一、计算中心教学管理安全性的探讨（论文文献综述）
谢辉[1]（2021）在《边缘计算环境下可信接入安全技术研究与实现》文中指出新时代背景下物联网和5G通信技术正处于急速发展的状态,位于网络边缘的终端设备数量规模越来越庞大,海量数据的计算和处理给传统的云计算带来了极大的压力。边缘计算是在离终端设备距离更近的地方来提供相应的服务,使得云计算面临的数据传输延时和带宽等压力得到缓解。但是,边缘计算中的网络设备也面临着各个方面的安全挑战。云计算模式下的常规防护机制,难以有效保护计算和存储资源都较为有限的终端设备,而且终端设备数量规模庞大且分布广泛,一旦被感染的终端设备接入到边缘计算平台,会导致各种安全问题。因此,如何有效防护边缘计算环境中的接入安全非常关键。针对上述问题,本文针对边缘计算环境下的可信接入安全技术进行研究,设计并实现了一种基于身份的匿名认证密钥协商（AAKA）协议和一种基于BP神经网络的信任度评估模型,具体研究内容如下:1.通过分析边缘计算环境中终端设备和边缘计算服务器相互认证所面临的安全挑战,研究并设计了一种适用于边缘计算环境的基于身份的匿名认证密钥协商协议。该协议基于椭圆曲线加密系统和双线性配对等理论知识,终端设备和边缘计算服务器仅需要在云端注册中心经过注册后即可进行相互认证,认证过程中只需一个来回的通信流程。基于复杂性假设和随机预言机模型的安全性证明表明,该协议自身具备较高的安全性,并且具备终端设备匿名性、前向保密性等安全特性。2.通过研究边缘计算环境中的信任度机制,选择合适的信任度评估因子,基于BP神经网络模型构建了一个信任度评估模型。首先通过Edge Cloud Sim仿真软件获取数据来进行仿真实验,再通过对比其他三种分类方法来验证BP神经网络模型的评估性能优越性,仿真结果说明我们的信任度评估模型在评估性能方面取得了更好的表现。3.最后基于边缘计算开源平台Baetyl实现了可信接入安全模块,在测试环境中验证了本文所设计的身份认证协议的安全性,并通过对比表明了该协议在传输成本和计算成本上都取得了更佳的性能优势。针对信任度评估模块,对比AHP层次分析法进行实验,结果表明本文中基于BP神经网络的信任度评估方法取得了更佳的评估准确率。
龙新征,欧阳荣彬,李若淼,崔建,张蓓[2]（2020）在《面向高校的在线教学云直播平台体系架构设计与应用》文中研究表明针对现有在线教学平台普遍存在的技术性要求高、支持人数有限、难以满足板书需求、无法满足"线上+线下"混合式教学等问题,提出一种面向全国高校的通用性云直播平台体系架构设计方案.利用现有教室中的摄像头和多媒体教学设备进行直播;支持CARSI联邦身份认证,使全国高校都能以云租户形式接入并进行自服务管理;建立基于租户和课程属性的数据模型,实现细粒度的权限划分和授权,加强资源共享的安全性.该方案应用于北京大学燕云直播平台建设,截至2020年9月,平台视频总点击量978 000次,高峰时段在线观看人数26 837人.
朱东伟[3]（2020）在《新型雾计算架构及其在遥感图像分类中的应用研究》文中进行了进一步梳理众所周知,云计算自90年代末被提出以来,凭借着对延迟和网络抖动不敏感的大规模批处理业务适用的优势,很快成为了各行各业竞相争夺的科技制高点和财富宝地。然而,随着接入无线网的智能设备数量的快速增长,边缘数据量已达到泽字节（ZB）级别,给云计算核心网络带宽造成巨大压力;与此同时,无人驾驶、位置识别、增强现实、虚拟现实等众多新兴应用的出现对网络延迟、抖动,数据安全等提出了更高的要求,传统云计算已无法很好的满足以上要求,人们对于快响应、低延迟、数据安全度高的网络环境和新兴应用的需求日益迫切。雾计算架构的出现较好的解决了以上问题。雾计算架构打破了传统云计算集中式处理数据的工作方式,旨在将用户提交的任务在靠近用户侧进行处理,这样一来,数据无需全部上传至云计算中心,不仅减少了核心网络带宽的压力,同时降低了数据在上传过程中被不法分子窃取的风险。由于距离用户只有一跳,对于用户而言,相当于在本地处理,能够给用户提供低时延、快响应服务。本文主要工作和研究内容如下:1.基于对领导者选举算法的研究,针对目前存在的几种领导者选举算法通信复杂度高,领导者选举过程耗时长的问题,提出了一种序号动态变化的改进领导者选举算法。该算法在系统启动前对所有雾计算节点进行编号,基于小序号优先原则,编号为1的雾计算节点直接被任命为领导者节点,负责系统资源调配和管理。当领导者节点故障退出时,编号为2的节点继任领导者节点,成为领导者节点后,该节点当前标号被改为1,然后通知所有节点将自己的序号全部做减1处理。而退出系统的节点重新加入系统时,自动将序号改为n（10）1（n为当前系统中雾计算节点编号的最大值）。很显然,这样的领导者任命机制,能够降低算法的通信复杂度,算法通信复杂度从2O（n）降为O（n）,缩短了整个算法的执行时间,提高了算法效率。2.针对传统雾计算架构中任务分配不够合理,不能充分利用系统资源的问题,结合雾计算架构特点,提出了一种基于加权轮转算法的新型雾计算架构。首先,根据系统中各雾计算节点的计算能力和存储能力给各个雾计算节点分配相应的权值,权值高的节点将分配到更多的任务,权值低的节点则分配较少的任务,以便充分利用系统资源。为防止节点因故障退出和其他任务占用计算资源的情况,在以上机制的基础上,又引入了一种当前节点任务预完成时间汇报机制,各节点根据任务处理情况实时反馈当前任务预完成时间,领导者节点根据收集到的信息,实时更新各节点的权值,使后续任务分配更加合理,达到提高系统资源利用率的目的。3.本文通过对雾计算架构和算法的研究,设计并实现了一种基于新型雾计算架构的在线遥感图像分类系统。首先,给出了遥感图像分类的定义、基础原理和分类过程。然后,分别对系统架构、系统组成结构和系统工作流程进行了详细阐述,最后通过遥感图像分类结果和对系统的合理性分析,证明了本文提出的算法和新型雾计算架构的有效性和合理性,基于新型雾计算架构的在线遥感图像分类系统也基本能够满足用户对在线遥感图像分类业务的需求。根据算法通信复杂度分析,本文提出的改进领导者选举算法降低了算法的通信复杂度,能够达到缩短算法执行时间的目的。根据仿真实验结果对比,本文提出的基于加权轮转算法的新型雾计算架构要优于普通雾计算架构。根据系统运行结果分析,基于新型雾计算架构的在线遥感图像分类系统基本可以满足用户对于遥感图像在线分类系统的需求。
罗泉[4]（2020）在《基于LoRa的智慧物联网系统设计研究》文中进行了进一步梳理随着世界各国政府和企业对物联网（The Internet of Things,Io T）行业的大力支持和投入,物联网产业被急速地催生。本论文主要在传统物联网的基础上,对低功耗广域网（Low Power Wide Area Network,LPWAN）技术和Lo Ra（Long Range）技术进行研究分析,结合边缘计算,设计并实现一套基于Lo Ra的智慧物联网系统,解决了传统物联网应用远距离和低功耗不可兼得的难题,同时,通过增强系统边缘侧的智能化实现大规模无线传感器的信息获取、数据处理和存储,从而减小云计算中心的计算压力。本文主要完成以下工作内容:（1）研究分析LPWAN技术、Lo Ra技术以及边缘计算的原理、特点与发展。LPWAN技术具备广覆盖、低功耗、低成本、大接入等特点,且已作为物联网连接的首选技术之一,其中Lo Ra是LPWAN中发展比较快、相对比较成熟的技术,引入边缘计算可使得系统更加高效地处理边缘数据。（2）智慧物联网系统的设计与实现。首先根据各个应用模块的功能设计系统的整体架构,将系统划分为节点、网关和服务器三部分;然后完成节点与网关的硬件设计,包括器件选型、电路设计和印制电路板（Printed Circuit Board,PCB）设计;接着设计适合本系统中节点与网关、网关与服务器之间的通信协议;接着完成节点、网关外设模块的驱动以及服务器的搭建,并按照制定的通信协议,实现节点将采集的传感器数据经由网关上报至服务器且在网页显示;接着设计并实现节点的低功耗,延长节点电池的使用寿命;最后,引入边缘计算提升系统边缘设备的数据处理能力,实现节点与网关信息决策、网关数据分析与清洗等功能,使得系统更加智能化。（3）系统整体测试。针对节点、网关和服务器进行一系列测试,包括节点低功耗测试、网关通信覆盖范围测试、系统整体功能及性能测试,并将该系统结合现代农业进行实地部署试验,实验结果表明系统能够按照预期效果稳定运行,且取得良好的应用效果。
冯辰[5]（2020）在《高校既有院落式建筑改造设计研究》文中认为院落式布局是中国传统建筑的典型形态,其大量存在于我国传统高校校园内。随着时间的推移,我国传统高校内的院落式建筑已经出现不同程度的老化,跟不上时代的发展,但是这些建筑保留着古代书院寄情于山水的文化内涵,记载着高校悠久的历史文脉,是高校自身的一笔宝贵财富。除此之外,当代教育正在走向多元化发展,交流互动成为课堂教学的主要形式,而院落空间因为其自然开放属性为教学模式的转变提供了场所,营造了室外交流学习空间,推动了教学改革的进行。鉴于这些实际状况,对高校既有院落式建筑进行更新改造势在必行。目前国内外存在大量的高校既有院落式建筑的改造实例,但是关于它的理论研究不多,这导致在实践时缺乏相关的理论指导。因此本文立足于高校既有院落式建筑改造设计的研究,探讨高校既有院落式建筑改造设计的相关方法,以期为将来的实践提供参考。本文首先从高校院落式建筑改造的相关概念入手,厘清了我国院落式建筑和高校建筑的发展脉络,归纳总结了高校院落式建筑的类型、特点以及既有建筑的改造方式,阐述了高校院落式建筑的改造特点,并通过实地调研,总结分析目前高校既有院落式建筑的改造现状,提炼改造要点;其次,通过对高校院落式建筑的现状及存在的问题进行分析,总结出改造动因、面临的问题及改造价值;基于以上内容,提出高校既有院落式建筑的五大改造原则,并提出改造过程中建筑空间与院落空间的共生关系。最后,针对高校院落式建筑中存在“建筑——院落”这一空间关系的特点,本文通过建筑与院落的逻辑关系表达类型来探究高校既有院落式建筑的改造设计手法,并通过两个实践案例对前文的研究内容进行论证。
刘珍娟[6]（2020）在《大数据驱动的信息物理融合系统的软件定义建模方法》文中研究说明信息物理融合系统（Cyber-Physical System,CPS）通过各种传感器将信息世界与物理世界深度融合起来,改变了人与物理世界的交互方式。随着人类社会的发展与进步,数据的产生呈指数级增长,使得CPS面临着巨大的挑战。首先,CPS作为一个嵌入式系统,其本身的存储能力与计算能力有限,如何存储和计算海量的CPS数据是其面临的一个挑战。其次,CPS是一个结合了计算、通信与控制的3C系统,随着CPS种类与数量的增加,如何对这些CPS节点进行控制与管理是其面临的另一个挑战。针对这两个问题,结合大数据技术与软件定义的思想,提出一种大数据驱动的信息物理融合系统的软件定义建模方法。首先,利用软件定义的思想,将控制层从CPS物理设备中分离出来,并由控制中心进行集中控制与管理。然后,利用云计算对这些数据进行分析与处理,再将处理好的结果反馈到控制中心,实现对物理设备的控制与管理。该体系结构将大数据技术与软件定义深度结合到CPS中,改变了传统CPS数据存储与计算方式以及CPS之间的交互方式。最后,将该CPS体系结构应用到车联网系统中,提出一种五层的车联网CPS体系结构,分别包括应用层、云计算层、控制层、路边单元层以及车联网车载单元层。为了验证大数据驱动的车联网CPS的软件定义建模方法的有效性与准确性,本文主要做了如下两方面的工作:（1）采用体系结构分析与设计语言（Architecture Analysis&Design Language,简称AADL）对大数据驱动的车联网CPS系统进行软件定义建模,分别对该车联网体系结构每一层构建一个子系统,并对每个子系统通过添加AADL附件的方式进行端到端流分析以及模型整体结构设计安全性分析,验证了大数据驱动的车联网CPS软件定义建模方法的有效性;（2）以车联网系统中的车载传感器数据为实例,提出一种基于残差结构的神经网络数据处理模型。通过与K最近邻（KNN）、随机森林（Random Forest）、决策树（Decision Tree）、传统的神经网络模型（Deep Neural Network）等方法作对比。实验结果表明基于残差结构的神经网络模型精度都优于这些方法,验证了基于残差结构的神经网络模型对数据分析与处理方面的准确性,提高了车联网CPS数据分析与处理能力。通过结合大数据技术与软件定义的思想,提出了一种新的车联网CPS体系结构,有效解决了CPS中数据存储不足以及自动化水平不高的问题。
樊春,来天平,欧阳荣彬,张蓓[7]（2020）在《北大直播课堂：让教师“零门槛”在线教学》文中研究指明2020年2月,全国大部分高校迎来了前所未有的在线开学潮。在教育部"停课不停学"的重要部署下,以直播、录播、慕课、研讨等方式为主的在线教学对于高校来说无疑是一次"大考"。现在看来,"云端"授课考验的不仅是教师如何快速掌握各种教学平台,如何调整教学内容来适应知识的隔空传播,更考验的是教学过程。授课过程中出现卡顿、阻塞、打不开PPT的窘迫,都会大大影响教
齐鹏飞[8]（2020）在《基于微信的智慧校园小程序设计》文中提出随着互联网技术的发展,信息技术在校园内的应用也越来越丰富,近年来各高校都在着手构建“智慧校园”和加强信息化建设。当前我校师生在校园信息获取方面仍存在着痛点问题,部分校园网站的入口比较深,域名难记,界面不太友好,且有部分没有做移动端适配,基于以上问题,本文研究和开发了一款集成校园各类数据和信息的微信小程序,还为此开发了Web管理平台以实现对小程序的日常管理。本文前期采用调研的方法,收集师生需求,同时认真参考了国内多款校园移动应用,制定出了完善的设计方案。本文以“西电导航助手”微信小程序的开发过程为实例,论述了移动端应用软件的分析、设计与实现。本文详细介绍了互联网项目开发的主流技术以及在本项目中的应用情况:本项目采用了前后端分离的开发模式,服务器端采用LNMP架构,并引入PHP-FPM进程管理器提高接口的并发性能;基于Docker搭建开发和测试环境;本项目还基于Confluence搭建起一套实验室内部Wiki系统,用于记录软件生命周期;本项目开发采用了Git工作流,并引入了微服务架构中应用广泛的基于Gitlab的持续集成、持续部署服务;基于开源的YApi搭建API接口管理系统等。本文所论述的校园移动应用主要实现了校内新闻、录取结果、快递点、校车时间、学术报告等信息获取功能,成绩、课表、校园网流量、达标测试、体检结果、计算中心订机、四六级、教师、电费账号等信息查询功能,以及录取通知书快递实时跟踪等功能。面对突如其来的新型冠状病毒感染肺炎疫情的挑战,本项目紧急开发“西电战疫”模块,广泛采集校内外防疫通知,发布了包括校园出入管理、值班调整、考研就业、社区后勤等多方面信息。本文通过业务流程图、功能设计图等描述工具直观展现了功能模块、接口、数据库的设计方案。经过多方面详细的测试后,智慧校园小程序正式投入使用,并获得了广大师生、家长用户的一致好评。在多个版本的迭代中,系统功能不断强化,截至目前,累计用户已超过40000人,具有很高的实用价值。尤其在西电师生合力抗击新冠肺炎疫情的阻击战中,发挥了积极的作用,使师生能够及时获取学校防疫最新通知,帮助西电人共同度过难关,我们用所学的知识为打赢疫情防控阻击战和校园信息化建设做出了自己的贡献。
郑逢斌,朱东伟,臧文乾,杨劲林,朱光辉[9]（2020）在《边缘计算：新型计算范式综述与应用研究》文中指出科学技术的快速发展,使万物互联设想不再仅仅停留在人们的概念中。随着接入无线网的智能设备数量的快速增长,边缘数据量已达到ZB级别,给核心网络带宽造成巨大压力;与此同时,无人驾驶、位置识别、增强现实、虚拟现实等众多新兴应用的出现对网络延迟、抖动、数据安全等提出了更高的要求。传统云计算在以上方面表现乏力,于是边缘计算（EC）应运而生。边缘计算能够在网络的边缘提供轻量级的云计算和存储能力。对边缘计算的最新研究成果和应用进行了详尽的回顾。首先综述边缘计算和云计算的概念并对比分析边缘计算的优势,指出边缘计算发展的必然性和时代趋势;然后针对典型边缘计算架构和平台进行了全面的综述,并讨论了网络性能优化、视频缓存、购物车视图刷新和网络视频直播等边缘计算中的典型应用案例。最后,从边缘计算服务管理、应用移动性管理、计算资源管理、数据管理等四方面,展望了边缘计算的开放式研究挑战和未来的发展趋势,希望能给从事边缘计算的科研工作者带来启发。
陈黄科[10]（2019）在《面向对地观测大数据云服务的天地一体优化方法》文中研究表明面对不断提高的卫星成像分辨率以及快速增加的在轨卫星,天基对地观测卫星系统获取数据的速度和总量都呈爆炸式增长。据报道,我国在轨卫星每天获取的对地观测数据高达数百个TB,而且增长势头强劲,这意味着对地观测大数据时代已经来临。当前,用户对卫星对地观测数据服务提出新要求。在时间分辨率上,用户急需卫星对地观测数据在获取、传输、处理和分发整个流程中的响应趋向近实时化;在空间分辨率上,用户需要卫星图像的分辨率高达亚米级、甚至厘米级;且观测范围覆盖全球。特别是面向包括时敏目标、海上移动目标、抗震救灾等应用场景时,用户对卫星对地观测数据服务的时空分辨率提出更高要求。我国当前的对地观测卫星和通信卫星各成体系,管理隔离,对地观测数据服务的响应速度慢,资源利用率低,已难以满足动态高并发全球范围内高时空分辨率服务需求。为了提高卫星覆盖能力、缩短响应时间、提高体系协同能力,一种有效的途径是实现多星组网,并耦合卫星网络和地面云计算形成天地一体化平台。以对地观测数据直接服务用户为核心,打通由用户请求发起、卫星数据获取、传输、处理、情报提取与分发共享、直至用户应用的快速服务通道。在任务驱动下,协同组织和优化星地数据获取、传输、计算、存储、数据处理等资源,从而支撑近实时甚至实时的卫星对地观测数据服务。本文重点研究以下五个关键问题:对地观测数据获取环节的任务调度、数据传输环节的星间数据卸载优化、数据处理环节的实时调度、安全管理和不确定优化。通过解决以上关键问题,本文主要做了以下五点贡献:（1）提出面向卫星多目标调度的自适应演化方法针对卫星对地观测任务多目标调度问题,本文设计一个基于目标空间划分的自适应多目标演化算法,在保持种群多样性的同时加速种群的收敛速度,从而快速搜索一组高效解来平衡卫星对地观测任务调度中多个相互冲突目标。在其中,本文定义一个新的指标来度量多目标演化算法中每个子空间对种群收敛的贡献,并提出一个自适应策略,根据子空间对种群收敛的贡献,自适应地将计算资源分配给不同子空间。（2）提出面向卫星大数据卸载的自组织优化方法针对卫星网络资源受限、高动态星间拓扑以及对地观测数据产生的随机性和突发性,本文提出了一种自组织优化方法,用于卸载卫星网络中对地观测大数据,从而近实时地下传到地面站。具体而言,该方法中定义了卫星梯度来充分反映其可用资源与约束之间的关系,并设计一种新的策略来更新每颗卫星的邻域,以处理卫星拓扑的高动态性。在卫星梯度和邻域的基础上,本文提出一种基于双向选择的优化策略,该策略支持每颗卫星通过与相邻卫星交互来进行数据卸载决策。（3）提出云计算中面向对地观测大数据处理的实时调度方法对地观测大数据流不断到达地面站,并动态地提交到云计算进行实时或近实时处理。对地观测数据流的随机性与突发性严重挑战云计算资源的快速响应能力。为了解决以上问题,本文将对地观测大数据的处理过程建模为实时工作流,每个工作流对应一份数据的处理流程,并推导出两个推论来最小化一组工作流任务的完成时间和每个工作流任务的开始时间。然后,本文定义了工作流任务的最晚完成时间,并证明最晚完成时间有助于减少对地观测大数据处理成本而不延误其完成时间。在此基础上,本文提出一个基于任务复制的调度算法,以实时调度大数据流到云计算平台进行处理,最大限度地缩短云计算的响应时间和降低处理大数据流的成本。（4）提出云计算中面向对地观测大数据处理的安全感知调度方法数据加密是保障安全性敏感对地观测大数据的重要手段,但是,数据加密的时间开销将延迟大数据处理的完成时间和增加成本。为了解决以上问题,本文首先从理论上分析如何复制任务来缓解数据传输和加密开销对任务开始时间的延迟,并提出一种面向安全敏感工作流的调度方法,其中包含两个重要阶段:1)任务调度,利用资源的空闲时隙,有选择地复制部分前驱任务来改善任务的开始时间和资源利用;2)挖掘任务的松弛时间对中间数据进行加密,以缓解数据加密开销冲击任务开始时间和工作流完成时间。（5）提出云计算中面向对地观测大数据处理的不确定感知调度方法针对不确定因素严重冲击云计算平台处理对地观测大数据的性能,本文设计一个新颖的调度框架来控制每个服务实例上等待任务的数量,以阻止不确定性传播。基于这个框架,本文提出一个不确定感知的在线算法来调度带截止期的大数据处理工作流。该算法巧妙地整合了一个前摄性和一个反应式策略,在运行基准调度方案期间,动态调用算法中的反应式策略来生成能够处理不确定因素的前摄性调度方案。
二、计算中心教学管理安全性的探讨（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、计算中心教学管理安全性的探讨（论文提纲范文）
（1）边缘计算环境下可信接入安全技术研究与实现（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 国内外研究现状 |
| 1.2.1 身份认证协议研究现状 |
| 1.2.2 信任度评估研究现状 |
| 1.3 本文的研究内容与创新 |
| 1.4 本文的结构安排 |
| 第二章 可信接入安全技术的理论知识介绍 |
| 2.1 边缘计算可信接入安全概述 |
| 2.2 身份认证协议理论基础 |
| 2.2.1 椭圆曲线加密系统和双线性配对 |
| 2.2.2 复杂性假设 |
| 2.2.3 随机预言机模型 |
| 2.3 BP神经网络概述 |
| 2.3.1 BP神经网络原理 |
| 2.3.2 BP神经网络的特点 |
| 2.3.3 BP 神经网络的学习过程 |
| 2.4 本章小结 |
| 第三章 身份认证协议设计 |
| 3.1 系统模型架构 |
| 3.2 协议安全性需求 |
| 3.3 协议认证流程 |
| 3.3.1 系统初始化 |
| 3.3.2 终端设备注册和边缘计算服务器注册 |
| 3.3.3 双向认证 |
| 3.4 安全性证明与分析 |
| 3.4.1 协议自身安全性证明 |
| 3.4.2 协议的安全特性分析 |
| 3.5 本章小结 |
| 第四章 信任度评估模型设计 |
| 4.1 边缘计算中的信任机制 |
| 4.1.1 信任的定义 |
| 4.1.2 边缘计算的零信任架构 |
| 4.1.3 信任度评估模型设计 |
| 4.2 BP神经网络模型设计 |
| 4.2.1 输入层和输出层的设计 |
| 4.2.2 隐含层的设计 |
| 4.2.3 激活函数的选择 |
| 4.3 BP神经网络模型仿真 |
| 4.3.1 数据来源和预处理 |
| 4.3.2 实验结果与分析 |
| 4.4 本章小结 |
| 第五章 可信接入安全模块的实现与测试 |
| 5.1 可信接入安全模块实现 |
| 5.1.1 总体架构设计 |
| 5.1.2 身份认证 |
| 5.1.3 信任度评估 |
| 5.2 测试环境搭建 |
| 5.3 系统性能测试 |
| 5.3.1 可靠性测试 |
| 5.3.2 性能评估 |
| 5.4 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 个人简历及攻读硕士学位期间取得的成果 |
（2）面向高校的在线教学云直播平台体系架构设计与应用（论文提纲范文）
| 1 相关工作 |
| 2 总体架构 |
| 2.1 云直播网站 |
| 2.2 联邦身份认证体系 |
| 2.3 统一资源管理体系 |
| 2.4 通用视频播放服务 |
| 3 关键技术 |
| 3.1 基于CARSI的联邦认证机制 |
| 3.2 基于租户和课程属性的数据模型 |
| 3.3 基于教室摄像头的视频播放服务 |
| 4 典型应用 |
| 结 语 |
（3）新型雾计算架构及其在遥感图像分类中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.3 研究目标和内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 论文组织结构 |
| 1.5 本章小结 |
| 2 雾计算基础理论、架构和应用场景 |
| 2.1 雾计算概述和定义 |
| 2.2 与雾计算相似的计算模式 |
| 2.3 雾计算系统架构 |
| 2.4 应用场景 |
| 2.5 本章小结 |
| 3 一种基于节点序号动态变化的改进领导者选举算法 |
| 3.1 领导者选举算法 |
| 3.1.1 raft选举算法 |
| 3.1.2 欺负选举算法 |
| 3.1.3 环选举算法 |
| 3.1.4 通信复杂度对比分析 |
| 3.2 基于节点序号动态变化的改进领导者选举算法 |
| 3.2.1 领导者任命机制 |
| 3.2.2 领导者节点故障处理机制 |
| 3.2.3 普通节点故障处理机制 |
| 3.2.4 退出后的节点或新节点加入系统 |
| 3.2.5 算法分析 |
| 3.3 本章小结 |
| 4 一种基于加权轮转算法的新型雾计算架构 |
| 4.1 负载均衡策略研究 |
| 4.2 基于加权轮转算法的新型雾计算架构 |
| 4.2.1 架构说明 |
| 4.2.2 流程说明 |
| 4.2.3 流程图 |
| 4.3 架构合理性分析 |
| 4.4 实验验证分析 |
| 4.4.1 实验方案 |
| 4.4.2 实验结果与分析 |
| 4.5 本章小结 |
| 5 新型雾计算架构在遥感图像分类中的应用 |
| 5.1 遥感图像分类概述 |
| 5.1.1 遥感图像分类定义 |
| 5.1.2 遥感图像分类原理 |
| 5.1.3 遥感图像分类过程 |
| 5.2 基于新型雾计算架构的在线遥感图像分类系统设计 |
| 5.2.1 系统架构设计 |
| 5.2.2 系统组成结构设计 |
| 5.2.3 系统工作流程图 |
| 5.2.4 系统合理性分析 |
| 5.3 在线遥感图像分类系统分类效果展示 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的科研成果 |
（4）基于LoRa的智慧物联网系统设计研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 LoRa国内外研究现状 |
| 1.2.2 边缘计算国内外研究现状 |
| 1.3 课题研究内容安排 |
| 第2章 系统关键技术研究及架构设计 |
| 2.1 系统关键技术研究 |
| 2.1.1 LPWAN技术 |
| 2.1.2 LoRa通信技术 |
| 2.1.3 边缘计算 |
| 2.2 系统整体架构设计 |
| 2.3 本章小结 |
| 第3章 系统硬件设计 |
| 3.1 节点硬件电路设计 |
| 3.1.1 微控制器的选型及外围电路设计 |
| 3.1.2 LoRa模块的选型及接口电路设计 |
| 3.1.3 传感器的选型及接口电路设计 |
| 3.1.4 SD卡存储模块选型及接口电路设计 |
| 3.1.5 电源模块电路设计 |
| 3.1.6 节点PCB设计及实物图 |
| 3.2 网关硬件电路设计 |
| 3.2.1 微控制器的选型 |
| 3.2.2 LoRa模块接口电路设计 |
| 3.2.3 网关实物图 |
| 3.3 本章小结 |
| 第4章 系统软件设计 |
| 4.1 LoRa模块软件设计 |
| 4.1.1 SX1278的SPI接口配置 |
| 4.1.2 SX1278的初始化配置 |
| 4.1.3 SX1278的数据发送与接收 |
| 4.2 系统数据通信协议 |
| 4.2.1 节点与网关数据通信协议 |
| 4.2.2 网关与服务器数据通信协议 |
| 4.3 智慧节点软件设计 |
| 4.3.1 数据采集与上报软件设计 |
| 4.3.2 SD卡存储模块软件设计 |
| 4.3.3 信息决策软件设计 |
| 4.3.4 节点低功耗软件设计 |
| 4.4 智慧网关软件设计 |
| 4.4.1 网口模块软件设计 |
| 4.4.2 数据处理与上报软件设计 |
| 4.4.3 信息决策软件设计 |
| 4.5 服务器软件设计 |
| 4.5.1 管理应用服务的功能设计 |
| 4.5.2 数据库设计 |
| 4.5.3 系统平台实现 |
| 4.6 本章小结 |
| 第5章 整体系统测试 |
| 5.1 系统测试 |
| 5.1.1 节点低功耗测试 |
| 5.1.2 网关通信覆盖范围测试 |
| 5.1.3 系统整体功能及性能测试 |
| 5.2 实例应用与效果 |
| 5.3 本章小节 |
| 第6章 结论与展望 |
| 参考文献 |
| 指导教师对研究生学位论文的学术评语 |
| 学位论文答辩委员会决议书 |
| 致谢 |
| 攻读硕士学位期间的研究成果 |
（5）高校既有院落式建筑改造设计研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 高校院落式建筑改造的实践参与 |
| 1.1.2 院落空间助力教学改革 |
| 1.1.3 院落式建筑广泛存在于传统校园内 |
| 1.2 研究目的及意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 相关概念界定 |
| 1.3.1 院落式建筑 |
| 1.3.2 高校既有建筑 |
| 1.4 国内外相关研究现状 |
| 1.4.1 高校建筑更新改造 |
| 1.4.2 院落空间及其改造 |
| 1.4.3 高校院落式建筑改造 |
| 1.5 研究的内容与方法 |
| 1.5.1 研究内容 |
| 1.5.2 研究方法 |
| 1.6 研究框架 |
| 1.7 本章小结 |
| 第二章 高校既有院落式建筑改造的基础研究 |
| 2.1 高校院落式建筑的相关研究 |
| 2.1.1 我国院落式建筑的发展概况 |
| 2.1.2 高校建筑的发展脉络 |
| 2.1.3 高校院落式建筑的类型 |
| 2.1.4 高校院落式建筑的特点 |
| 2.2 既有建筑改造的相关研究 |
| 2.2.1 既有建筑的改造方式 |
| 2.2.2 院落式建筑的改造特点 |
| 2.3 高校既有院落式建筑改造实例 |
| 2.3.1 调研说明 |
| 2.3.2 华南理工大学计算中心 |
| 2.3.3 同济大学图书馆 |
| 2.3.4 清华大学建筑系馆 |
| 2.3.5 调研总结 |
| 2.4 本章小结 |
| 第三章 高校既有院落式建筑改造动因与价值分析 |
| 3.1 院落空间改造动因分析 |
| 3.1.1 空间利用效率低下 |
| 3.1.2 提供室外交往空间 |
| 3.1.3 降低改造成本 |
| 3.1.4 满足节能需求,降低能耗 |
| 3.2 建筑空间改造动因分析 |
| 3.2.1 外观形象破旧 |
| 3.2.2 建筑规模不足 |
| 3.2.3 原有功能过时 |
| 3.2.4 结构设备老化 |
| 3.3 高校既有院落式建筑改造存在的问题 |
| 3.3.1 前期调研目标不明确 |
| 3.3.2 原始资料缺失 |
| 3.3.3 施工难度较大 |
| 3.4 高校既有院落式建筑改造的价值 |
| 3.4.1 经济实用价值 |
| 3.4.2 文化记忆价值 |
| 3.4.3 美学价值 |
| 3.4.4 生态价值 |
| 3.5 本章小结 |
| 第四章 高校既有院落式建筑改造的设计原则与共生关系 |
| 4.1 高校既有院落式建筑改造的设计原则 |
| 4.1.1 整体性原则 |
| 4.1.2 文化认同原则 |
| 4.1.3 可持续性原则 |
| 4.1.4 经济性原则 |
| 4.1.5 分序性原则 |
| 4.2 高校既有院落式建筑改造中的共生关系 |
| 4.2.1 建筑与院落空间相关联 |
| 4.2.2 建筑与院落功能相适应 |
| 4.2.3 建筑与院落界面相复合 |
| 4.3 本章小结 |
| 第五章 高校既有院落式建筑改造设计手法 |
| 5.1 高校既有院落式建筑改造的表达类型 |
| 5.1.1 建筑与院落的空间逻辑关系 |
| 5.1.2 建筑与院落的空间逻辑关系保持不变 |
| 5.1.3 建筑与院落的空间逻辑关系发生改变 |
| 5.2 建筑与院落的空间逻辑关系保持不变的改造手法 |
| 5.2.1 院落内部体量不变 |
| 5.2.2 建筑内部体量保持不变 |
| 5.2.3 建筑内部大空间体量改为小空间体量 |
| 5.2.4 建筑内部小空间体量改为大空间体量 |
| 5.3 建筑与院落的空间逻辑关系发生改变的改造手法 |
| 5.3.1 院落体量发生变化 |
| 5.3.2 建筑体量发生变化 |
| 5.4 院落式建筑群体组合改造策略 |
| 5.4.1 单体院落式建筑改造为多重院落式建筑 |
| 5.4.2 多重院落式建筑改造为单体院落式建筑 |
| 5.5 本章小结 |
| 第六章 高校既有院落式建筑改造设计实践案例 |
| 6.1 湖南大学设计艺术学院老楼改造设计 |
| 6.1.1 项目背景 |
| 6.1.2 项目现状及问题 |
| 6.1.3 改造设计方案 |
| 6.2 湖南师范大学逸夫图书馆改扩建设计 |
| 6.2.1 项目背景 |
| 6.2.2 项目现状及问题 |
| 6.2.3 改造设计方案 |
| 6.3 本章小结 |
| 结论与展望 |
| 参考文献 |
| 附录 A 攻读学位期间参与的学术活动 |
| 附录 B 攻读学位期间参与的实际工程项目目录 |
| 致谢 |
（6）大数据驱动的信息物理融合系统的软件定义建模方法（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 国内外研究现状 |
| 1.3 论文研究内容 |
| 1.4 论文组织结构 |
| 第二章 相关技术概念 |
| 2.1 信息物理融合系统 |
| 2.1.1 CPS的特征 |
| 2.1.2 CPS体系结构 |
| 2.1.3 CPS面临的挑战 |
| 2.2 大数据 |
| 2.2.1 大数据的基本概念及特征 |
| 2.2.2 大数据、云计算与人工智能 |
| 2.3 软件定义 |
| 2.4 大数据与软件定义 |
| 2.5 大数据、软件定义与CPS |
| 2.6 建模语言 |
| 2.6.1 AADL建模语言 |
| 2.6.2 OSATE2平台 |
| 第三章 大数据驱动的CPS软件定义建模方法 |
| 3.1 CPS的物理构成 |
| 3.2 CPS的原型系统结构 |
| 3.3 大数据驱动的CPS体系结构 |
| 3.4 软件定义的CPS体系结构 |
| 3.5 大数据驱动的CPS软件定义体系结构 |
| 第四章 基于AADL的车联网CPS的软件定义建模分析 |
| 4.1 车联网CPS架构 |
| 4.2 AADL建模分析 |
| 4.3 系统非功能特性描述 |
| 4.3.1 数据流分析 |
| 4.3.2 系统安全性分析 |
| 第五章 基于神经网络的车联网CPS数据建模方法 |
| 5.1 基于大数据的CPS数据处理模型 |
| 5.2 基于Modelica的车辆传感器建模 |
| 5.2.1 Dymola介绍 |
| 5.2.2 车辆传感器建模 |
| 5.3 神经网络模型 |
| 5.3.1 神经网络模型的Modelica表示 |
| 5.3.2 神经网络模型的数学表示 |
| 5.3.3 损失函数 |
| 5.3.4 模型评价指标 |
| 5.4 数据集 |
| 5.4.1 数据集采集 |
| 5.4.2 数据预处理 |
| 5.4.3 数据可视化 |
| 5.5 神经网络模型结构 |
| 5.6 模型整体结构设计 |
| 5.7 实验结果 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的论文成果 |
| 致谢 |
（7）北大直播课堂：让教师“零门槛”在线教学（论文提纲范文）
| 零门槛的“大直播”课堂 |
| 不负众望顺利通过“大考” |
| 搭建便捷安全无忧 |
| “大直播”模式获广泛关注 |
（8）基于微信的智慧校园小程序设计（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 国内研究现状和发展趋势 |
| 1.2.1 智慧校园研究现状 |
| 1.2.2 智慧校园未来发展趋势 |
| 1.3 论文的主要研究内容 |
| 1.4 论文的章节安排 |
| 第二章 系统相关技术介绍 |
| 2.1 LNMP架构 |
| 2.1.1 LNMP架构工作原理 |
| 2.1.2 Nginx服务器 |
| 2.1.3 Mysql数据库 |
| 2.1.4 PHP-FPM原理 |
| 2.1.5 PHP脚本语言 |
| 2.2 Git工作流和持续集成部署 |
| 2.3 HTTPS协议 |
| 2.4 Docker |
| 2.5 任务管理、文档管理、接口管理方案 |
| 2.6 本章小结 |
| 第三章 系统需求分析 |
| 3.1 系统需求分析概述 |
| 3.2 系统功能需求分析 |
| 3.2.1 微信小程序端功能需求 |
| 3.2.2 Web管理平台功能需求 |
| 3.3 系统的非功能性需求 |
| 3.3.1 系统的运行数据分析 |
| 3.3.2 系统的易用性 |
| 3.3.3 系统的可靠性 |
| 3.3.4 系统的性能 |
| 3.3.5 系统的安全性 |
| 3.3.6 系统的可维护性 |
| 3.4 系统的可行性分析 |
| 3.4.1 系统的技术可行性 |
| 3.4.2 系统的经济可行性 |
| 3.5 本章小结 |
| 第四章 系统详细设计 |
| 4.1 系统设计目标 |
| 4.2 系统总体设计 |
| 4.3 系统功能模块设计 |
| 4.3.1 学生功能模块设计 |
| 4.3.2 教师常用功能模块 |
| 4.3.3 公共使用功能模块 |
| 4.3.4 西电战“疫”功能模块 |
| 4.3.5 菜单定制与搜索功能模块 |
| 4.3.6 运行数据分析模块 |
| 4.3.7 Web管理后台功能模块 |
| 4.4 数据库设计 |
| 4.4.1 数据库设计原则 |
| 4.4.2 数据表设计 |
| 4.5 本章小结 |
| 第五章 系统实现 |
| 5.1 微信小程序实现 |
| 5.1.1 智慧校园小程序主页面 |
| 5.1.2 成绩查询 |
| 5.1.3 课表查询 |
| 5.1.4 达标测试 |
| 5.1.5 新生录取 |
| 5.1.6 CET考试信息 |
| 5.1.7 教师信息 |
| 5.1.8 体检信息 |
| 5.1.9 电费账号 |
| 5.1.10 计算中心 |
| 5.1.11 车辆认证 |
| 5.1.12 流量查询 |
| 5.1.13 维修申报 |
| 5.1.14 留言咨询 |
| 5.1.15 首页菜单定制 |
| 5.1.16 其他功能 |
| 5.2 西电战“疫” |
| 5.2.1 西电战“疫”主页面 |
| 5.2.2 通知分类 |
| 5.2.3 信息查找 |
| 5.2.4 服务器端接口实现 |
| 5.3 Web管理平台 |
| 5.3.1 留言审核与回复 |
| 5.3.2 信息录入 |
| 5.3.3 信息编辑 |
| 5.3.4 数据导入导出 |
| 5.4 文档管理 |
| 5.5 接口管理 |
| 5.6 本章小结 |
| 第六章 系统测试和应用数据统计 |
| 6.1 功能测试 |
| 6.2 性能测试 |
| 6.2.1 响应速度测试 |
| 6.2.2 并发测试 |
| 6.3 兼容性测试 |
| 6.4 安全性测试 |
| 6.5 系统运行数据 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）边缘计算：新型计算范式综述与应用研究（论文提纲范文）
| 1 引言 |
| 2 边缘计算与云计算 |
| 2.1 云计算 |
| 2.1.1 云计算概述 |
| 2.1.2 云计算存在的不足 |
| 2.2 边缘计算 |
| 2.2.1 边缘计算概述 |
| 2.2.2 边缘计算的优势 |
| 2.3 边缘计算与云计算的关系 |
| 3 边缘计算架构 |
| 3.1 边缘计算架构 |
| 3.2 边缘计算平台 |
| 3.3 Cloudlet、PCloud、ParaDrop |
| 4 边缘计算应用场景 |
| 4.1 网站性能优化 |
| 4.2 智能工厂 |
| 4.3 智能家居 |
| 4.4 边缘计算视频缓存 |
| 4.5 边缘计算购物车视图刷新 |
| 4.6 边缘计算网络视频直播 |
| 5 发展边缘计算面临的挑战 |
| 5.1 服务管理 |
| 5.2 应用移动性管理 |
| 5.3 计算资源管理 |
| 5.4 数据管理 |
| 6 结束语 |
（10）面向对地观测大数据云服务的天地一体优化方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究问题及意义 |
| 1.2.1 解决的关键问题 |
| 1.2.2 军事应用 |
| 1.2.3 理论意义 |
| 1.3 相关研究 |
| 1.3.1 卫星对地观测任务调度与多目标演化优化 |
| 1.3.2 卫星对地观测数据传输优化方法 |
| 1.3.3 面向大数据云处理的优化方法 |
| 1.4 论文主要内容与创新点 |
| 1.4.1 研究内容 |
| 1.4.2 主要创新点 |
| 1.4.3 论文结构 |
| 第二章 对地观测大数据云服务架构与关键问题 |
| 2.1 相关概念 |
| 2.1.1 多星组网 |
| 2.1.2 云计算设施 |
| 2.1.3 天地一体化架构与数据服务 |
| 2.2 典型应用场景 |
| 2.2.1 空军超视距作战应用 |
| 2.2.2 海上移动目标跟踪 |
| 2.3 关键技术分析 |
| 2.4 本章小结 |
| 第三章 自适应多目标演化优化及卫星调度应用 |
| 3.1 引言 |
| 3.2 面向卫星对地观测任务的多目标优化模型 |
| 3.2.1 卫星及对地观测任务模型 |
| 3.2.2 多目标优化模型 |
| 3.3 基于目标空间划分的自适应多目标演化算法 |
| 3.3.1 目标空间划分策略 |
| 3.3.2 计算资源自适应分配策略 |
| 3.3.3 算法描述 |
| 3.3.4 时间复杂度分析 |
| 3.4 实验验证 |
| 3.4.1 基于测试函数的性能测试 |
| 3.4.2 基于卫星对地观测任务调度的性能测试 |
| 3.5 本章小结 |
| 第四章 面向卫星大数据卸载的自组织优化方法 |
| 4.1 引言 |
| 4.2 模型与问题描述 |
| 4.2.1 模型 |
| 4.2.2 数据卸载优化模型 |
| 4.3 自组织优化方法 |
| 4.3.1 资源受限卫星的梯度 |
| 4.3.2 邻域更新策略 |
| 4.3.3 基于双向选择的优化策略 |
| 4.3.4 时间复杂度分析 |
| 4.4 实验验证 |
| 4.4.1 实验参数设置 |
| 4.4.2 卫星网络负载对算法性能的影响 |
| 4.4.3 偏移负载对算法性能的影响 |
| 4.5 本章小结 |
| 第五章 面向大数据流云处理的实时调度方法 |
| 5.1 引言 |
| 5.2 模型与问题描述 |
| 5.2.1 云计算平台调度模型 |
| 5.2.2 大数据流处理应用模型 |
| 5.2.3 问题描述 |
| 5.3 基于任务复制的实时调度算法 |
| 5.3.1 理论分析 |
| 5.3.2 算法描述 |
| 5.4 实验验证 |
| 5.4.1 实验设置 |
| 5.4.2 参数CCR对算法性能的影响 |
| 5.4.3 参数PF对算法性能的影响 |
| 5.4.4 算法在实际工作流上的性能 |
| 5.5 本章小结 |
| 第六章 面向大数据流云处理的安全感知调度方法 |
| 6.1 前言 |
| 6.2 模型与问题描述 |
| 6.2.1 云计算平台调度模型 |
| 6.2.2 安全敏感工作流模型 |
| 6.2.3 数据安全服务模型 |
| 6.2.4 问题描述 |
| 6.3 安全感知的调度算法 |
| 6.3.1 理论分析 |
| 6.3.2 算法描述 |
| 6.3.3 时间复杂度分析 |
| 6.4 实验验证 |
| 6.4.1 实验设置 |
| 6.4.2 安全需求对算法性能的影响 |
| 6.4.3 任务数量对算法性能的影响 |
| 6.4.4 参数CCR对算法性能的影响 |
| 6.4.5 并行度对算法性能的影响 |
| 6.4.6 实际工作流中的实验结果 |
| 6.5 本章小结 |
| 第七章 面向大数据流云处理的不确定感知调度方法 |
| 7.1 引言 |
| 7.2 模型与问题描述 |
| 7.2.1 服务实例模型 |
| 7.2.2 大数据流处理应用模型 |
| 7.2.3 不确定感知的调度框架 |
| 7.2.4 问题描述 |
| 7.3 不确定感知的调度算法 |
| 7.3.1 分析成本下界 |
| 7.3.2 任务排序 |
| 7.3.3 算法描述 |
| 7.3.4 时间复杂度分析 |
| 7.4 实验验证 |
| 7.4.1 实验设置 |
| 7.4.2 与成本下界的比较 |
| 7.4.3 任务运行时间的波动对算法性能的影响 |
| 7.4.4 数传时间的波动对算法性能的影响 |
| 7.4.5 工作流数量对算法性能的影响 |
| 7.4.6 算法的调度时间对比 |
| 7.5 本章小结 |
| 第八章 总结与展望 |
| 8.1 论文总结 |
| 8.2 展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
四、计算中心教学管理安全性的探讨（论文参考文献）
- [1]边缘计算环境下可信接入安全技术研究与实现[D]. 谢辉. 电子科技大学, 2021(01)
- [2]面向高校的在线教学云直播平台体系架构设计与应用[J]. 龙新征,欧阳荣彬,李若淼,崔建,张蓓. 深圳大学学报(理工版), 2020(S1)
- [3]新型雾计算架构及其在遥感图像分类中的应用研究[D]. 朱东伟. 河南大学, 2020(02)
- [4]基于LoRa的智慧物联网系统设计研究[D]. 罗泉. 深圳大学, 2020(10)
- [5]高校既有院落式建筑改造设计研究[D]. 冯辰. 湖南大学, 2020(07)
- [6]大数据驱动的信息物理融合系统的软件定义建模方法[D]. 刘珍娟. 广东工业大学, 2020(06)
- [7]北大直播课堂：让教师“零门槛”在线教学[J]. 樊春,来天平,欧阳荣彬,张蓓. 中国教育网络, 2020(04)
- [8]基于微信的智慧校园小程序设计[D]. 齐鹏飞. 西安电子科技大学, 2020(05)
- [9]边缘计算：新型计算范式综述与应用研究[J]. 郑逢斌,朱东伟,臧文乾,杨劲林,朱光辉. 计算机科学与探索, 2020(04)
- [10]面向对地观测大数据云服务的天地一体优化方法[D]. 陈黄科. 国防科技大学, 2019(01)