网的数据中心,主要面对应用层的攻击。针对TSP系统的应用层网络安全攻击,分析网络攻击原理,并从攻击方的角度出发,提出一种利用自动化攻击工具提取攻击特征的方式,然后采用特征匹配算法与传统WAF算法相结合的方式实现了对车联网TSP应用层的攻击检测,构成TSP入侵检测系统;(2)“管”的主体为车联网通信体系,车联网通信体系分为DSRC和LTE-V,两种通信方式各具优势,DSRC和LTE-V的混合架构解决车联网V2X通信问题优势明显。然而,DSRC通信设备价格高昂,且无国内设备提供商,造成对DSRC研究的不便利。通过修改ATH9K驱动程序、Linux内核空间和用户空间,实现了Linux系统上802.11p协议的通信,解决了学者对于802.11p协议以及DSRC的研究只能基于仿真的现实问题,为DSRC协议的研究奠定了基础;(3)“端”的主体为智能网联汽车,本文详细介绍了智能网联汽车的无线MITM安全威胁,叙述了一系列攻击方法在智能网联汽车领域的实现形式,提出了身份认证页面注入和App更新劫持两种自动化攻击路径,最后设计出智能网联汽车无线MITM攻击平台,供安全研究人员互相交流学习,为智能网联汽车领域的安全研究提供更多的思考和方向。文章聚焦车联网的“云-管-端”安全防护体系,弥补车联网安全防护体系的缺失,从“云”中TSP的入侵检测、“管”中802.11p协议的关键技术研究与实现和“端”中智能网联汽车的无线安全三个方面分别做出了深入研究。
黄博伦[4](2020)在《移动物体γ辐射污染监测系统优化》文中研究指明核能作为清洁能源,开发利用核能是解决当前气候、能源危机的现实选择。日本福岛核事故后,我国更加关注核能安全使用。有效实现对核辐射情况进行快速实时监测,对于消除公众对核安全的担忧和核能的可持续发展具有现实意义。本文以我国华北某核电站控制区出入监测系统为对象,从数据传输实时性,系统功能可扩展性以及安全性对原系统运行时暴露问题进行分析,并结合Web端Java开源框架对系统进行优化。论文主要研究成果如下:1)、将Mybatis应用于持久层解耦业务逻辑代码与SQL语句并实现Java类型与数据库数据类型自动转换,替代原系统侵入式手动类型转换方式,降低开发调试难度并提高SQL代码可维护性。使用Druid数据库连接池技术管理数据库连接对象替换原有基于JDBC数据库访问方式,减少增删改查SQL语句执行耗时,由原系统平均执行耗时300ms优化到平均耗时20ms。基于RBAC思想对原系统用户认证授权相关表结构进行重构实现认证与授权功能持久层实现,解耦用户、权限与资源信息提高用户授权可维护性。2)、业务逻辑层引入Spring Security框架优化系统认证功能,通过Spring Security接口结合校验码解决原系统基于Cookie和Session方式实现用户认证带来的跨域请求伪造安全漏洞。基于RabbitMQ消息中间件替换原系统基于Ajax异步请求方式获取辐射监测数据,实现服务器辐射监测数据实时推送,数据传时由平均耗时100ms优化到30ms,提高了辐射监测数据传输实时性。3)、Web层采用实现MVC设计模式的Spring MVC框架替换原系统基于Servlet实现方式,解决原系统随着功能模块增加用户请求配置文件复杂的问题,细化用户请求处理并提高了系统可维护性。同时增加系统异常统一管理功能,在原系统基础上实现对系统运行时异常以及Java定义异常统一管理,解决原系统异常处理代码与业务逻辑代码耦合问题,提高系统稳定性。结合Spring MVC以及Thymeleaf模板技术实现管理页面重构,减少管理页面代码重复编写,提高代码复用性,减少客户端管理页面维护难度。
万杰[5](2020)在《基于安卓的联邦学习平台设计与实现》文中认为传统的机器学习一般是在单机或者集群上集中处理数据、训练模型,然后云端下发模型。算法的准确率高度依赖于海量数据的训练分析,虽然大规模的收集数据极大的提高了机器学习算法的性能,但也给个人隐私数据保护带来更大的挑战,尤其是在移动终端,个人隐私数据安全问题进一步凸显。针对以上背景,本文基于安卓系统提出了一种横向联邦学习策略,并根据该横向联邦学习策略,本文设计并实现了基于安卓端的联邦学习平台。系统在各个安卓端根据用户提供的数据进行模型的训练,产生个性化模型。通过服务端融合安卓端上传的个性化模型,最终得到共享模型。本文详细阐述了系统所设计的理论基础、设计思路、实现方案以及测试与分析。本文主要完成工作如下:(1)提供安卓端模型推理、模型训练、模型更新。本文移植TensorFlow.js到安卓平台,通过TensorFlow.js实现模型推理、模型训练。安卓端下载云端最新的共享模型,并根据安卓端的本地用户数据来改进和训练模型。系统将改进后的模型提取为一个小的更新文件并将该更新文件上传到云端。(2)提供安卓端调度管理、训练数据管理。系统根据设备的状态提出了细致的调度策略,保证手机用户体验不会因为联邦学习而降低。训练数据管理负责在合适的条件下删除、添加数据。(3)服务端设计联邦学习模型共享策略并下发模型。服务端接收模型更新文件,并根据模型更新文件来加权平均模型参数,同时设计损失函数来评估模型性能。(4)本文对基于安卓端的联邦学习平台进行了功能和性能测试。并对测试结果做了详细的分析。
刘栋[6](2019)在《智能家居云平台服务器的高可靠性设计与实现》文中研究表明随着现代社会和经济的发展,智能家居系统已经进入到人们的生活和工作中。然而,在以物联网为基础的智能家居系统的建设中,具有建设复杂、维护困难、稳定性低等多种弊端。这些问题严重影响了智能家居的建设发展。本课题旨在通过云平台性能高和成本低的特点能够改善传统智能家居系统建设中的不足。通过对软件系统和互联网架构相关理论的研究,实现了智能家居云平台的设计及部署,并且对智能家居云平台的高可靠性做了进一步的研究。本文主要研究智能家居云平台服务器可靠性的设计和实现。针对云计算服务平台用户量大、多设备接入和动态资源调度的特征结合H3C智能家居云平台项目,通过负载均衡设计、集群设计、消息中间件设计和数据库缓存设计来缓解智能家居云平台系统的高并发访问压力,提高智能家居云平台服务器负载能力,保证云平台系统的可靠性、稳定性和实效性。在此基础之上,重点研究基于Nginx服务器的集群和负载均衡设计,提出了一种基于WebSocket长连接的Nginx动态负载均衡方法,通过动态收集后端服务器节点负载信息来调节负载权重,使得Nginx负载分配更加合理。并且设计并实现了RabbitMQ消息中间件在平台中三种应用模式,解决了多模块之间耦合严重的问题,保证了不同模块间的信息交互。最后通过对Redis缓存服务器的研究,根据智能家居云平台具体需求,动手修改源码,使其满足智能家居云平台设计要求,实现Redis服务器在平台中的更好应用。本文充分结合当前云计算平台领域的热点技术并且兼顾工程应用中的价值,为智能家居云平台服务器的设计和应用提供理论基础和技术支撑。通过实验,证明该设计能够提高云平台的负载性能,增强云平台服务器的高可靠性。
苏祥[7](2019)在《基于沙箱的Android应用程序动态监测技术研究》文中进行了进一步梳理近年来,Android应用安全问题受到越来越多的关注,Android应用行为动态监测技术成为当前研究的热点方向之一。目前Android应用程序动态监测技术实现形式上通常有三种:1.定制ROM镜像;2.在获取设备Root权限情况下,去修改系统文件或者利用ptrace技术向目标进程注入代码;3.重打包APK,加入监控代码。这三种方式都是以侵入式方式实现,依赖于具体系统环境,需要获取系统Root权限,难以部署到不同的设备上。因此,本论文提出一种基于沙箱的非侵入式动态监测技术,用来解决上述问题。论文的主要工作如下:(1)针对侵入式动态监测技术需要Root手机,修改系统源码或系统文件,难以部署到不同移动设备上的缺点,提出一种基于沙箱的易部署的Android应用程序动态监测技术。该技术将监测系统以宿主App形式发布,安装到目标设备上。将待监测应用以插件形式加载到宿主App环境中运行,同时由宿主App加载相应的监控模块,完成对待监测App应用行为的动态监测。在待监测应用作为插件运行前,预先启动一个进程,通过动态代理方式对该进程中Binder服务代理对象进行替换,将该进程中Binder服务请求重定向到虚拟服务进程中的虚拟服务进行处理,从而使待监测应用中的四大组件能在预先启动的进程中运行。然后在待监测应用Application初始化过程中加载Java层和Native层监控模块,完成监控。由于待监测应用进程与宿主App进程共享相同的代码,因此不需要修改系统源码或者获取Root权限后进行进程注入,对机型差异的适配发生在应用层,具有易部署特点。(2)针对构建沙箱环境过程中,Activity插件化采用Activity LaunchMode一对一类映射规则方法,插件Activity数量过多会引起沙箱体积过度膨胀问题,提出一种基于栈管理算法的虚拟Task栈映射规则方法。通过栈管理算法模拟系统AMS管理插件Activity,将占位Activity的数量降为1个,解决了沙箱体积过度膨胀问题。(3)针对传统侵入式动态监测方法在监控应用过程中存在设备相关信息泄露的缺点,增加了设备信息防护模块。通过自定义虚拟信息服务,来管理单一应用对应的虚拟设备信息,防止监控应用行为过程中真实设备信息发生泄漏,保护设备隐私。最后实现了原型系统AndroidMonitor。实验结果表明,与其它动态监测方法相比,虽然会使待监测应用启动时间增加1.4s左右时间,但该方法不需要获取设备系统Root权限,能够同时对Java层和Native层敏感API进行监控,引入设备信息防护模块,防止监控App过程中设备信息发生泄漏。系统以App形式发布,应用体积不会发生膨胀,容易部署到不同设备上,同时具有多种应用场景。
曾鸿[8](2019)在《基于深度学习的油菜典型害虫快速检测研究》文中认为油菜是中国重要的油料作物,但其在生长过程中容易受到害虫的侵害,产量和品质都会因此出现不同程度的降低。准确地检测和诊断害虫,对于提高施药决策的针对性及精准预测作物的产量至关重要。传统的害虫鉴定依赖于人工识别,费时费力,存在一定的主观性和滞后性,无法满足日益增长的害虫检测需求。因此,寻求一种可有效解决上述问题、客观、高效、快速的害虫检测方法具有较高的实际应用价值。为实现油菜典型害虫的实时检测,本文主要开展了以下的工作:(1)通过采集简单背景和复杂背景下的油菜害虫图像,创建了一个包含12类共3,022张图像的油菜典型害虫数据集(Oilseed Rape Pests Dataset,RPDS)。本文设计了一个害虫图像采集系统以采集实验室环境下(简单背景)的害虫图像。复杂背景的图像通过互联网下载及大田现场拍摄获取。为解决因数据集样本量过小而出现的过拟合问题,采用数据扩增的方式将训练图像从2,115幅增加到10,575幅。目前农业领域缺乏公开可用的害虫数据集,RPDS数据集不仅可用于本文的研究,还具备一定的通用性,可应用于其他害虫识别和诊断。(2)为了解决现有的目标检测算法无法很好地平衡检测速度和检测精度之间的矛盾,同时针对RPDS的样本数量少,目标对象小,姿态变化多样和易被遮挡等特点,本文对SSD(Single Shot MultiBox Detector)目标检测算法进行了改进,提出了一种新的目标检测方法F-SSD-IV3用于检测油菜典型害虫。(1)使用Inception V3代替SSD算法的VGG-16作为基础网络,将SSD目标检测方法的平均精度均值(mean Average Precision,mAP)从0.6411提升至0.6812。其中,mAP是PASCAL VOC挑战赛提出的目标检测通用性能评估指标。(2)设计了一种特征融合方法,将输出的不同尺度特征图通过级联模块进行特征融合,解决了SSD算法难以检测到小尺寸目标的短板,mAP值提高为0.7417。(3)本文采用了一种将Soft NMS和Softer NMS结合的策略,改善了原SSD算法的非极大抑制策略NMS在处理重叠目标时的不足,经过实验对比,漏检率从9.44%降低至2.31%,并且进一步微调输出的矩形框坐标。结果表明,本文设计的F-SSD-IV3目标检测方法mAP值为0.7481,检测单幅图像的速度为0.076秒,实现了对油菜典型害虫的实时高精度检测。(3)为克服训练数据不足和类间样本数量不均衡所带来的问题,在F-SSD-IV3的油菜害虫检测方法基础上,使用数据扩增和增加Dropout层的方式,减轻过拟合问题并提高模型的泛化能力。(1)数据扩增方式,通过对图像亮度、对比度、饱和度等七个维度的处理增加数据集RPDS的容量,解决了模型过拟合的问题,mAP值提高至0.8105。(2)优化类间样本数量的比例,实验结果表明当最大类间比例为1:1.5时,模型取得最佳的检测性能,mAP值达0.8204。(3)增加Dropout层,设置不同的概率p来随机抑制隐藏层中的部分神经元。实验表明当p为0.8时,mAP值高达0.8417。即采用上述的优化方法可进一步提高模型的检测性能。(4)对基于深度学习的目标检测技术及其相关方法进行全面的总结和研究,为新目标检测方法的设计提供了夯实的理论基础。此外,将本文提出的F-SSD-IV3检测方法与几种经典的目标检测方法:SSD300、Faster R-CNN和R-FCN(Region-based Fully Convolution Network)在RPDS上进行检测性能对比,分析各方法的优势与劣势。实验结果显示:(1)SSD300的检测速度最快,检测单幅图像速度为0.048秒,但检测精度仅为0.6411。(2)Faster R-CNN和R-FCN的检测精度均低于0.68,且检测单幅图像的速度约为0.15秒。(3)而FSSD-IV3具有最高的检测精度,mAP值高达0.7481,单幅图像可在0.076秒内完成检测,在检测精度和检测速度上实现了很好的平衡。(5)本文将训练好的F-SSD-IV3模型部署到移动设备的应用系统上,建立了一个基于Android平台的油菜典型害虫实时检测系统。该系统基本满足了害虫检测所需的功能,包含图像采集模块、图像预处理模块、油菜害虫检测模块及结果展示模块四大模块。采用该系统对303幅图像进行测试,实验结果表明:检测结果基本上可在1秒内返回,检测的准确率高达89.77%,漏检率和误检率分别为7.92%和2.31%。这说明了该系统具有一定的实用性,可在大田环境下实时准确地检测油菜害虫。
史玉兰[9](2019)在《Android应用间的合谋攻击检测研究》文中提出随着移动互联网的快速发展,智能手机已经成为人们日常生活中必不可少的组成部分,而Android系统是智能手机市场上最主流的操作系统。在Android系统中,应用程序通过组件间通信(Inter-Component Communication,ICC)来进行数据交换,这种交换可以发生在单个应用程序之内,也可以发生在多个应用程序之间。然而,ICC模型在给应用程序组件间交互带来便利的同时,也带来了安全问题。该通信模型如果被Android恶意程序利用,将会在应用程序之间产生合谋攻击(Collusion Attacks),从而导致用户隐私信息泄露,给用户带来巨大的损失和严重的困扰。所以,Android应用安全已经成为安全研究中非常重要的课题。在Android应用安全的分析方法中,现有的方法大多是针对单个应用程序的,并不适用于分析应用程序间的合谋攻击。因此,针对Android平台上的应用间合谋攻击,本文提出了一种基于静态分析和形式化分析的检测方法。本文首先对Android APK文件进行预处理,包括反编译APK文件得到AndroidManifest.xml文件和解压APK文件得到classes.dex文件;然后基于预处理操作得到的结果,同时结合原始APK文件进行静态分析,解析AndroidManifest.xml文件和classes.dex文件以获取应用组件、意图、意图过滤器以及权限等ICC信息,再对原始APK文件进行静态污点分析以获取敏感路径,将得到的上述五种信息进行整合,以获取应用实体;最后基于静态分析的结果进行形式化分析,利用形式化建模语言Alloy对Android应用程序通过意图进行通信的过程以及提取到的每个应用实体进行建模,并构造一个表示合谋攻击的断言,之后使用Alloy Analyzer分析器对该断言执行检测,判断Android应用程序之间是否存在合谋攻击,同时将检测结果可视化地展示给用户。为了验证该方法的正确性和有效性,本文设计并实施了一系列的实验。实验数据集涵盖了2000个Android应用程序,包括从Google Play、开源应用市场F-Droid、国内第三方应用市场以及MalGenome上随机下载的不同类别的应用程序。实验从自动化、正确性和性能三个方面对本文提出的方法进行了评估,并与分析单个应用和多个应用的方法进行了对比,最终的实验结果表明了本文提出的Android应用间合谋攻击检测方法的正确性和有效性。
戚金凤[10](2019)在《汽车停车防人员驻留系统的研究与开发》文中提出随着汽车保有量的不断增加,以及日常生活节奏的不断加快,家长将儿童遗忘在车内的情况近年来也逐渐增加,儿童被锁车内造成死亡的安全事故也逐年增加,因此,需要构建一个汽车停车防人员驻留的智能系统,监测汽车停车后的汽车室内情况,控制车内设备通风降温,及时传送信息给驾驶员,对于防止儿童被锁车内造成的死亡事故,提高汽车安全性、保障人们生命财产安全具有极其重要的作用和意义。论文设计了一种汽车防人员驻留系统,综合了传感器技术、视频摄像技术、4G无线通信技术、嵌入式系统控制技术、基于Android系统的手机应用程序。具体研究内容为:首先对课题的研究背景与意义进行介绍。车内驻留人员所可能受到的伤害将能致命,印证该课题研究的意义。同时,分别对传感器技术、视频摄像技术、4G无线通信技术、嵌入式系统控制技术以及基于Android系统的主控机及手机应用程序开发技术进行详细介绍。其次,对汽车停车防人员驻留系统进行总体架构设计。分别从嵌入式系统硬件开发平台与系统软件架构设计进行设计研究,包括对核心板、扩展板的电路进行设计,然后为嵌入式系统构建开发环境,并定制、裁剪Linux内核等,主要是对各设备对应的驱动程序进行编写,为后续主控机及手机用户程序的设计实现做好准备。最后,对主控机及手机用户程序进行设计与实现,再进行相应的功能测试。先从用户程序的功能设计导航确定程序的功能分布以及功能范围,再介绍Android平台开发环境的搭建及配置,然后对用户程序进行分模块实现,最后对程序及整体系统进行功能测试。测试表明,本文所设计的汽车防人员驻留系统运行稳定,手机程序界面简洁、操作简单。
二、利用Java撰写手机应用程序(3)下——Java Application Manager篇(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、利用Java撰写手机应用程序(3)下——Java Application Manager篇(论文提纲范文)
(1)面向国产平台的OpenJFX的移植(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景和意义 |
1.2 研究概况 |
1.3 主要研究工作 |
1.4 论文组织结构 |
2 OpenJFX移植关键技术 |
2.1 OpenJFX架构 |
2.2 国产平台ABI |
2.3 本章小结 |
3 OpenJFX移植方案 |
3.1 OpenJFX媒体引擎移植分析 |
3.2 Lib FFI概述 |
3.3 OpenJFX Web引擎移植分析 |
3.4 Java Script Core解释执行分析 |
3.5 OpenJFX移植方案 |
3.6 本章小结 |
4 国产平台下OpenJFX的移植实现 |
4.1 OpenJFX在国产平台上的编译 |
4.2 OpenJFX媒体引擎的移植 |
4.3 OpenJFX Web引擎的移植 |
4.4 本章小结 |
5 移植工作的测试 |
5.1 实验环境 |
5.2 实验目的及过程 |
5.3 本章小结 |
6 总结与展望 |
6.1 工作总结 |
6.2 工作展望 |
致谢 |
参考文献 |
(2)便利店数据管理系统的设计与实现(论文提纲范文)
摘要 |
Abstract |
1 引言 |
1.1 研究的背景、目的及意义 |
1.2 国内外研究现状 |
1.2.1 便利店管理信息系统的国内外研究现状 |
1.2.2 零售商品销量预测的国内外研究现状 |
1.2.3 文献评述 |
1.3 本文的主要内容和技术路线图 |
1.3.1 本文的主要内容 |
1.3.2 技术路线图 |
2 相关技术及理论 |
2.1 框架技术 |
2.1.1 企业应用框架—Spring |
2.1.2 持久层框架—My Batis |
2.1.3 SSM框架 |
2.2 MySQL数据库 |
2.3 Bootstrap技术 |
2.4 开发工具和开发环境 |
2.4.1 Java开发工具 |
2.4.2 开发环境运行平台IDEA |
2.4.3 Tomcat服务器 |
2.5 本章小结 |
3 便利店数据管理系统的需求及可行性分析 |
3.1 总体需求目标 |
3.2 系统功能需求分析 |
3.2.1 用户需求分析 |
3.2.2 业务功能分析 |
3.3 系统非功能需求分析 |
3.4 可行性分析 |
3.4.1 技术可行性 |
3.4.2 经济可行性 |
3.4.3 操作可行性 |
3.5 本章小结 |
4 便利店数据管理系统的功能和数据库设计 |
4.1 系统总体结构设计与分析 |
4.1.1 系统层次设计 |
4.1.2 系统架构设计 |
4.2 系统功能设计 |
4.3 数据库设计 |
4.3.1 数据库E-R关系图设计 |
4.3.2 数据库表结构设计 |
4.4 本章小结 |
5 便利店数据管理系统的详细实现 |
5.1 系统实现的开发运行环境 |
5.2 登录注册模块及主页面的实现 |
5.3 系统管理和用户管理模块的实现 |
5.4 数据库管理模块的实现 |
5.4.1 系统备份简介 |
5.4.2 功能实现 |
5.5 商品管理和会员管理模块的实现 |
5.5.1 商品管理模块的实现 |
5.5.2 会员管理模块的实现 |
5.5.3 实现中出现的问题及解决方法 |
5.6 库存管理模块的实现 |
5.7 销售商品分析模块的实现 |
5.7.1 数据统计中的分类原则 |
5.7.2 模块实现过程 |
5.7.3 可视化图表分析 |
5.7.4 实现中出现的问题及解决方法 |
5.8 销售预测模块的实现 |
5.8.1 支持向量机概述 |
5.8.2 预测回归模型构建 |
5.8.3 模型预测结果及页面展示 |
5.9 本章小结 |
6 系统测试 |
6.1 系统测试概述 |
6.2 测试环境及评价标准 |
6.3 测试项目 |
6.3.1 功能测试 |
6.3.2 安全性测试 |
6.3.3 性能测试 |
6.4 测试结果分析 |
6.5 本章小结 |
7 结论与展望 |
致谢 |
参考文献 |
(3)面向车联网“云-管-端”体系架构的安全防护系统的研究与实现(论文提纲范文)
摘要 |
ABSTRACT |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 论文主要研究内容 |
1.4 论文组织结构 |
1.5 本章小结 |
第二章 车联网“云-管-端”体系架构 |
2.1 车联网体系架构 |
2.2 车联网V2X通信技术 |
2.3 智能网联汽车安全威胁分析 |
2.3.1 智能网联汽车网络体系结构 |
2.3.2 智能网联汽车网络安全威胁分析 |
2.4 智能网联汽车TSP云端基础设施 |
2.5 本章小结 |
第三章“云”——车联网TSP平台入侵检测系统 |
3.1 车联网TSP典型攻击方式分析 |
3.1.1 跨站脚本攻击 |
3.1.2 SQL注入 |
3.1.3 其他常见网络攻击 |
3.2 常见攻击特征提取 |
3.2.1 SQL注入与XSS攻击特征提取 |
3.2.2 其他网络攻击特征提取 |
3.3 基于特征匹配的车联网TSP入侵检测系统的实现 |
3.3.1 入侵检测系统架构 |
3.3.2 流量分析模块 |
3.3.3 攻击识别模块 |
3.3.4 核心模块整合 |
3.4 本章小结 |
第四章“管”——车联网 802.11p协议研究及应用 |
4.1 Linux相关规范和技术要求 |
4.1.1 Linux体系结构 |
4.1.2 Linux无线子系统 |
4.1.3 Linux无线网卡OCB工作模式 |
4.2 802.11p协议分析 |
4.3 802.11p协议平台搭建 |
4.3.1 无线网卡技术要求 |
4.3.2 Linux软件依赖 |
4.3.3 Linux内核空间编译配置 |
4.3.4 Linux用户空间软件配置 |
4.4 802.11p协议通信测试 |
4.4.1 802.11p协议ICMP通信测试 |
4.4.2 802.11p协议Raw_Socket API实现 |
4.4.3 GeoNetworking协议应用 |
4.4.4 802.11p平台网络性能测试 |
4.5 本章小结 |
第五章“端”——智能网联汽车无线MITM攻击研究 |
5.1 ICV无线MITM攻击原理 |
5.2 智能网联汽车MITM攻击研究 |
5.2.1 伪造无线AP热点搭建 |
5.2.2 MITM攻击方式 |
5.3 针对智能网联汽车的App应用欺骗攻击 |
5.3.1 流量数据包抓取与分析 |
5.3.2 伪造云端服务器 |
5.3.3 流量劫持转发 |
5.4 无线MITM平台身份认证页面注入攻击 |
5.5 智能网联汽车无线MITM攻击系统 |
5.6 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 |
附录A |
(4)移动物体γ辐射污染监测系统优化(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究工作的背景和意义 |
1.2 国内外研究现状 |
1.2.1 辐射污染监测系统国外研究现状及趋势 |
1.2.2 国内研究现状 |
1.2.3 服务器端开源框架现状 |
1.3 本课题主要内容及技术路线 |
2 系统介绍 |
2.1 系统功能简介 |
2.2 系统架构设计 |
2.3 系统功能设计分析 |
3 系统分析 |
3.1 持久层分析 |
3.2 业务逻辑层分析 |
3.3 Web层分析 |
3.4 表现层分析 |
4 系统优化 |
4.1 持久层核心功能优化 |
4.1.1 技术选型 |
4.1.2 基于Mybatis持久层优化 |
4.1.3 数据库连接池优化 |
4.1.4 基于RBAC思想优化数据库表 |
4.2 业务逻辑层核心功能优化 |
4.2.1 技术选型 |
4.2.2 用户认证优化 |
4.2.3 用户权限管理优化 |
4.3 Web层核心功能优化 |
4.3.1 技术选型 |
4.3.2 异常统一管理模块实现 |
4.3.3 基于RabbitMQ服务器端消息推送 |
4.3.4 服务器端模板实现 |
4.4 表现层核心功能优化 |
4.4.1 技术选型 |
4.4.2 客户端页面优化 |
5 系统核心功能测试 |
5.1 持久层测试 |
5.1.1 测试方法 |
5.1.2 测试结果分析 |
5.2 业务逻辑层测试 |
5.2.1 测试方法 |
5.2.2 测试结果及分析 |
5.3 Web层测试 |
5.3.1 异常统一处理模块测试分析 |
5.3.2 服务器消息推送实时性测试分析 |
5.4 表现层测试 |
5.5 系统测试与应用 |
5.5.1 测试环境 |
5.5.2 测试步骤 |
5.5.3 测试结果分析 |
5.5.4 系统应用 |
6 总结与展望 |
6.1 总结 |
6.1.1 主要完成工作 |
6.1.2 结论 |
6.2 展望 |
致谢 |
参考文献 |
攻读学位期间取得的研究成果 |
(5)基于安卓的联邦学习平台设计与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 选题依据和研究意义 |
1.2 国内外研究现状及发展态势 |
1.3 本文的主要贡献和创新点 |
1.4 本论文的结构安排 |
第二章 基础理论与相关技术 |
2.1 联邦机器学习 |
2.2 TENSORFLOW.JS |
2.2.1 TensorFlow.js API |
2.2.2 TensorFlow.js模型 |
2.3 SERVLET执行原理 |
2.3.1 Servlet请求响应模型 |
2.3.2 Servlet在容器中的生命周期 |
2.3.3 Servlet监听器 |
2.4 安卓平台架构 |
2.5 WEBVIEW概述 |
2.5.1 事件监控 |
2.5.2 Java调 JavaScript |
2.6 安卓JOBSCHEDULER概述 |
2.7 浏览器的本地存储 |
2.8 本章小结 |
第三章 安卓端联邦学习平台设计 |
3.1 应用场景与需求分析 |
3.2 系统框架设计 |
3.2.1 系统总体设计 |
3.2.2 系统总体架构 |
3.3 各模块职责划分 |
3.4 关键技术 |
3.4.1 联邦机器学习算法 |
3.4.2 框架的选取与移植 |
3.4.3 数据存储 |
3.4.4 安卓端的调用策略 |
3.4.5 模型差异化文件构建 |
3.5 本章小结 |
第四章 安卓端联邦学习平台详细设计与实现 |
4.1 通信协议定义 |
4.1.1 安卓端和Server端通信协议 |
4.1.2 ClientNative和 ClientJs通信协议定义 |
4.2 CLIENTNATIVE设计与实现 |
4.2.1 ClientNative整体结构 |
4.2.2 网络框架实现 |
4.2.3 ClientNative调度模块设计实现 |
4.2.4 ClientNative解析模块设计实现 |
4.2.5 ClientNative网络模块设计实现 |
4.3 CLIENTJS设计实现 |
4.3.1 ClientJs架构设计 |
4.3.2 模型处理 |
4.3.3 ClientJs数据管理 |
4.4 SERVER端设计实现 |
4.4.1 Server端整体架构设计 |
4.4.2 业务逻辑层设计实现 |
4.4.3 数据访问层设计实现 |
4.4.4 模型处理模块设计实现 |
4.5 本章小结 |
第五章 系统测试 |
5.1 测试环境 |
5.2 SERVER端测试 |
5.2.1 模型下发测试 |
5.2.2 模型差异化文件上传测试 |
5.2.3 模型层获取测试 |
5.2.4 模型差异化文件合并测试 |
5.3 安卓端测试 |
5.3.1 模型推理测试 |
5.3.2 模型训练测试 |
5.3.3 安卓调度测试 |
5.4 系统整体测试 |
5.4.1 系统测试步骤 |
5.4.2 系统整体测试结果分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 展望未来 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(6)智能家居云平台服务器的高可靠性设计与实现(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 研究现状 |
1.2.1 智能家居研究现状 |
1.2.2 云计算平台研究现状 |
1.3 论文组织结构 |
第二章 智能家居系统的实现原理和需求设计 |
2.1 智能家居系统实现原理 |
2.1.0 智能网关 |
2.1.1 智能面板 |
2.1.3 智能设备 |
2.1.4 智能家居控制流程 |
2.2 云平台系统的需求设计 |
2.2.1 功能性需求 |
2.2.2 可靠性需求(性能需求) |
2.2.3 安全性需求 |
2.2.4 开放性需求 |
2.3 本课题中的云平台架构模型 |
2.4 本章小结 |
第三章 Nginx服务器研究与介绍 |
3.1 Nginx总体介绍 |
3.2 Nginx的反向代理 |
3.3 Nginx的内部进程模型 |
3.4 Nginx的负载均衡 |
3.4.1 集群技术介绍 |
3.4.2 Nginx的负载均衡 |
3.5 Nginx的动态负载均衡算法研究及改进 |
3.5.1 Nginx负载均衡算法研究 |
3.5.2 Nginx动态负载均衡算法研究及改进 |
3.6 本章小结 |
第四章 RabbitMQ服务器研究与设计 |
4.1 消息中间件的选型 |
4.2 RabbitMQ基本介绍 |
4.3 RabbitMQ的具体应用 |
4.4 RabbitMQ集群方式 |
4.4.1 默认集群模式 |
4.4.2 镜像集群模式 |
4.4.3 主备集群模式 |
4.5 本章小结 |
第五章 Redis缓存服务器研究与设计 |
5.1 Redis服务器介绍 |
5.2 Redis的主要数据类型及应用 |
5.3 Redis解决session共享问题 |
5.3.1 Session简单介绍 |
5.3.2 Redis解决session问题 |
5.4 本章小结 |
第六章 测试结果与分析 |
6.1 实验设计 |
6.1.1 实验目的 |
6.1.2 实验内容 |
6.2 实验结果与分析 |
6.3 本章小结 |
第七章 总结与展望 |
参考文献 |
附录1 程序清单 |
附录2 攻读硕士学位期间撰写的论文 |
附录3 攻读硕士学位期间申请的专利 |
附录4 攻读硕士学位期间参加的科研项目 |
致谢 |
(7)基于沙箱的Android应用程序动态监测技术研究(论文提纲范文)
摘要 |
ABSTRACT |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景 |
1.2 研究现状 |
1.2.1 静态分析 |
1.2.2 动态分析 |
1.3 研究目标及意义 |
1.4 主要研究内容 |
1.5 论文结构安排 |
第二章 Android系统相关原理和技术 |
2.1 Android系统架构 |
2.2 Binder通信机制分析 |
2.3 ART虚拟机 |
2.3.1 ART虚拟机简介 |
2.3.2 OAT文件格式 |
2.3.3 ART虚拟机方法执行机制 |
2.4 Android平台Hook技术 |
2.5 四大组件与两大系统服务 |
2.6 本章小结 |
第三章 基于沙箱的Android应用程序动态监测技术 |
3.1 现有Android应用行为动态监测技术及其弊端 |
3.2 基于沙箱的Android应用动态监测技术 |
3.3 沙箱模块设计 |
3.3.1 沙箱运行原理概述 |
3.3.2 虚拟服务进程设计 |
3.3.3 应用管理模块设计 |
3.3.4 进程初始化模块设计 |
3.3.5 进程管理模块设计 |
3.3.6 Activity插件化设计 |
3.3.7 Launch Mode 一对一类映射规则方法及其弊端 |
3.3.8 基于栈管理算法的虚拟Task栈映射规则方法 |
3.3.9 Service插件化 |
3.3.10 BroadcastReceiver动态注册插件化及其不足 |
3.3.11 BroadcastReceiver代理方式动态注册插件化方法 |
3.3.12 ContentProvider的插件化 |
3.4 系统和应用中敏感API的选取 |
3.4.1 系统敏感API选取 |
3.4.2 应用敏感API选取 |
3.5 监控模块设计 |
3.5.1 监控模块加载时机 |
3.5.2 敏感API分类 |
3.5.3 Binder Hook |
3.5.4 Java Hook |
3.5.5 Naive Hook |
3.6 设备信息防护模块的设计 |
3.7 应用场景及实际价值 |
3.8 本章小结 |
第四章 系统详细设计与实现 |
4.1 系统总体架构设计 |
4.2 虚拟服务进程实现 |
4.3 应用管理模块实现 |
4.4 进程初始化模块实现 |
4.5 进程管理模块的实现 |
4.6 监控模块实现 |
4.6.1 Binder Hook实现 |
4.6.2 Java Hook实现 |
4.6.3 Native Hook实现 |
4.7 设备信息防护模块实现 |
4.8 本章小结 |
第五章 测试与评估 |
5.1 监控流程 |
5.2 沙箱模块测试 |
5.2.1 功能测试 |
5.2.2 同类沙箱对比 |
5.3 监控模块测试 |
5.4 设备信息防护模块测试 |
5.5 各种动态监控系统对比 |
5.6 性能测试 |
5.7 易部署性测试 |
5.8 结论 |
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 |
(8)基于深度学习的油菜典型害虫快速检测研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
主要英文缩写表 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 害虫检测的研究现状 |
1.3 论文内容安排 |
1.4 本章小结 |
第二章 基于深度学习的目标检测方法 |
2.1 深度学习理论基础 |
2.1.1 深度学习概述 |
2.1.2 卷积神经网络理论 |
2.1.3 迁移学习 |
2.1.4 深度学习软件框架 |
2.2 传统的目标检测方法 |
2.2.1 区域选择 |
2.2.2 特征提取 |
2.2.3 分类器 |
2.3 基于深度学习的目标检测方法 |
2.3.1 基于候选区域的目标检测方法 |
2.3.2 基于回归的目标检测方法 |
2.4 深度神经网络在移动端的应用 |
2.5 本章小结 |
第三章 油菜典型害虫的检测方法研究 |
3.1 数据集的构建 |
3.1.1 常见的目标检测数据集 |
3.1.2 油菜害虫数据集的建构 |
3.2 改进的SSD算法 |
3.2.1 特征提取网络的改进 |
3.2.2 特征融合方法 |
3.2.3 Softer NMS |
3.2.4 网络的优化 |
3.3 模型性能指标 |
3.4 实验结果分析与讨论 |
3.4.1 网络训练 |
3.4.2 实验结果与分析 |
3.5 本章小结 |
第四章 油菜典型害虫实时检测系统的设计与实现 |
4.1 需求分析 |
4.2 系统详细设计 |
4.3 系统的实现 |
4.3.1 系统的开发环境 |
4.3.2 TensorFlow的移植 |
4.3.3 图像采集模块 |
4.3.4 图像预处理模块 |
4.3.5 油菜典型害虫检测模块 |
4.3.6 结果展示模块 |
4.4 系统的测试和结果分析 |
4.5 本章小结 |
第五章 结论与展望 |
5.1 主要研究结论 |
5.2 主要创新点 |
5.3 展望 |
参考文献 |
作者简介 |
(9)Android应用间的合谋攻击检测研究(论文提纲范文)
摘要 |
ABSTRACT |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 动态分析方法 |
1.2.2 静态分析方法 |
1.2.3 形式化方法 |
1.3 研究内容与组织结构 |
第二章 相关理论与技术 |
2.1 Android相关理论 |
2.1.1 应用组件 |
2.1.2 意图和意图过滤器 |
2.1.3 应用间通信 |
2.2 Android应用安全 |
2.2.1 权限机制 |
2.2.2 应用间合谋攻击 |
2.3 Android应用间合谋攻击的检测技术 |
2.3.1 反编译技术 |
2.3.2 静态分析技术 |
2.3.3 形式化分析技术 |
2.4 本章小结 |
第三章 Android应用间合谋攻击检测方法的设计 |
3.1 整体检测方法 |
3.2 预处理模块 |
3.3 静态分析模块 |
3.3.1 ICC信息提取模块 |
3.3.2 污点分析模块 |
3.3.3 信息合并模块 |
3.4 形式化分析模块 |
3.4.1 Alloy和 Alloy Analyzer |
3.4.2 模型生成模块 |
3.4.3 模型检测模块 |
3.5 本章小结 |
第四章 Android应用间合谋攻击检测方法的实现 |
4.1 反编译APK |
4.2 获取应用实体 |
4.2.1 提取ICC信息 |
4.2.2 分析污点流 |
4.2.3 合并信息 |
4.3 分析模型 |
4.3.1 自动生成模型 |
4.3.2 检测模型 |
4.4 本章小结 |
第五章 实验结果与分析 |
5.1 实验环境及数据集 |
5.2 实验结果分析 |
5.2.1 自动化分析 |
5.2.2 正确性分析 |
5.2.3 性能分析 |
5.3 与其他方法的对比 |
5.3.1 与单个应用分析方法的对比 |
5.3.2 与多个应用分析方法的对比 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 不足与展望 |
参考文献 |
致谢 |
作者简介 |
(10)汽车停车防人员驻留系统的研究与开发(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景和意义 |
1.1.1 人体目标识别技术 |
1.1.2 基于4G的无线通信技术 |
1.1.3 嵌入式系统 |
1.1.4 Android平台 |
1.2 国内外研究现状分析 |
1.3 主要研究内容及流程 |
第二章 汽车停车防人员驻留系统技术基础 |
2.1 热释电人体红外传感器 |
2.2 4G-LTE网络及其通信协议 |
2.3 嵌入式系统控制技术 |
2.4 基于android系统的用户程序 |
2.5 本章小结 |
第三章 汽车停车防人员驻留系统整体设计 |
3.1 系统整体架构设计分析 |
3.2 系统整体架构设计 |
3.3 嵌入式系统硬件开发平台 |
3.3.1 核心板设计 |
3.3.2 扩展板设计 |
3.4 系统软件架构设计 |
3.5 本章小结 |
第四章 汽车停车防人员驻留嵌入式系统的实现 |
4.1 嵌入式系统开发环境的构建 |
4.2 驱动程序编写 |
4.3 嵌入式Boot Loader的移植 |
4.4 嵌入式Linux内核的配置与移植 |
4.5 Android系统镜像文件烧写 |
4.6 本章小结 |
第五章 车载主控机及手机用户程序的功能设计 |
5.1 车载主控机及手机用户程序的开发环境搭建 |
5.2 车载主控机及手机用户程序的逻辑控制算法 |
5.3 车载主控机用户程序的功能设计导航 |
5.4 车载主控机用户程序的分模块实现 |
5.5 手机用户程序的功能设计导航 |
5.6 手机用户程序的分模块实现 |
5.7 车载主控机及手机用户程序的功能测试 |
5.8 本章小结 |
总结与展望 |
参考文献 |
附录 |
攻读硕士学位期间所取得的研究成果 |
致谢 |
附件 |
四、利用Java撰写手机应用程序(3)下——Java Application Manager篇(论文参考文献)
- [1]面向国产平台的OpenJFX的移植[D]. 董怡蕙. 华中科技大学, 2020(01)
- [2]便利店数据管理系统的设计与实现[D]. 刘安旺. 东北农业大学, 2020(07)
- [3]面向车联网“云-管-端”体系架构的安全防护系统的研究与实现[D]. 贾东伟. 西安电子科技大学, 2020(05)
- [4]移动物体γ辐射污染监测系统优化[D]. 黄博伦. 西南科技大学, 2020(08)
- [5]基于安卓的联邦学习平台设计与实现[D]. 万杰. 电子科技大学, 2020(07)
- [6]智能家居云平台服务器的高可靠性设计与实现[D]. 刘栋. 南京邮电大学, 2019(02)
- [7]基于沙箱的Android应用程序动态监测技术研究[D]. 苏祥. 西安电子科技大学, 2019(05)
- [8]基于深度学习的油菜典型害虫快速检测研究[D]. 曾鸿. 浙江大学, 2019(02)
- [9]Android应用间的合谋攻击检测研究[D]. 史玉兰. 西安电子科技大学, 2019(02)
- [10]汽车停车防人员驻留系统的研究与开发[D]. 戚金凤. 华南理工大学, 2019(01)