杨小虎[1]2004年在《集群监控中的检测技术研究》文中提出随着网络应用的不断扩大，对网络服务器性能的要求也越来越高，对比传统的高性能计算机，集群系统以其卓越的性价比和良好的可扩展性等特性，逐渐成为主流网络服务器。集群服务器由大量的计算节点组成，对各个节点的监控，对于集群服务器的安全、高效运行至关重要。本文对集群监控中的检测和干扰降低技术进行了深入的研究： 在集中式集群监控系统结构的框架下提出了集群检测技术，通过对文件安全性、网络端口状态、用户行为、帐号安全性的检测，提高了监控系统的安全性检测功能，解决了集群系统的安全性检测问题。本文重点给出了一个基于规则的文件检测设计方案及其实现，增强了集群监控原型系统的功能。 针对检测功能引入后带来新的干扰问题，借鉴已有的解决方案，提出了多层数据过滤模型和基于内容的数据过滤算法，通过减少数据发送量来降低干扰；还提出了基于连接的网络控制算法，通过减少无效的网络连接来降低干扰。为了验证所提出的干扰降低算法的效果，本文基于原型系统对算法进行了实验分析。实验数据表明，过滤算法和网络控制算法达到了降低检测功能的引入所带来的新干扰的目标，同时也降低了传统性能监控的干扰。 本文提出的检测技术已在我们开发的面向新型网络服务器的集群监控系统中试用，对系统的安全性起到了积极的监控作用。本文的研究对集群系统的安全性检测，以及如何降低干扰问题，具有很好的应用价值。
李志勇[2]2009年在《面向军用业务容灾的监控技术研究与实现》文中提出随着信息技术在军事领域的广泛应用,交战双方的战争决策越来越依赖其军用业务信息系统的稳定。打击信息系统将获得事半功倍的破坏效果,所以信息系统也越来越成为现代战争的首要打击目标。为了适应战时复杂和严峻的生存环境,满足军用业务的容灾高抗毁需求,本文提出了支持N+M容灾结构的层次式监控架构,对广域分布的多个目标进行实时监控,借助冗余技术与自组织方法及时重构失效的监控单元,增强监控结构的稳健性。分析传统的、自适应和基于确认度等失效检测算法的应用背景和特点,参照失效检测的QoS评价标准,设计了DTA-FD(面向容灾的自适应失效检测)算法。该算法统计历史监控信息到达延迟,掌握网络状态的变化,动态预测监控信息到达的时间;通过加载监控目标的QoS规约,能同时满足多个监控目标的不同需求;分析预测的监控信息到达延迟与要求的检测时间的关系,设置主动检测的时机,解决失效检测过程中检测时间与检测准确性的矛盾;最后通过测试验证算法的有效性。针对军用业务容灾系统的特点,设计了容灾监控原型系统结构,应用抽象工厂、观察者等软件设计模式,解决监控单元层次变迁和监控实例动态调整带来的复杂性;结合研究内容实现了原型系统,应用到军用容灾系统实施监控管理。
王珂[3]2017年在《基于Hadoop平台的监控和行为审计关键技术研究》文中进行了进一步梳理随着企业大规模数据在不同垂直业务领域的应用和扩展,得益于Hadoop集群的处理效率高、可扩展性强和成本低等特性,越来越多的企业将Hadoop集群作为主要的数据存储和处理工具。但是,由于Hadoop集群本身具有资源多样性、复杂性等特点,导致节点故障频发,给集群的资源监控带来了极大挑战。此外,Hadoop的安全机制相对薄弱且都属于静态安全技术,缺少对用户行为活动的监控,导致容易遭受隐藏的安全威胁,集群的数据安全难以得到保障。针对用户行为活动的监控,提出了一种Hadoop集群环境下的用户行为异常检测方法,提高了集群的数据安全性。在充分研究和分析现有资源监控技术的基础上,提出了一个监控框架整合改造方案,克服了现有框架的诸多缺点。在Hadoop集群用户活动监控方面,首先研究和分析了传统主成分分析算法的缺点,即在大规模数据情况下的内存限制以及效率不高的问题,本文分解算法中协方差矩阵的计算过程,基于MapReduce对其做并行化处理,较好的解决了上述问题。然后分析用户对HDFS的操作行为,提出了一个基于并行化主成分分析的用户行为异常检测方法,利用本文算法基于用户对HDFS的数据操作记录进行离线训练建模,提取其行为模式。检测时把当前用户的行为模式与训练得到的历史正常行为模式进行比较,基于欧氏距离度量标准评判当前行为是否异常。该方法不仅降低了数据特征的冗余,提高了数据处理的效率,而且具有较好的检测结果。在Hadoop集群资源监控方面,首先研究和分析了现有监控框架的优点和缺陷,选择Ganglia收集集群的监控指标,然后利用本文实现的数据抽取模块把上述指标与Nagios报警框架进行对接,满足Nagios状态显示划分等级的功能需求,最终提出了一个集监控和报警于一体的集群资源监控框架。本文框架充分利用Ganglia和Nagios各自优势,克服了Ganglia告警功能的欠缺和Nagios监控功能的局限,而且本文数据抽取模块使得Nagios避开了自身监控服务的开销,实现了整合框架的轻量级监控。最后,本文对Hadoop集群的资源监控框架和用户异常行为监控系统分别进行了设计与实现,通过实验验证了本文整合框架和检测方法的正确性和有效性。
周阳[4]2012年在《一种集群监控容错系统的设计与实现》文中研究指明目前，集群技术是当今高性能计算系统的一个重要研究方向，集群系统以其高性价比、高扩展性、高可用性的特点，迅速发展成为高性能计算的一个重要解决方案，在石油物探行业得到广泛应用。本文所研究的是面向地震数据处理的应用集群系统，随着该集群中节点的数目和提交运行的作业数目越来越多，集群系统的监控和管理成了一个重大问题。伴随集群系统规模的不断扩大，系统发生故障的概率也随之增长，加上地震数据处理作业往往数据量都很大，作业执行时间也很长，如果发生故障造成作业运行失败，将会浪费大量的系统计算资源和时间资源。因此研究该应用集群系统的容错技术具有十分重要的意义。本文研究设计的集群监控容错系统是该地震数据处理应用集群系统的重要支持系统，是专门针对地震数据处理特点开发的特殊辅助系统。针对上文提出的相关问题，本论文的主要工作包括：第一，研究了现有的集群监控系统，设计并实现了面向地震数据处理平台集群系统的监控模块，完成了对整个应用集群系统的监控信息的采集、汇聚和显示等应用的具体实现。监控模块主要包括对集群节点信息和作业信息的监控，为系统管理员和用户进行集群管理和监控提供了方便。第二，设计并实现了利用心跳包技术进行节点故障检测的集群系统容错功能，并且针对该地震数据处理的具体应用完成了节点故障后续处理的相关工作。该集群节点故障检测和处理的功能为本文设计的利用应用级作业检查点实现作业故障容错功能提供了基础。第叁，在研究现有检查点技术的基础上，并且针对地震数据处理作业的特点和地震数据处理流程的特殊性，设计并实现了基于地震数据单元的应用级作业检查点设置与回卷恢复功能，该功能结合节点容错功能，能够实现集群作业出现故障后的自动容错。通过实验测试验证了该应用级作业检查点的可行性，提高了集群系统的可用性，能够使作业在遇到故障时从检查点开始继续执行作业，减少了作业重复执行时间，避免了系统大量的计算资源和时间的浪费。
关婷婷[5]2018年在《集群系统状态监控与健康评估技术研究与应用》文中研究指明随着信息时代的发展,数据渗透到各个领域中,形成了数量庞大的数据系统。为了更好的利用数据价值,各行各业开始研究数据挖掘技术。集群由于其优秀的存储和计算能力,在数据挖掘技术中起到重要作用。随着集群规模的不断扩大和集群支持服务的不断扩展,集群故障发生越来越频繁。为了减少集群故障带来的影响,集群管理员希望能够实时查看集群的运行状态和资源利用情况。为了缩短集群系统的故障时间,提高集群的运行和维护效率,方便管理员从整体上感知集群的运行情况,有必要研究集群系统的健康状态监控和健康评估方法。论文的研究内容主要包括以下几点。首先从集群性能影响因素入手,针对现有集群监测参数过于繁杂、不便实时了解运行状态等问题,提出了一套新的集群监测性能指标体系,并给出了相关指标的计算方法,以及相关指标参数采集和处理的实现方案。然后根据集群支撑服务特点,分析研究了各监测指标对集群健康的影响权重,提出一种集群节点健康评估方法。并且,基于时间序列分析法,提出一套性能指标的预测模型,根据预测值评估集群节点下一时刻的健康情况。论文最后在实际生产模拟环境下进行了实验验证。实验结果表明,设计的集群状态监控方案能够实现集群性能及资源占用情况的实时监控,当集群节点性能指标异常时能够实时有效地给出警告;提出的集群节点健康评估方法,可以根据节点性能指标值计算节点综合健康值;提出的指标预测模型,能够有效预测节点多个性能指标的变化趋势。本论文创新性工作主要有以下几个方面:(1)论文中提出的集群性能指标体系及计算方法,与目前集群监测传统指标体系相比,更加简洁明了,清晰易懂;(2)提出的健康评估方案,考虑了各项性能指标的影响权重,实现对集群节点健康进行综合考量;(3)提出基于时间序列分析法建立性能指标预测模型,能够实现节点性能预测,为及时掌握集群变化趋势提供有效技术手段。
陈荟慧[6]2006年在《InfiniBand集群可视化监控系统的研究与实现》文中进行了进一步梳理集群(cluster)是指由高性能网络或局域网物理地互连的计算机(节点)的集合，是可扩展并行计算体系结构的一种具体实现方式。集群做为一种低成本、高性能的并行计算机系统，在并行处理工作中应用广泛。集群系统监控是掌握系统各节点运行状况和性能发挥情况的重要手段，监控系统根据不同的结构和用途，目前的开发多种多样。 本文针对目前使用带宽达20Gb／s的InfiniBand高性能网络搭建集群时常用的系统结构，重点研究以下几个方面： 监控系统对集群造成干扰的原因和降低干扰的可行办法。监控系统对集群系统的干扰主要是频繁的数据采集和网络传输所占用的带宽，另外非法用户的入侵和闲置系统服务对系统资源的占用也是造成干扰的一个因素，文中提出可行办法改善这一状况。 文中提出使用二叉树结构进行扩散式快速收集监控数据，有效提高监控数据收集效率。二叉树的分层结构有助于消息的快速扩散，且由于各个节点并行运行，信息收集时的同步效率提高。二叉树的节点增长速度较快，因此，在集群系统规模扩大时，更能体现其优越性。 集群系统的安全检测是保障集群系统不受干扰、安全稳定运行的重要手段，文中根据监控系统结构，提出网络安全检测和系统安全检测的方法。 最后结合集群监控软件CLS的设计和开发，研究降低监控系统对集群的干扰和扩散式收集监控数据方法的可行性，并实现相关算法。CLS采用叁层监控结构，改善以往采用两层结构时对节点资源的过多占用，CLS将监控系统与集群的主控节点分离，添加监控服务器，负责监控数据的收集和安全检测，并且将大部分数据交由监控服务器处理，大大降低驻留程序在节点机上的资源占用，最后介绍监控软件的可视化开发和基于Web监控的实现方法。 文中深入分析如何降低监控系统对集群的干扰以及快速准确地采集数据的方法，对于任何规模的集群，监控系统都可以正常、稳定的工作，提高监控系统的可移植性和可扩展性，本文的研究对开发大型集群系统的监控软件时，提高监控效率，降低对集群系统的干扰具有很好的应用价值。
缪莹莹[7]2015年在《监控视频场景异常检测技术研究》文中进行了进一步梳理随着公共安全意识的逐渐提高,视频监控技术得到了广泛应用,其中以人群为目标的监控视频异常检测一直是研究的难点。机器学习方法逐渐被应用到监控视频的异常检测系统中,提高了系统的检测水平。监控视频场景异常检测作为一种公共安全和社会秩序管理技术,逐渐成为国内外研究的热点。本文通过分析现有监控视频中场景异常检测存在的问题,从基于视频特征信息分析和基于人群模型两个角度进行研究,并在此基础上初步探索了基于云平台的分布式视频场景异常检测框架。论文的主要工作如下:首先,采用基于群体特征的异常检测方法,直接对特征信息进行分析。为了提高异常检测的精确率,减少检测时间,提出了一种基于改进遗传算法的特征选择和SVM训练模型联合优化算法。该方法提取视频的特征数据,对特征数据降维,再运用SVM算法建立分类学习模型。特征选择和训练模型这两个过程互相依赖,采用SA改进GA算法,并使GA中的交叉遗传操作自适应化,同时对特征选择和SVM模型对参数进行优化。实验表明,该方法可以快速找到最优特征子集和SVM训练参数,提高了视频异常检测的精确度,同时缩短了分类检测的时间。其次,为了精确模拟人群的运动状态,研究了基于物理模型的人群异常检测方法,提出了基于粒子群优化的社会力模型描述人群信息。该方法提取群体光流运动特征,用光流表示SFM中行人的速度,再利用PSO改进传统SFM对中高密度人群的建模,将社会力矢量处理后进行SVM分类预测,检测视频中异常行为。通过粒子平流方法,使得粒子向相互作用力较小的区域移动,粒子的位置尽可能落在前景区域,模拟人群行为。实验表明,该方法能够有效地提高视频场景异常检测的查全率和查准率。最后,为了处理实际应用中海量监控视频数据的异常检测问题,探索了基于Hadoop平台的监控视频异常检测并行化框架。主要实现对视频数据Map/Reduce键值对数据类型、数据I/O类型和基于Mapreduce的SVM分类算法的设计。利用Hadoop平台的HDFS存储机制和Mapreduce编程模型对监控视频异常检测系统作了进一步的研究。实验表明,与单机节点比较,基于Hadoop集群的视频异常检测方法保证了精确度的同时,大幅度高降低了视频数据的检测时间。
韩露[8]2011年在《面向智能移动监控辅助的可穿戴视觉研究》文中认为“持续辅助”和“增强”是可穿戴计算“人机合一”、“以人为中心”理念的核心内涵。近年来,可持续辅助人,增强人类感能、体能、智能的可穿戴计算技术和原型系统得到了快速发展,显示出了巨大的市场潜力和技术生命力。可对人进行视觉辅助和实时视觉增强的可穿戴视觉(Wearable Vision)便是这样一个新兴的研究方向和备受关注的前沿技术,它不仅涉及到可穿戴计算、机器视觉、人工智能、模式识别,也涉及到认知科学、心理学等多学科高技术的交叉和结晶。可穿戴视觉强调以与人类近似的“第一人视角”随时随地捕获穿戴者自己或周围环境的图像信息,利用计算机视觉技术给予实时分析和处理,最终形成对环境中人、事、物的综合理解,从而为穿戴者提供及时的视觉辅助和有意义的行动规划。随着监控技术的应用和发展,以固定摄像机为代表的视频监控系统已经充斥着大部分公共场所,但目前大多仍以录制视频图像和事后调用取证为主,不能胜任实时主动监控的需要,尤其对公共场所中突发犯罪事件的防控。因此,重要的公共场所仍然需要由人来进行巡逻防控和识别犯罪。另据研究表明,长时间、高注意力的视觉观察是极其消耗生物能量的脑力活动,极易产生视觉疲劳、反应迟钝、记忆减弱等不良精神状态,人在此状态下很可能会错过有价值的视觉信息。如果能为从事高强度视觉任务的巡逻者提供具有可持续视觉辅助功能,增强其视觉判断能力的可穿戴视觉系统,将大大提高巡逻防控效率和监控能力。可穿戴视觉系统随人移动,处于一个不可控的动态复杂环境中,在视觉图像处理与识别中面临着许多特殊的挑战与难题。本文是在目前国内外研究成果的基础上,通过研发人巡逻时用到的智能移动监控辅助系统原型来对可穿戴视觉的关键问题进行研究。主要贡献和创新点可概括如下:①在研究人机集成智能理论、计算机视觉理论及可穿戴智能的基础上,提出了适用于可穿戴计算环境和移动监控任务的可穿戴人机协同视觉体系WICVA,明确了实现该体系的两个关键模块:可穿戴视觉决策和视觉辅助的动态调度机制。可穿戴视觉决策为WearVision克服多变不可控复杂环境带来的识别影响提供了可行的应用框架,保证了WearVision在进行视觉信息处理时的有效性、选择性和智能性,是集成智能学的新发展和新应用。同时对WICVA中动态辅助机制进行了研究,提出了基于扩展模糊有色Petri网的动态辅助调度算法,使之能根据上下文自动调用相应辅助服务于巡逻者。WICVA是在人-机各自的视觉系统特点上进行取长补短、相互辅助,可用于指导可穿戴视觉辅助系统的应用设计,并为人机协同识别提供理论支撑。在该体系的指导下我们研发了可穿戴智能监控辅助系统原型iWearSA平台。②为实现WICVA中的人机共同感知,提出了一种人视觉注意力驱动的兴趣场景和候选目标图像捕获方法。该方法充分利用人视觉注意力的优点,结合分块场景匹配计算法和运动区域估计法识别出穿戴者的关注行为,以及主动注意和被动注意状态,因此可以有选择性地采集穿戴者感兴趣场景,避免采集和处理大量无意义的视觉图像,为可穿戴计算机节约了平台资源;同时,为了进一步明确运动目标区域,研究了可穿戴摄像机条件下的运动目标分割问题,提出了一种基于运动全景补偿的运动目标检测算法,该方法既弥补了WearVision视场较小的弱点,用于生成连续视场范围内的全景图像,又可对抖动图像序列进行稳像处理,输出稳像视频和运动目标区域,协助穿戴者进行更精确的运动目标搜索与定位。③为实现WICVA中对感知图像的选择性处理,提出一种基于图像质量评价优先度的择优处理策略,对该策略中的关键技术模糊图像检测技术进行了研究,给出了基于概率支持向量机的运动模糊图像分类方法,该方法能快速检测出采集图像是否存在运动模糊并估计模糊的程度,通过预设的质量处理策略筛选出合适质量的图像,既解决了可穿戴视觉系统在图像处理中的选择性和有效性,又可用于辅助提示穿戴者对不合格图像进行重拍。④对WICVA中的人机协同识别进行了探索性研究,以人脸追逃为实验背景,提出了一种可修正人眼检测定位错误的方法,该方法针对已有的Adaboost算法及人眼检测分类器进行人眼检测后的错误定位问题,能快速修正人眼的漏检、检误问题,提高了在不可控环境中的双眼定位准确率,使得分类器对任何可穿戴场景都有良好的通用性,提高了复杂背景和随意运动摄像机条件下的人脸检测率。最后,提出了基于单训练样本和变归一化尺度的快速人脸识别算法,按“机粗人精”的人机协同识别顺序进行了室内外实验,即由WearVision先快速识别出候选者,再由人进行精确识别。实验证明人机协同识别比单独用人识别或者单独用机器识别的准确率更好,更符合实际应用。
徐宇弘[9]2013年在《Hadoop集群监控系统的设计与实现》文中研究说明近年来云计算飞速发展，分布式集群系统也被广泛应用，发展云计算技术已经成为国家抢占经济和科技发展制高点的核心战略选择，研究和发展云计算技术、将原有信息化建设基础设施向云计算平台迁移，是未来十年政府信息化建设的主流方向，Hadoop集群成为IT界众多大公司的应用热点之一。由于Hadoop集群是由众多计算机组成的集群这一特点，对于该计算机集群的监控、管理就成为了一大难点。为了能及时发现集群中的问题，较短的时间内采取相应的措施，Hadoop集群管理员需要不停地采集性能数据，分析各个节点的状态，并准确发现节点上出了什么问题，这就需要Hadoop集群监控系统来进行辅助。而Hadoop集群如此大的数据量，监控数据的存储也会成为一大问题，这就需要对分布式系统和非关系型数据库进行研究和结合，来处理这个问题。本文主要设计并完成开发Hadoop集群监控系统，该监控系统对Hadoop集群系统中节点进行性能监控、分布式文件系统监控以及作业任务监控，为了方便Hadoop集群管理员对集群中的节点进行实时管理，系统将会在web页面上实时展现相关监控信息。监控系统将运用Cacti开源集群监控工具对节点性能进行采集。现有的Hadoop监控系统都不能完整的储存监控数据信息，针对这一点，本文对数据库的选择进行了研究，论证了非关系数据库是Hadoop分布式系统储存监控数据的最佳选择。并最终实现了用MongoDB对Hadoop监控数据的储存和历史查询功能，进行了相关的系统功能和性能测试。
储茂祥[10]2014年在《钢板表面缺陷检测关键技术研究》文中提出钢板表面缺陷检测技术在国内外钢铁企业和研究机构已经开展十年左右,并取得了一定的成果。但是,随着时代的进步和市场需求的深化,特别是IT、互联网、云服务的高速扩张,钢铁行业也不可避免的受到冲击。为适应市场的变化,国内外的钢铁企业开始全面的布局带钢生产线的表面质量检测与控制。一方面,市场对优质钢材的高质量要求和对产品生产的高速性要求,钢铁企业必须不断提高生产线的钢板表面质量监控标准和生产线的效率；另一方面,钢铁企业不再只针对单一的独立生产线进行配备表面缺陷检测系统,而是所有生产线全面布局表面质量监控系统,以实现资源的可重复利用和优化配比。这造成国内外现有的研究成果不能满足钢铁企业新形势下发展的需求。因此,结合新形势下钢板生产的高效率、高精度、多生产线的特点,研究带钢表面缺陷在线检测技术是必要的。本文研究钢板表面缺陷检测技术,其研究的关键性内容及成果如下：(1)确定了针对多生产线新的检测系统指标与要求,并提出集群式钢板表面缺陷新的检测系统方案。本文从采集体系、传输体系、集群体系和存储体系四个方面设计并分析集群式检测系统的结构、功能、配置与运作,而且从可疑缺陷图像的背景区域检测、缺陷图像的缺陷区域检测、缺陷检测、拆分与分发、缺陷信息处理五个方面分析设计了集群式检测系统的检测流程。(2)配合集群式检测系统,提出了感兴趣区域检测新方法。将感兴趣区域检测算法分为两个阶段,第一阶段背景区域检测,提出了并行投影法与差影法相结合的新算法,满足了在线要求和降低了漏检率；第二阶段缺陷区域检测,提出了基于极限学习机的局部投影统计特征分类检测新方法,保证漏检率的基础上,降低了误检率。实验证明,本文提出的两个阶段感兴趣区域检测新方法具有低漏检率、低误检率和高效率的特点。(3)对缺陷区域的定位检测进行了相关的研究。本文重点提出了缺陷图像去噪新方法,该方法提出了一种局部边缘新模型,并在此基础上提出了五项中值编码新方法,实现图像的脉冲噪声滤波；然后使用一种新的指数权重函数改进双边滤波,同时结合局部边缘模型编码信息实现区域异性双边滤波新算法。实验证明,新的去噪算法能够滤除缺陷图像的混合噪声,又能保留更多的边缘细节。(4)基于缺陷区域的重心,提出了一种新的具有旋转的同心正方形环采样模板,实现了缺陷区域的不变性重采样。同时,提出了叁种不变性统计特征提取的新方法。第一种是以边缘点到重心的归一化距离为数据进行边缘距离不变性统计分析与提取；第二种是对边缘所有相邻像素点的梯度方向进行统计；第叁种则对平滑局部二值模式值进行特征统计。实验证明,本文提取的叁类新特征都能很好的描述缺陷区域,为后期的缺陷分类提供了良好的特征信息。(5)在孪生支持向量机基础上,提出了多密度孪生支持向量机新模型。该分类模型在非平衡数据集增样和减样基础上,利用样本密度信息改进孪生支持向量机的目标函数,使用逐次超松弛算法进行快速求解,并结合偏二叉树模型实现钢板表面缺陷的多类别分类。另外,本文提出了获取修剪后样本的倍数因子和样本权重信息的新方法,并改进最小二乘孪生支持向量机,获得新的分类模型。实验证明,这两种多类别分类新模型可实现钢板表面缺陷的多类别分类,能够抑制噪声样本的影响,并具有快速的识别效率和高的识别精度。
参考文献：
[1]. 集群监控中的检测技术研究[D]. 杨小虎. 中国科学院研究生院（软件研究所）. 2004
[2]. 面向军用业务容灾的监控技术研究与实现[D]. 李志勇. 国防科学技术大学. 2009
[3]. 基于Hadoop平台的监控和行为审计关键技术研究[D]. 王珂. 电子科技大学. 2017
[4]. 一种集群监控容错系统的设计与实现[D]. 周阳. 电子科技大学. 2012
[5]. 集群系统状态监控与健康评估技术研究与应用[D]. 关婷婷. 北京交通大学. 2018
[6]. InfiniBand集群可视化监控系统的研究与实现[D]. 陈荟慧. 郑州大学. 2006
[7]. 监控视频场景异常检测技术研究[D]. 缪莹莹. 南京邮电大学. 2015
[8]. 面向智能移动监控辅助的可穿戴视觉研究[D]. 韩露. 重庆大学. 2011
[9]. Hadoop集群监控系统的设计与实现[D]. 徐宇弘. 哈尔滨工业大学. 2013
[10]. 钢板表面缺陷检测关键技术研究[D]. 储茂祥. 东北大学. 2014
标签：互联网技术论文; hadoop论文; hadoop开发环境搭建论文; 集群技术论文; 集群服务器论文; 缺陷管理论文; 环境监控系统论文; 功能分析论文; 视觉检测论文; 缺陷等级论文; 数据分析论文; 数据处理论文; hadoop集群搭建论文; 算法论文;