基于微服务架构与DBN的服务器信号灯检测及应用研究
发布时间：2022-02-21 10:47
当今社会,各个行业对软件系统的长时间稳定运行提出了较高的要求,机房的服务器作为软件系统运行的基础设施,在整个软件系统的运行控制及信息的存储和传输过程中具有极为重要的意义。为了保证软件的服务质量,后台服务器系统也必须具有强大的可靠性。如果外部环境如电力系统、网络系统等发生故障,或者服务器硬件老化失效,会使服务器运行中断,对整个软件系统的持续运行造成不良的影响,从而造成巨大的经济损失。因此对服务器的运行情况进行实时无间断的监控是十分必要的,及时准确地检测机房服务器的运行状态、发现异常故障并发出相应地警报信号,对后续的及时处理具有关键性的作用。服务器的健康状态是通过服务器前面板上的信号灯来反映的,一般情况下,绿灯表示正常状态、黄灯表示系统降级状态、红灯表示严重系统故障。早期服务器状态的监控工作是由人工定时巡查的方式进行的,这种方式不仅低效,而且很难保证反馈的及时性。后来出现了基于传感器网络的监控方式,但是这种方式要求较高的经济成本,而且需要在机房建设之初进行完备的规划。国内外一些学者在交通灯自动识别方面的研究可以应用到服务器的状态检测中来,其大体思路是提取信号交通灯的形态及HSV特征并结合一...
【文章来源】：北京工业大学北京市211工程院校
【文章页数】：77 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 国内外现状研究
1.3 研究目标及主要内容
1.4 本文的结构安排
第2章 相关技术与理论
2.1 微服务架构技术
2.1.1 传统开发模式分析
2.1.2 微服务架构方式的关键思想
2.2 深度置信网络相关理论
2.2.1 深度置信网络概述
2.2.2 受限玻尔兹曼机
2.2.3 深度置信网络训练过程
2.3 图像特征值提取
2.4 本章小节
第3章 服务器信号灯状态检测算法分析及研究
3.1 相关检测算法分析
3.1.1 基于无线传感器网络的检测方法分析
3.1.2 基于图像HSV特征的检测算法分析
3.2 基于RGBMR及DBN的检测算法
3.2.1 图像RGBMR特征提取方法
3.2.2 DBN识别算法
3.3 实验研究
3.3.1 图像RGBMR特征的提取实验
3.3.2 DBN建立及评估识别
3.3.3 对比研究实验
3.4 本章小节
第4章 基于微服务架构的服务器运行状态检测系统研究
4.1 服务器信号灯检测系统分析
4.1.1 系统可行性分析
4.1.2 系统需求分析
4.2 服务器信号灯检测系统总体设计
4.3 服务器信号灯检测系统详细设计
4.3.1 运维子系统及数据关系配置
4.3.2 控制子系统设计
4.3.3 视频与图像采集子系统设计
4.3.4 分析子系统设计
4.4 系统运行测试
4.5 本章小节
结论
参考文献
攻读硕士学位期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]基于深度学习的医学影像诊断综述[J]. 张巧丽,赵地,迟学斌. 计算机科学. 2017(S2)
[2]基于HSV空间的颜色特征提取[J]. 杨奥博,盛家川,李玉芝,刘赏,赵坤圆. 电脑知识与技术. 2017(18)
[3]一种多层网络下动态负载均衡算法[J]. 刘立帮,黄刚. 计算机技术与发展. 2017(02)
[4]多传感器数据融合技术在机房监控系统中的应用[J]. 赵玲云. 现代电子技术. 2016(24)
[5]基于微服务的数据服务框架设计[J]. 欧阳荣彬,王倩宜,龙新征. 华中科技大学学报(自然科学版). 2016(S1)
[6]一种基于微服务的应用框架[J]. 张晶,黄小锋. 计算机系统应用. 2016(09)
[7]神经网络七十年:回顾与展望[J]. 焦李成,杨淑媛,刘芳,王士刚,冯志玺. 计算机学报. 2016(08)
[8]基于HSV色彩空间与形状特征的交通灯自动识别[J]. 朱永珍,孟庆虎,普杰信. 电视技术. 2015(05)
[9]深度学习的研究与发展[J]. 张建明,詹智财,成科扬,詹永照. 江苏大学学报(自然科学版). 2015(02)
[10]基于ZigBee技术的交通信号灯辨识系统设计[J]. 赵树恩,张沙沙. 计算机测量与控制. 2014(12)
硕士论文
[1]基于小波变换的图像融合算法研究[D]. 徐萌萌.哈尔滨理工大学 2014
[2]基于人工神经网络的图像识别和分类[D]. 卜富清.成都理工大学 2010
[3]图像特征提取方法的研究[D]. 延伟东.西北工业大学 2007
本文编号：3637092
【文章来源】：北京工业大学北京市211工程院校
【文章页数】：77 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 国内外现状研究
1.3 研究目标及主要内容
1.4 本文的结构安排
第2章 相关技术与理论
2.1 微服务架构技术
2.1.1 传统开发模式分析
2.1.2 微服务架构方式的关键思想
2.2 深度置信网络相关理论
2.2.1 深度置信网络概述
2.2.2 受限玻尔兹曼机
2.2.3 深度置信网络训练过程
2.3 图像特征值提取
2.4 本章小节
第3章 服务器信号灯状态检测算法分析及研究
3.1 相关检测算法分析
3.1.1 基于无线传感器网络的检测方法分析
3.1.2 基于图像HSV特征的检测算法分析
3.2 基于RGBMR及DBN的检测算法
3.2.1 图像RGBMR特征提取方法
3.2.2 DBN识别算法
3.3 实验研究
3.3.1 图像RGBMR特征的提取实验
3.3.2 DBN建立及评估识别
3.3.3 对比研究实验
3.4 本章小节
第4章 基于微服务架构的服务器运行状态检测系统研究
4.1 服务器信号灯检测系统分析
4.1.1 系统可行性分析
4.1.2 系统需求分析
4.2 服务器信号灯检测系统总体设计
4.3 服务器信号灯检测系统详细设计
4.3.1 运维子系统及数据关系配置
4.3.2 控制子系统设计
4.3.3 视频与图像采集子系统设计
4.3.4 分析子系统设计
4.4 系统运行测试
4.5 本章小节
结论
参考文献
攻读硕士学位期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]基于深度学习的医学影像诊断综述[J]. 张巧丽,赵地,迟学斌. 计算机科学. 2017(S2)
[2]基于HSV空间的颜色特征提取[J]. 杨奥博,盛家川,李玉芝,刘赏,赵坤圆. 电脑知识与技术. 2017(18)
[3]一种多层网络下动态负载均衡算法[J]. 刘立帮,黄刚. 计算机技术与发展. 2017(02)
[4]多传感器数据融合技术在机房监控系统中的应用[J]. 赵玲云. 现代电子技术. 2016(24)
[5]基于微服务的数据服务框架设计[J]. 欧阳荣彬,王倩宜,龙新征. 华中科技大学学报(自然科学版). 2016(S1)
[6]一种基于微服务的应用框架[J]. 张晶,黄小锋. 计算机系统应用. 2016(09)
[7]神经网络七十年:回顾与展望[J]. 焦李成,杨淑媛,刘芳,王士刚,冯志玺. 计算机学报. 2016(08)
[8]基于HSV色彩空间与形状特征的交通灯自动识别[J]. 朱永珍,孟庆虎,普杰信. 电视技术. 2015(05)
[9]深度学习的研究与发展[J]. 张建明,詹智财,成科扬,詹永照. 江苏大学学报(自然科学版). 2015(02)
[10]基于ZigBee技术的交通信号灯辨识系统设计[J]. 赵树恩,张沙沙. 计算机测量与控制. 2014(12)
硕士论文
[1]基于小波变换的图像融合算法研究[D]. 徐萌萌.哈尔滨理工大学 2014
[2]基于人工神经网络的图像识别和分类[D]. 卜富清.成都理工大学 2010
[3]图像特征提取方法的研究[D]. 延伟东.西北工业大学 2007
本文编号：3637092
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3637092.html
