基于CloudStack云平台的神经网络分类器的设计与实现

发布时间：2017-08-28 15:43

  本文关键词：基于CloudStack云平台的神经网络分类器的设计与实现

  更多相关文章： 云计算 PaaS 神经网络分类器 JOONE

【摘要】：随着云计算相关技术的迅猛发展,公司和企业在云计算平台方面的需求变得越来越大。用户的分类在云平台运营中显得异常重要,云平台运营商期望可以通过对用户的分类研究,更好的管理云平台同时最大化云平台可获取的经济利益。面对云平台日益增长的用户分类的需求,公司提出基于Cloudstack云平台上开发神经网络用户分类器,借由该分类器,云平台运营商可以直观的将用户分类,了解不同用户对云平台的价值程度。 本论文以神经网络分类器的开发为背景,论述了基于Cloudstack云平台的神经网络用户分类器的设计与实现。论文首先阐述了课题的来源和背景。接着介绍了Cloudstack云平台的相关技术以及神经网络分类器的相关技术；然后进行了需求分析,确立了用户的分类属性的需求分析,以及系统用户识别；确立系统功能性需求,随后确立了系统的非功能性需求分析。在需求分析的基础上,设计了系统总体架构,分类器功能模块组件和数据库功能模块组件以及神经网络模型；随后基于设计实现了各功能模块包括分类器模块和数据库模块,完成了基于Cloudstack的神经网络分类器的功能实现,最后阐述了基于Cloudstack系统的API实现流程。 该项目主要使用Java语言编写,基于CentOS6.5操作系统和MySQL数据库,结合Cloudstack API以及JOONE神经网络框架完成。该系统的需求分析,系统设计和系统实现过程均由本人完成,同时本人也完成了最后该系统的测试工作。
【关键词】：云计算 PaaS 神经网络分类器 JOONE
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP311.52;TP393.09
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-11
• 1 引言11-21
• 1.1 选题背景11-15
• 1.1.1 云计算概述11-12
• 1.1.2 分类器的概述12-15
• 1.2 主要技术发展现状15-18
• 1.2.1 国内外主流云平台介绍15-17
• 1.2.2 机器学习的发展过程17-18
• 1.3 选题来源18
• 1.4 论文结构18-21
• 2 相关技术综述21-35
• 2.1 CloudStack云平台的技术综述21-31
• 2.1.1 CloudStack云平台功能及架构21-28
• 2.1.2 Cloudstack系统代码入口分析28-29
• 2.1.3 CloudStack API综述29-31
• 2.2 神经网络分类器的技术综述31-34
• 2.2.1 人工神经网络的发展历史与现状31-32
• 2.2.2 BP神经网络优缺点32-33
• 2.2.3 神经网络开源框架JOONE33-34
• 2.3 本章小结34-35
• 3 需求分析35-47
• 3.1 分类属性的需求分析35-37
• 3.2 分类器的用户识别37-39
• 3.3 功能性需求分析39-45
• 3.3.1 创建分类器用例分析39-40
• 3.3.2 训练分类器用例分析40-41
• 3.3.3 提取和处理分类数据用例分析41-42
• 3.3.4 运行分类器用例分析42-43
• 3.3.5 删除分类器用例分析43-44
• 3.3.6 查看用户分类结果用例分析44-45
• 3.4 非功能性需求分析45-46
• 3.5 本章小结46-47
• 4 系统设计47-61
• 4.1 系统架构设计47-51
• 4.1.1 系统总体功能结构48-49
• 4.1.2 逻辑分层架构49-51
• 4.2 分类器功能模块设计51-56
• 4.2.1 分类标准的设计51-53
• 4.2.2 BP神经网络建模设计53-55
• 4.2.3 分类器模块行为分析55-56
• 4.3 数据库功能模块设计56-59
• 4.3.1 数据库相关各表设计56-58
• 4.3.2 数据库模块行为分析58-59
• 4.4 本章小结59-61
• 5 系统实现61-79
• 5.1 系统代码结构61-64
• 5.2 分类器功能模块的实现64-66
• 5.2.1 功能类的实现64-65
• 5.2.2 API类的实现65-66
• 5.3 数据库功能模块的实现66-69
• 5.3.1 功能类的实现66-67
• 5.3.2 API类的实现67-69
• 5.4 基于Cloudstack系统的API实现69-77
• 5.4.1 系统API开发的相关实现70-74
• 5.4.2 系统API调用流程74-77
• 5.5 本章小结77-79
• 6 系统测试79-91
• 6.1 功能性测试79-80
• 6.2 分类器性能测试80-89
• 6.2.1 测试环境模拟80-81
• 6.2.2 测试数据的生成81-86
• 6.2.3 分类测试86-89
• 6.2.4 测试结果分析89
• 6.3 本章小结89-91
• 7 总结与展望91-93
• 参考文献93-95
• 作者简历95-99
• 学位论文数据集99

【参考文献】

中国期刊全文数据库 前10条

1 郑建军;甘仞初;贺跃;于同;;神经网络分类器动态集成方法[J];北京理工大学学报;2005年12期

2 陈美;朱琦;;基于改进神经网络的自动调制识别研究[J];重庆邮电大学学报(自然科学版);2009年06期

3 沈凤龙;毕娟;;基于BP神经网络分类器的多目标识别方法研究[J];辽东学院学报(自然科学版);2008年04期

4 房秉毅;张云勇;程莹;徐雷;;云计算国内外发展现状分析[J];电信科学;2010年S1期

5 邓红;王东兴;;主流开源云平台的商业选择[J];电脑知识与技术;2012年32期

6 程莉;;优化的神经网络分类器在自动调制识别中的应用[J];工程研究-跨学科视野中的工程;2013年03期

7 韩宏,杨静宇;神经网络分类器的组合[J];计算机研究与发展;2000年12期

8 韩清凯,杜戊,尹洪祥,闻邦椿;基于图像局部奇异值向量和BP神经网络分类器的道路导航方法[J];机器人;2004年01期

9 杨斐,王坤明,马欣,朱双东;应用BP神经网络分类器识别交通标志[J];计算机工程;2003年10期

10 汪芳琴;谢强;丁秋林;;基于REST的Web服务研究[J];中国制造业信息化;2009年23期

，

本文编号：748437