一、分布式多媒体远端教学系统的设计与实现（论文文献综述）
王品慧[1]（2021）在《小学英语专递课堂师生互动现状及对策研究》文中指出飞速发展的信息技术不断推动着教育的信息化,也促进了互联网与教育的逐渐融合。专递课堂有效地将互联网技术与教育相结合,通过信息技术使各学校的优秀教师以主讲教师的身份为偏远教学点学校学生进行实时异地教学,扩大了优秀教师的覆盖面,是促进教育均衡发展的有效途径之一。为探讨小学英语专递课堂教学中的师生互动质量,研究选取云南省泸西县白水镇的H中心小学与其教学点和华宁县华溪镇H中心小学与其3个教学点作为调研地点,以中心校主讲教师以及教学点师生作为研究对象,通过问卷调查、访谈和课堂观察来收集各方面的信息;借助SPSS对问卷调查的数据进行分析,明晰专递课堂师生互动的现状,并结合对专递课堂师生的访谈和课堂的观摩厘清专递课堂师生互动中存在的问题及其原因;最后提供些许建议以期提高专递课堂教学中的师生互动水平,助力专递课堂更好地服务于教学。研究的主要结论如下:第一,小学英语专递课堂的师生互动质量不高,师生互动质量的总分以及各维度的得分低于平均值。第二,教师的性别、教龄、学历以及执教科目数量不同,其师生互动质量也有所差异。总体上,女性教师的师生互动水平要高于男性教师;教龄为6-10年的教师在情感支持和班级组织维度上的师生互动得分高于其他教龄的教师,16年及以上教龄的教师在教学支持维度上的得分相对较高;专递课堂的师生互动质量在教师学历上没有显着差异;教授一门科目教师的互动水平要相对高于教师两门学科的教师。第三,小学英语专递课堂的师生互动在情感支持、班级组织以及教学支持维度上存在一定问题。在情感支持维度,专递课堂的教学中课堂氛围平淡,教师敏感度降低,效能感不强;在班级组织维度,教学中教师的教学有固化趋势,教学安排单一,教学效率不高;在教学支持维度,教师针对学生的提问缺乏有效性,给予学生反馈的质量不高,忽视了对学生思维能力的培养。第四,小学英语专递课堂师生互动质量不高的原因来自多方面。主要原因包括主讲教师对专递课堂教学模式适应困难,信息素养不足,专递课堂教学任务重;主讲教师和两端学生之间互动不足,主辅教师缺乏互动;学校教师培训管理、交流及考核激励机制亟待完善。
郭伯仁[2]（2021）在《移动边缘智能系统中的资源管理相关技术研究》文中研究说明移动通信技术的演进促进了移动应用和多媒体业务的快速发展,并在网络边缘处产生了海量的数据,为无线通信网络带来了前所未有的流量负载。为此,迫切需要将人工智能（ArtificialIntelligence,AI）这一尖端技术推向网络边缘,充分释放边缘大数据的潜力。此外,超低传输时延、超高数据速率等越来越严苛的用户需求也给通信系统带来了巨大的挑战。为了应对上述需求与挑战,移动边缘计算（Mobile Edge Computing,MEC）架构通过将存储和计算资源卸载至网络边缘,成功降低了传输时延与带宽损耗。AI与MEC的融合诞生出了新的交叉学科——边缘智能（Edge Intelligence,EI）。然而,目前EI的相关研究还处于起步阶段,在AI模块的边缘部署、智能化MEC等方面的研究还存在着不足。有鉴于此,本文主要研究了如何采用AI技术来解决多节点协作服务架构下的边缘缓存与资源调度问题。具体地,本文研究工作的主要贡献和创新点可以分为以下三个部分:第一,本文研究了 MEC系统中多媒体多业务服务质量（Quality of Service）优化问题。在该场景中,MEC服务器可以同时向边缘用户提供实时流媒体、缓冲流媒体、低时延增强移动带宽等多媒体业务。为了满足不同多媒体业务的不同QoS需求,本文应用了 5G QoS模型以实现基站处理资源的灵活调用。随后,本文构造了一个长期累积平均QoS最大化问题,并采用了一种深度强化学习算法来决定无线资源的动态分配。最后,本文将所提出的基于深度强化学习的资源分配算法与轮询分配和基于优先级的调度算法进行了比较。仿真结果证明,所提算法在MEC系统的多媒体多业务场景中的性能明显优于其它两种算法。第二,本文研究了雾无线接入网络中多个雾接入点（fog-computing-based access points,F-APs）协作 下的内 容缓存与下发 问题。考虑到多样化的用户偏好、不可预知的用户移动性、相邻F-APs之间的协作以及时变的信道状态,本文构造了一个长期累积多用户平均传输延迟最小化问题,并提出了一种基于深度强化学习的时延感知缓存更新策略。该策略用于决策每个调度时隙内应该如何对每个F-APs中缓存的文件进行动态更新。相较于先入先出、最近最少使用、最少次数使用三种缓存更新策略,本文所提出的缓存策略具有更好的平均命中率和更低的平均传输延迟。第三,本文研究了边缘智能系统中多节点协作缓存与多业务内容交付问题。为了增强边缘缓存容量,本文提出了一个多节点协作服务架构。在该架构中,除了固定的边缘服务节点外,具有存储和通信能力的移动边缘服务节点也可以被用于文件缓存和数据传输。本文针对移动边缘服务节点和用户的移动特性、时变的信道增益和干扰、随机的文件请求,提出了一个长期累积平均QoS最大化问题。值得注意的是,本文提出了一个多边缘服务节点混合缓存策略用于提高缓存命中率,包括集中式的缓存策略和分布式的缓存策略。然后,本文还提出了一种边缘服务节点选择策略来为边缘用户提供充足的服务时间,从而避免由于网络拓扑关系变化而导致服务中断。最后,本文设计了一种基于深度强化学习的频谱资源分配算法对下行频谱资源进行灵活调度。仿真结果表明,本文所提出的算法相较于其他的基准算法在优化性能与时间复杂度之间取得了平衡。
钏建斌[3]（2021）在《面向无线分布式缓存的内容部署及资源管理研究》文中提出无线缓存技术通过在网络边缘缓存数据,能够实现高效的流量卸载,是解决当前5G（The Fifth Generation）网络普及下网络数据迅猛增长问题的关键技术之一。在网络边缘合理的部署缓存节点对热点内容进行缓存,不仅能够减轻网络负担,减少系统能耗,还能降低内容传输时延,提升用户体验。然而,受到边缘缓存节点在缓存-计算-通信能力上的制约,内容缓存的效益将会被严重影响,同时由于边缘缓存节点间海量数据交互将会消耗大量频谱,不仅会使得无线资源更加紧缺,还会带来巨大的额外能耗。因此,从用户需求出发,考虑内容分布特征、用户社交关系、缓存节点能力、物理信道状况等多域资源,设计并实现高能效、高谱效和低时延的无线缓存系统,对为用户提供高质量的内容共享服务具有重要意义。本研究从理论和实际出发对无线分布式缓存系统的关键技术及实现进行了深入探讨。首先以最大化内容分发成功概率为目标,研究物理-社交跨域缓存下的内容流行度预测方案;接着以最小化能耗为目标,研究内容缓存与分发联合优化方案;然后考虑缓存节点之间的信道状况,以最大化系统速率为目标,对无线资源进行优化;最后综合上述各项研究,对无线分布式缓存系统进行了架构设计和实现。本文的主要工作及研究成果如下:1.面向物理-社交跨域缓存环境下的内容流行度预测方案为了提升内容缓存效益,需要预先对内容流行度进行预测。本研究首先考虑用户之间的社交关系,基于狄利克雷分布提出了一种共同兴趣模型来预测内容流行度,进而考虑物理通信链路质量和内容在节点中的缓存策略,推导出了基于该模型的内容分发成功概率,并基于内容分发成功概率,将目标问题建模成了一个关于内容流行度和缓存策略的后验概率最大化问题。为了解决目标函数复杂的计算任务,本文提出了一种基于吉布斯采样的机器学习算法来对模型进行参数估计,从而将复杂的计算任务转化成简单的统计计算问题,极大的降低了计算复杂度。仿真可得,相比较传统的Zipf拟合方法和概率统计方法,本研究提出的方法可以在保证QoS的前提下将内容分发的平均成功概率提升7.6%。2.面向能耗最小化的内容缓存与分发联合优化方案高效的内容缓存与分发策略是无线分布式缓存系统向用户提供高质量内容服务的保障。本研究提出了一个吸收设备直连通信（Device to Device Communication,D2D）用户作为无线分布式缓存系统缓存节点的方案,该方案以最小化内容共享平均能耗为目标,综合考虑了缓存节点选取问题,内容缓存问题和内容分发问题。首先通过综合考虑D2D用户之间的社交关系和物理通信链路质量,提出了一种基于PageRank架构的分布式算法来解决缓存节点选取问题;接着通过综合考虑用户的缓存空间,物理通信链路状态和内容流行度情况,提出了一种基于置信度传播框架的分布式算法来解决内容缓存策略优化问题;然后结合内容缓存状态,充分考虑用户之间的物理通信链路和内容请求情况,提出了一种基于置信度传播架构的分布式算法来解决内容分发策略优化问题;最后提出了一种基于启发式算法的综合优化方案来提升整个系统的性能。相比较传统的匹配方案,本研究提出的综合优化方案通过牺牲极少量性能将计算速度提升了 25%。3.面向统计CSI的功率控制与链路调度联合优化方案资源优化能够显着的提升无线分布式缓存系统性能,降低系统花费的同时提高服务质量。本研究考虑在一个支持正交频分复用接入（Orthogonal Frequency Division Multiple Access,OFDMA）的蜂窝网络中D2D用户复用蜂窝用户的上行带宽资源的场景,在通信信道统计可知情形下,以最大化系统传输速率为目标,综合考虑能耗优化与链路调度问题,将目标建模成一个混合整数非线性规划问题。在目标函数优化过程中本文首先利用拉格朗日对偶方法将原问题转化成了一个分式规划问题,之后利用凸优化工具将分式规划问题转化成一个二次型求解。基于上述转化,本文提出了一个基于干扰消除的功率控制与链路调度方案来实现系统传输速率的最大化,并提出了三种求解方式,即连续优化方式,离散分段逼近方式和传统的离散匹配方式。仿真结果表明,相比于连续优化方式,本研究提出的离散分段逼近方式以12.1%的系统平均总速率损失将计算速度提升了 41.2%,与传统的离散匹配方式相比则以6.3%的计算速度损失将系统平均总速率提升了9.5 倍。4.无线分布式缓存系统架构设计与实现本文基于D2D技术,网络切片技术,网络功能虚拟化技术（Network Functions Virtualization,NFV）,MEC技术,SDN技术提出了一个无线分布式缓存系统架构方案,并对系统进行了实现。本文的系统方案是一个两层的服务型系统方案,在上层利用SDN控制器可以实现对网络的综合优化和管理,在下层利用SDN代理能够基于本地需求实现对本地网络的精准优化与管理,此外通过增加分布式计算架构,SDN代理之间还可以自发或者在SDN控制器的协助下完成协作任务。为了进一步提高系统内容服务效用,通过在系统中增加额外的设备管理和路由管理模块,将网络一切节点视为网络设备,成功实现了对传统网络中网际协议（Internet Protocol,IP）寻址方式的屏蔽,从而构建一个以内容服务为中心的服务型网络。在系统实现过程中本文主要基于嵌入式技术以及应用程序接口技术进行开发,针对不同的网络服务提供标准的管理接口和数据接口,从而使系统具有了良好的兼容性和开放性,同时实现可嵌入,可扩展,可编程等需求。测试结果表明,与现有系统相比,本系统在节点接入时间、传输速率、时延、抖动、吞吐量和平均响应时间性能上表现出色,也验证了本研究提出的内容流行度预测方案,内容缓存和分发联合优化方案以及功率控制和链路调度联合优化方案的有效性,在无线分布式缓存系统中具有良好的应用前景。
许金良[4]（2020）在《去中心化边缘群智系统的激励机制研究》文中研究表明边缘群智即边缘群体智能提供了一种新的利用人群和边缘计算服务器网络的力量来收集、处理、预测和探知大量有用信息的手段。其中任务发布者通过分布式的边缘群智平台,向大量非专业工人群体发布大量任务,以获得任务答案,其中边缘云网络充当了传统群智平台和数据就近处理的功能。群智的一般场景里,待完成的任务量往往太大以至于不能找到足够的专业工人,而且这些任务不能由计算机代替人来很好地自动处理。一个群智系统包括三个利益相关者,即群智平台（传统群智的云平台或者本工作中由众多边缘云组成的去中心化群智平台）,工人（人群和各种传感器、处理器等硬件设备）,和任务发布者。本文针对已有群智系统所面临的激励机制欠缺、运营成本高企、用户体验较差、数据隐私保护不理想等问题,结合移动边缘计算的硬件基础设施和网络环境,以及区块链智能合约技术在构建信任方面的优势,设计了去中心化边缘群智平台的激励机制模型、与之配合的工作流程及其赖以运行的软硬件系统,并对其初步实现。取得了如下四项成果:1)针对典型群智即众包社区的三个利益相关者存在利益冲突这一根本问题,本文研究了边缘群智的基础,即众包的激励机制,提出了一种基于奖励和惩罚函数的激励相容的激励机制,为构建去中心化的激励机制模型奠定部分理论基础。该工作首先提出和验证了众包社区的一个假设,即所有工人都相信在大多数情况下,其发现每个众包任务的真实答案只是被无偏的噪声所干扰,进而导致错误答案的产生;其次制定奖惩的评估规则并对奖惩函数建模,推导出一系列的奖惩函数对和期望收益函数;最后设计工人的个人等级值来对工人优胜劣汰。该机制能够统一不同利益相关者的利益冲突。而且有助于将平台和发布者从监视工人的努力以及挑选有能力的工人等这些工作中解放出来,而只需要关心解决众包任务本身,节省了发布者成本,同时吸引更多的专业工人到平台工作,有利于整个众包社区以及群智系统的长期发展。2)针对群智系统的用户终端（即工人所使用的智能手机和各种传感器、处理器等）的计算、存储和网络等资源的局限性问题,本文研究了去中心化群智系统的激励机制以及其依托的平台环境,在奖惩函数的群智激励机制的基础上,提出了一种基于边缘云网络的去中心化边缘群智的激励机制和系统框架。该工作以边缘云网络代替位于云计算中心的传统群智平台,实现其分布式部署和去中心化的管理运营。利用群智任务的完成时间与工人数量和任务数量的关系,引入专门设计的佣金机制模型,确保主节点诚实地截留一定数量的任务给自己,并把剩余的任务转送给相邻的主节点,以实现任务在主节点之间的分发。佣金机制模型中,只有主节点诚实地截留对应的数量的任务的情况下,该主节点不但获得佣金总额最大化,而且每个任务的平均佣金最大。3)针对边缘群智应用场景中工人在边缘云网络中移动而导致的服务中断问题,本文研究了服务迁移的边缘云协同方法,基于5G边缘计算的流量指导模块提出了一种兼顾运营商和工人利益的服务迁移路径选择算法,并分析了去中心化模式能够激励更多边缘云加入并提高系统的服务迁移的效率的原因。本工作提出通过路径选择来找到一个或者多个路径来从源边缘服务器传输服务数据到目标边缘服务器,以实现服务数据的无缝迁移。首先路径选择的逻辑是分布式部署的,并通过中心化控制;其次,通过加权求和方法来平衡工人和网络提供商在路径选择时利益不尽一致的现状;最后,在迁移时间必须小于某个阈值的要求下,通过松弛时间变量来确保无缝服务迁移。本工作首次考虑了服务迁移路径选择的重要性,并采用5G边缘计算的流量指导模块来实现服务迁移,提出了一种可以兼顾优化网络层面（如网络提供商的成本）和服务层面（工人感受到的服务质量）的路径选择算法。将问题建模为一个多目标优化问题,进而从理论上证明所提出算法可以给出一个弱帕累托最优解。不仅如此,本文的去中心化管理模式能够打破囚徒博弈激励更多边缘云加入进来,以提高服务迁移路径选择的效率。4)针对去中心化边缘群智系统对应用平台的效率和安全性的需求,本文研究了去中心化的应用平台的设计和研发,提出了一种基于主节点共识机制的去中心化应用部署平台。该部分工作是对前三项理论成果的实践尝试。首先,地理上分布式的边缘云网络提供了去中心化众包平台的基础设施,其中边缘云能够提供平台运行所需要的计算、存储和网络等资源;其次,区块链技术被用来解决边缘云协同场景的信任问题;最后,为了保障共识效率以支持万千物联网应用,提出了基于主节点的新型共识机制。平台设计牵涉到众包答案评估、最终答案计算、工人因所提交答案应得的报酬和奖励的计算等函数的确定,以及实现去中心化信任所必须考虑的业务流程。平台研发语言对物联网应用友好,并完成了初步的全球节点部署并平稳运行。
姚振[5]（2020）在《基于网内缓存的视频传输建模与优化》文中研究表明随着网络体系架构和通信技术的不断演进和创新,用户终端设备的数量和性能都实现了跨越式的提升,以此为契机,视频业务的普及速度进一步加快。这一方面极大地丰富了人们的物质文化生活,促进了相关产业的发展;另一方面,也不可避免地导致了网络中视频流量的指数式增长,给网络基础设施带来了前所未有的巨大压力。面对海量的带宽需求,通过网络扩建和设备更新来提高承载能力已然是杯水车薪。在此情况下,网内缓存技术的出现为这一问题的解决带来了转机。由于视频内容的流行度分布服从二八定律,通过将用户频繁请求的高热度内容保存到边缘网络的网元设备上,能够在缓存命中时提供就近的传输服务。由此不仅可以大幅度增加传输速率,减小传输时延,同时还能够消除网络中大量的冗余流量,缓解核心链路的传输压力。此外,软件定义网络（Software Defined Networking,SDN）和网络功能虚拟化（Network Functions Virtualization,NFV）技术的日益成熟也为网内缓存提供了良好的部署平台。利用SDN集中式控制平面的可扩展和可编程优势可以制定特定的缓存机制和缓存策略,结合NFV使能的网元节点虚拟化内容存储和传输功能,能够针对不同的视频业务需求设计和实现相应的服务框架。本文分别研究了基于SDN的有线局域网和移动蜂窝网中网内缓存协助的视频传输场景,设计了各自的系统架构,同时通过数学建模对优化问题进行了描述,并采用优化控制理论和机器学习算法找寻最优的缓存策略。本文的主要贡献总结如下:1)提出了基于有限状态机和滑动窗口的变长间隔缓存机制,并设计了相应的网内缓存协助的软件定义视频流化传输系统。针对有线局域网内支持SDN和NFV的VoD服务场景,利用SDN控制器实时地收集数据平面的链路状态和缓存分布信息,根据部署的内容传输策略选择最优的服务节点提供视频流化服务。在此基础上,结合所提出的基于滑动窗口的变长间隔缓存策略,来自适应地感知视频流行度变化趋势,调整缓存内容片段的大小,从而提高缓存资源的利用率。除此之外,针对所提出的缓存机制还构建了相应的数学模型,并从理论上对其性能进行了推导。之后,用通用的硬件设备搭建了实际的原型系统来验证其可用性和有效性,并基于Mininet网络仿真平台完成了大规模网络场景下的多指标全面性能评估。实验结果表明本文所提出的缓存策略具有更高的缓存效用和视频传输QoS。2)提出了基于多智能体深度强化学习的多基站间分布式协作缓存策略。针对超高密度5G蜂窝网中支持基站内容缓存的视频传输场景,设计了相应的系统架构和传输机制,之后将多基站间的网内协作边缘缓存问题建模为基于部分可观马尔科夫决策过程（Partially Observable Markov Decision Process,POMDP）的联合策略优化问题,并根据提出的分布式协作缓存策略求解。首先,利用各个基站配备的计算和存储资源,依据本地观测得到的用户接入状态和视频请求状态信息,通过相应的学习算法预测未来时隙的本地状态变化情况。在此基础上,结合基站共享的全局隐状态信息作为多智能体协作边缘缓存算法的状态输入,来找寻最优的缓存决策,旨在提高缓存资源的利用率,减少冗余流量。最终,通过仿真实验评估了该缓存算法在基站大规模、高密度部署场景下的性能表现。实验结果表明本文所提出的缓存策略能够通过网内缓存协作机制更充分有效地利用边缘网内的缓存资源,提高系统的整体性能。3)提出了基于深度生成模型和深度强化学习的具有用户移动性感知能力的预缓存策略。针对超高密度5G蜂窝网中用户移动情况下网内缓存协助的视频传输场景,根据移动轨迹预测的思想设计了相应的预缓存架构,能够在用户发生基站切换之前预先将待传输的内容取回到即将接入的基站之上。首先,采用基于神经网络的生成模型来提取不同移动用户的行为模式特征,加以学习之后,用来预测用户未来的移动轨迹。此后,结合观测到的网络状态信息,根据深度强化学习算法进行内容预缓存决策,目标是提高缓存资源利用率和视频传输QoS。最终,采用真实场景下移动用户的GPS轨迹数据集来测试轨迹预测算法的准确率,并通过仿真实验对所提出的预缓存策略进行了评估及验证。结果表明本文所设计的预缓存策略能够更高效地利用网内缓存资源对移动用户的视频传输性能进行提升。上述三个方面的研究成果分别展示了网内缓存在不同网络架构中的视频传输场景下所带来的性能提升和带宽节省,同时验证了本文所设计的缓存机制和策略的可用性和有效性,充分显示出其在下一代网络中广阔的应用前景。
张甜甜[6]（2019）在《远程同步课堂教学模式在高中思想政治课程教学中的实践研究 ——以扶沟县直高中为例》文中研究指明随着我国改革的进一步深化,各个领域都得到了较快的发展,但城乡教育发展不均衡的问题却未得到根本的解决。以信息化为支撑、以共享优质教育资源、提高农村教育水平和促进农村教师专业发展,进一步缩短城乡教育发展差距为目的的远程同步课堂教学模式应运而生。自远程同步课堂教学模式产生后,不少研究者对该模式进行了很多宏观研究,但鲜少涉及该模式在某一具体学科中的实际应用情况,对思政政治学科的应用研究更少。作为远程同步课堂教学模式的受益者,笔者始终对远程同步课堂教学模式在高中思想政治课程教学中的应用状况非常关注,结合自身的专业学习及实习经历,以扶沟县直高中为例,对此课题进行了研究分析。远程同步课堂模式是基于卫星网络,将较发达地区的优质学校与偏远地区的学校连接起来,并同步把前端教师的授课全过程传送到远端教室中,使落后及偏远地区的学生也有机会享受优质教学资源,是一个没有疆界的新的教学模式。本研究中的扶沟县直高中所运用的是郑州一中育恒远程教育学校的远程同步课堂教学模式,前端是郑州市第一中学,远端是与郑州一中合作参与卫星直播的包括扶沟县县直高中在内的38所学校。本文除绪论外共分三个部分。第一部分:远程同步课堂教学模式概述。介绍了本模式的理论基础,相关的物质技术支撑,并以高中政治必修三《色彩斑斓的文化生活》一课为例,描述了远程同步课堂模式的教学过程。第二部分:远程同步课堂教学模式在高中思想政治课堂中的实践分析。在对扶沟县直高中及卫星班基本情况介绍的基础上,以问卷和访谈调查为主要依据,分析远程同步课堂教学模式在扶沟县直高中实施过程中取得的成效、存在的问题及原因。调查显示,远程同步课堂的推广取得了很大的成效,主要表现在有利于帮助学生提高思想政治课程的学习兴趣和学习能力,有利于远端学校和教师教育教学水平的提高等方面。但远程同步课堂毕竟是新生事物,在发展过程中受制于资金、技术、管理等方面的限制,在实施中也存在着不少问题,主要有硬件设施不完善、前端教师与远端学生缺少互动,远端学生参与度较低、前端教师难以做到因材施教、部分远端教师未担起应尽的职责、远端学校管理不到位等问题。造成这些问题的原因在于政府支持引导不够、远端教师角色定位不清晰、远端学生学习能力不足、前端教师备课不充分以及教学评价考核体系不完善等方面。第三部分:完善远程同步课堂思想政治课程教学的建议。论文从加大投入、完善基础设施,增进前端学校与远端学校间师生的互动交流,调动远端学生的学习积极性,远端学校要增强“主场”意识、积极强化远端教师的作用,以及拓展前端教师与远端师生的交流渠道等方面,提出了改进的建议,以期使远程同步课堂发挥更大的社会效益,促进我国基础教育的均衡发展。
王晨[7]（2019）在《基于安卓端自组织网络的实时视频同步分享系统设计》文中研究表明在现代网络技术、计算机技术和通信技术的发展下,信息化技术的发展给人们的生活带来更多的惊喜和便利,促使人们的日常娱乐生活发生了极大的改变,特别是智能终端的快速发展和人们对新的信息知识和产品的追求,需要更好的平台给用户日常娱乐生活中信息技术的应用的体验带来大改变。移动终端产品的开发给人们提供更加便利、快捷和对网络信息的新的体验。Android作为新一代智能移动终端产品的操作系统,借助其优良的性能和开放的平台占据了更大的智能终端市场氛围,也成了现代产品开发的焦点,与智能终端形成了完美的结合。本文从自组织网络的实时视频同步分享的现状和发展以及日常的应用需求出发,结合现代网络、通讯以及计算机技术的发展,进行了大量的调研和资料的查询,分析了基于Android自组织网络实时视频同步分享过程中所用的各种技术基础,分别对Android系统、Ad hoc技术、RTP/RTSP实时传输协议等技术进行了系统、详细的描述,结合移动终端用户的需要,进行了安卓端自组织网络的设计和实时视频同步分享的具体方案的设计,并分别对安卓端自组织网络中的单点和多点进行基本构建,构建了自组织网络的架构。从远端和本地对实时视频同步分享进行了具体的设计,对不同结构和流程进行了描绘和说明。实现了视/音频获取线程、同步视频块的获取、同步视频数据的解析和实时视频同步传输等过程的基本操作,满足和实现移动终端用户的基本需求。经过对基于安卓自组织网络实时视频同步分享过程中不同环节的性能测试,基本达到了移动终端用户的要求,确定了该平台在日常中使用的可行性,增强和改善了移动用户对网络视频信息的新的体验。
陈文龙[8]（2018）在《面向Android的人机交互虚拟机系统的设计与实现》文中指出Android作为智能终端的操作系统在近年发展迅速,但随着智能设备的普及和网络化,Android设备之间的远程分享和控制等互操作性需求日趋重要,而这是现有Android操作系统所不具备的特性,特别是在智能家庭音响这类无屏设备面临人机交互难点时必须要解决的瓶颈,由此需要对Android的内核及框架进行修改和扩展从而使其具备镜像分享及远程交互的能力。本文系统以智能家庭音响设备的Android操作系统为平台,在Android内核的Flinger层和Gralloc层通过对显示设备、触摸设备及按键设备的管理和相应的事件管理及处理机制,实现跨设备的显示输出信号及输入控制信号等人机交互数据的实时镜像和重定向、网络编码传输和解码虚拟复原,实现在一台Android设备上以虚拟机的方式运行和使用另一台Android设备上的应用。智能家庭音响用户通过使用该技术,随时随地在自己的手持智能终端上通过网络无线安装和使用无屏智能家庭音响设备上的各种开放通用的应用App。在显示信号重定向方面,采用兼容高级图形原语与底层显示信号相结合的方式,通过显示设备的网络化和虚拟化,保证了显示即时性和网络低负载;在上层应用进行图形操作时,将图形原语以RMI（Remote Method Invocation）方式重定向到虚拟图形系统,由虚拟图形系统进行图形绘制后呈现给终端用户;当网络带宽环境良好时,在上层应用完成图像操作后,切块比对双显示缓冲区的差异并标注差异区块链,按需将差异区块进行序列图像差值编码并传输到虚拟图形系统解码后呈现给终端用户。在输入信号重定向方面,本文系统的客户端事件模块将终端按键事件和指针控制事件实时编码传输到事件模块的服务端,由服务端模块实时解码事件数据并向Android内核注入虚拟事件与应用进行交互。经过实际运行表明本文系统作为一台具备Ethernet以太显卡和Ethernet以太I/O设备能力的网络虚拟计算机,能够为用户提供远距离的网络化屏幕显示输出和网络化触摸操作输入的虚拟软设备支持,实现Android智能终端的I/O设备的网络化和软件化及虚拟化。
宋艳[9]（2018）在《基于HDFS集群的医疗视频点播系统的研究与设计》文中指出随着“互联网+”时代的到来,信息技术发展迅速,医疗视频点播系统作为一种快捷的信息传播媒介,在医疗领域得到了广泛应用。为构建点播功能完善、存储能力强的医疗视频点播系统,本文将视频点播技术与云存储技术相结合,设计并实现了基于HDFS集群的医疗视频点播系统。该医疗视频点播系统在实现点播功能的基础上,能够有效提高系统的视频存储能力,改善系统的服务质量。本文主要研究内容包括以下部分:首先,论文从系统的需求分析和总体架构入手,完成了基于HDFS集群的服务器端的设计及搭建,为系统的实现做了充分的准备工作。系统的网络结构模式采用分布性强、业务扩展方便的B/S结构,系统的设计采用Java Web技术和流媒体技术,利用HTML5、DIV+CSS、JavaScript等前端开发语言为用户呈现友好直观的交互界面,利用VLC流媒体播放器嵌入网页来实现医疗视频点播功能。通过对本系统进行功能测试,该系统满足了预期的设计目标,可以实现用户注册登录、视频查询、视频点播、用户管理和视频数据管理等功能。同时,将本文采用的HDFS集群存储模式与传统FTP下文件的存取性能进行比较分析,从而验证本文采用的视频存储方案的高效性。其次,通过分析发现HDFS默认的随机数据放置策略在数据写入过程中极易导致存储不均衡的现象,因此本文对HDFS默认的数据放置策略进行优化,针对DataNode当前的运行状态,选取综合条件最优的DataNode进行数据存储。最后,通过仿真实验将本文采用的算法与HDFS自带的算法进行对比,验证了本文采用的算法能够合理高效地利用系统的存储空间,提高系统的视频存储负载均衡能力。
宋涛[10]（2018）在《数据中心的网络调度与应用研究》文中提出云计算时代的来临使得传统资源专用模式的数据中心演变成新型资源共享模式的数据中心。一方面,数据中心网络结构从传统的层次化树状结构演变成了新型的扁平化对称结构,网络流量从“南北”流量为主演变成“东西”流量为主。因此,传统的数据中心网络调度机制已经不适应云计算数据中心的网络结构和流量模式。另一方面,资源共享模式的出现使得原有的数据中心应用已经不适用于云计算数据中心,新型的云计算数据中心应用开始大量涌现。本文将主要聚焦于云计算数据中心的网络调度和新型应用研究两大主线,完成了以下三个方面的研究:1.数据中心网络流族调度当前的数据中心网络调度研究常常以流为粒度进行调度,但是这种调度方式在对当前数据中心中大量出现的并行计算框架产生的数据流进行调度时表现并不理想,因为它忽视了这些并行的数据流之间存在的语义相关性,最终的调度结果并不能满足它们期望实现的效果。以流族为粒度的调度方法研究正是着眼于解决这类问题。本文设计了一个集中式的实时动态流族调度系统Seagull++,它着眼于减小平均流族完成时间和提升满足Deadline流族数目两个流族调度主要目标,通过实现流族信息获取模块和网络瓶颈探测模块,结合启发式调度算法,很好的实现了流族的实时动态调度,达到了期望的性能。小规模的真实测试平台实验和大规模仿真实验均证明了Seagull++系统在降低平均流族完成时间和提升满足Deadline流族数目上取得了良好的效果。2.数据中心应用——多租户远程虚拟系统计算机技术的迅猛发展,使得大众对计算资源的需求不断增加,人们通过不断升级个人计算设备以满足这种需求,随之带来了高昂的成本开销和硬件资源的浪费。虚拟化技术的诞生和云计算的发展与成熟为这一问题的解决带来一种行之有效的解决思路:通过远程连接到云计算数据中心中虚拟资源的方式,实现现有个人计算设备共享和复用数据中心中的硬件资源。但是,现实中个人计算设备多种多样（包括个人电脑,智能手机,可穿戴设备等等）,如果为每一类设备都设计和实现一种专有的远程虚拟系统则会带来标准混乱,兼容性差,难于维护等各种问题。本文着力于搭建一种通用的多租户远程虚拟系统,它在云计算数据中心与个人计算设备之间架起必要的桥梁。该系统的主要贡献包括:一方面,这是一种通用的系统框架,通过模块化的资源适配,即可实现特定的虚拟系统。通过远程虚拟系统,个人计算设备只需要安装简单的应用程序,便可以直接使用远程数据中心的计算资源,达到降低个人计算设备性能要求,保护了个人敏感数据安全,易于集中管理与部署等目的。另一方面,系统设计了一种基于改进蚁群算法的虚拟计算单元的放置算法来满足多租户同时使用的需求,可以充分利用数据中心的硬件资源,避免浪费。为了验证系统的通用性,本文还分别针对两种不同类型的个人计算设备,即个人电脑和智能手机,构建了实例应用展示。在这两种不同类型设备使用的场景下,进行了大量的基准性能测试与用户体验测试。测试结果表明,本文提出的通用多租户远程虚拟系统,一方面,可以充分发挥数据中心的计算能力,避免硬件资源浪费,并且具有良好的可扩展性;另一方面,完全适用于低配置的客户端计算设备,也为终端用户带了良好的用户体验,比如高质量低延迟的视频显示,较低的电池消耗等等。3.数据中心应用——异构分布式深度神经网络基于深度神经网络的智能应用通常是部署于数据中心中高性能服务器上,相关研究主要关注如何提升深度神经网络性能。由于数据中心的高性能服务器通常以集群的方式存在,因此分布式的深度神经网络也成为了提升深度神经网络的重要方法之一。但是,这类分布式深度神经网络只是限于数据中心内部的同构服务器上采用,忽视了深度神经网络的数据来源采集者——搭载各类数据传感器的终端结点。这种忽视造成了一种研究方向的盲点,层次化的异构型分布式深度神经网络少有人研究。针对此研究盲点,本文提出了一种新型的层次化异构分布式深度神经网络框架HDDNN。它是一种以数据中心为核心,结合人工智能,云计算,物联网,普适计算概念于一体的新型智能应用。HDDNN框架通过将云结点,边缘结点和终端结点连接起来形成层次化的架构,并结合每类结点的特性和能力,最终设计和实现了分布式计算结点异构,分布式神经网络异构,分布式系统任务异构的新型数据中心应用。大量的实验论证了HDDNN框架具有更短的响应时间,高的准确性,更好的硬件利用率,高扩展性,使能隐私保护,使能容错性等特性。
二、分布式多媒体远端教学系统的设计与实现（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、分布式多媒体远端教学系统的设计与实现（论文提纲范文）
（1）小学英语专递课堂师生互动现状及对策研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 第一节 导论 |
| 一、研究背景 |
| 二、研究意义 |
| 三、创新之处 |
| 第二节 核心概念界定及理论依据 |
| 一、核心概念界定 |
| 二、理论依据 |
| 第三节 研究综述 |
| 一、关于专递课堂的研究综述 |
| 二、关于师生互动的研究综述 |
| 三、关于师生互动观察评估工具的研究综述 |
| 四、关于专递课堂师生互动的研究综述 |
| 第二章 调研点专递课堂实施背景及现状 |
| 第一节 调研点专递课堂的实施背景 |
| 第二节 调研点专递课堂的实施概况 |
| 一、调研点专递课堂建设概况 |
| 二、专递课堂的具体实践 |
| 第三章 研究设计与实施 |
| 第一节 研究设计 |
| 一、研究思路 |
| 二、研究目的 |
| 三、研究方法 |
| 四、研究工具 |
| 第二节 小学英语专递课堂师生互动质量问卷的编制和修订 |
| 一、问卷编制程序 |
| 二、小学英语专递课堂师生互动质量问卷的修订 |
| 三、小结 |
| 第三节 小学英语专递课堂师生互动质量结果统计与分析 |
| 一、小学英语专递课堂师生互动质量的数据统计与分析 |
| 二、小结 |
| 第四章 小学英语专递课堂师生互动存在的问题及原因分析 |
| 第一节 小学英语专递课堂师生互动存在的问题 |
| 一、情感支持维度 |
| 二、班级组织维度 |
| 三、教学支持维度 |
| 四、小结 |
| 第二节 小学英语专递课堂师生互动质量不高的原因分析 |
| 一、教师与专递课堂模式 |
| 二、教师与学生 |
| 三、教师与学校层面 |
| 四、小结 |
| 第五章 结论与建议 |
| 第一节 研究结论 |
| 第二节 研究建议 |
| 一、教师应优化师生互动,促进有效教学 |
| 二、学校应促进教师共同体的建立,实现双赢 |
| 三、多方合作,成立专管团队 |
| 第三节 研究不足与展望 |
| 参考文献 |
| 附录 |
| 攻读学位期间发表的学术论文和研究成果 |
| 致谢 |
（2）移动边缘智能系统中的资源管理相关技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 边缘智能的引出 |
| 1.1.1 移动通信网络架构的演进 |
| 1.1.2 边缘智能的技术特点 |
| 1.2 边缘智能的研究现状与应用前景 |
| 1.2.1 AI模块的边缘部署 |
| 1.2.2 智能化的MEC |
| 1.3 论文研究意义与主要贡献 |
| 1.4 论文组织结构与主要研究内容 |
| 参考文献 |
| 第二章 深度强化学习关键技术介绍 |
| 2.1 深度强化学习技术的引入 |
| 2.2 强化学习基本原理 |
| 2.2.1 马尔可夫决策过程 |
| 2.2.2 价值函数 |
| 2.2.3 时间差分学习 |
| 2.2.4 Q学习算法与SARSA算法 |
| 2.3 深度强化学习基本原理 |
| 2.3.1 深度学习 |
| 2.3.2 深度Q网络技术及其拓展 |
| 2.4 本章小结 |
| 参考文献 |
| 第三章 移动边缘计算系统中的多媒体多业务服务质量优化 |
| 3.1 多媒体多业务优化问题的提出 |
| 3.2 相关研究工作 |
| 3.3 系统模型 |
| 3.3.1 MEC系统的多业务场景 |
| 3.3.2 QoS流映射与数据包调度 |
| 3.3.3 流量模型 |
| 3.3.4 时延模型 |
| 3.3.5 优化问题构造 |
| 3.4 基于DQN的多媒体多业务优化框架 |
| 3.4.1 DQN框架设计 |
| 3.4.2 基于DQN的资源分配算法 |
| 3.5 仿真结果与性能分析 |
| 3.5.1 多媒体多业务场景模型配置 |
| 3.5.2 DQN框架收敛性分析 |
| 3.5.3 基于DQN的无线资源分配算法性能分析 |
| 3.6 本章小结 |
| 参考文献 |
| 第四章 雾接入网络中时延感知的缓存更新策略 |
| 4.1 雾无线接入网络中缓存更新问题的提出 |
| 4.2 相关研究工作 |
| 4.3 系统模型 |
| 4.3.1 基于F-RAN架构的协作缓存和内容下发场景 |
| 4.3.2 用户移动模型 |
| 4.3.3 文件缓存模型 |
| 4.3.4 内容下发模型 |
| 4.3.5 优化问题构造 |
| 4.4 文件传输时延感知的缓存更新策略 |
| 4.4.1 马尔可夫决策过程建模 |
| 4.4.2 Dueling DQN框架设计 |
| 4.4.3 基于Dueling DQN的时延感知缓存文件更新策略 |
| 4.5 仿真结果与性能分析 |
| 4.5.1 F-RAN系统中协作缓存场景参数配置 |
| 4.5.2 Dueling DQN框架收敛性分析 |
| 4.5.3 时延感知缓存文件更新策略性能分析 |
| 4.6 本章小结 |
| 参考文献 |
| 第五章 边缘智能系统中多节点协作缓存与多业务内容交付 |
| 5.1 边缘智能系统中基于混合服务节点多业务优化问题的引出 |
| 5.1.1 相关研究工作 |
| 5.1.2 主要目的与贡献 |
| 5.2 系统模型 |
| 5.2.1 边缘智能系统中面向移动用户的多服务多节点协作架构 |
| 5.2.2 移动模型 |
| 5.2.3 缓存模型 |
| 5.2.4 下行通信模型 |
| 5.2.5 优化问题构造 |
| 5.3 基于学习的多节点缓存与资源分配算法 |
| 5.3.1 基于无监督学习的多节点混合缓存策略 |
| 5.3.2 边缘服务节点选择策略 |
| 5.3.3 基于深度强化学习的下行子信道分配策略 |
| 5.4 仿真结果与性能分析 |
| 5.4.1 参数配置 |
| 5.4.2 时间复杂度分析 |
| 5.4.3 算法性能分析 |
| 5.5 本章小结 |
| 参考文献 |
| 第六章 总结和展望 |
| 6.1 本论文工作总结 |
| 6.2 未来工作展望 |
| 缩略语表 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（3）面向无线分布式缓存的内容部署及资源管理研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.2 无线分布式缓存系统的研究现状 |
| 1.2.1 内容流行度研究现状 |
| 1.2.2 内容缓存与分发策略研究现状 |
| 1.2.3 频谱资源管理研究现状 |
| 1.2.4 系统架构设计与实现现状 |
| 1.3 本文研究的内容与创新点 |
| 1.4 本文的组织结构 |
| 第二章 面向物理-社交跨域缓存环境下的内容流行度预测方案 |
| 2.1 引言 |
| 2.2 基于用户共同兴趣的内容流行度预测建模 |
| 2.2.1 共同兴趣模型及内容流行度 |
| 2.2.2 成功传输概率 |
| 2.2.3 内容流行度预测模型 |
| 2.3 基于狄利克雷的内容流行度预测方案 |
| 2.3.1 基于机器学习的共同兴趣模型及内容流行度预测算法 |
| 2.3.2 问题转换及求解 |
| 2.4 仿真及结果分析 |
| 2.4.1 仿真参数及数据集 |
| 2.4.2 仿真结果分析 |
| 2.5 本章小结 |
| 第三章 面向能耗最小化的内容缓存与分发联合优化方案 |
| 3.1 引言 |
| 3.2 内容缓存与分发问题建模 |
| 3.2.1 场景描述 |
| 3.2.2 内容分发平均能耗最小化模型 |
| 3.2.3 模型分析及问题优化方案 |
| 3.3 无线分布式缓存系统中缓存节点选取策略优化方案 |
| 3.3.1 问题转换 |
| 3.3.2 基于PageRank算法的分布式缓存节点选取策略优化 |
| 3.4 无线分布式缓存系统中内容缓存策略优化方案 |
| 3.4.1 问题转换 |
| 3.4.2 基于置信度传播的分布式内容缓存策略优化 |
| 3.5 无线分布式缓存系统中内容分发策略优化 |
| 3.5.1 问题转换 |
| 3.5.2 基于置信度传播的分布式内容分发策略优化 |
| 3.6 无线分布式缓存系统中内容缓存与分发联合优化 |
| 3.6.1 基于启发式算法的内容共享联合策略优化方案 |
| 3.6.2 复杂度分析 |
| 3.7 仿真结果及分析 |
| 3.8 本章小结 |
| 3.9 附录Ⅰ: 最大积置信度传播算法 |
| 3.10 附录Ⅱ: 等式(3-44)的证明 |
| 3.11 附录Ⅲ: 等式(3-49)的证明 |
| 第四章 面向统计CSI的功率控制与链路调度联合优化方案 |
| 4.1 引言 |
| 4.2 基于最大化系统传输速率方案建模 |
| 4.2.1 场景描述 |
| 4.2.2 最大化系统传输速率模型 |
| 4.3 基于分式规划的干扰消除综合优化方案 |
| 4.3.1 基于拉格朗日方程的问题转换方案 |
| 4.3.2 基于分式规划的问题转换方案 |
| 4.3.3 基于干扰消除的功率控制与链路调度联合优化方案 |
| 4.4 仿真结果及分析 |
| 4.5 本章小结 |
| 第五章 无线分布式缓存系统架构设计与实现方案 |
| 5.1 引言 |
| 5.2 无线分布式缓存系统架构设计 |
| 5.2.1 系统应用场景及整体需求 |
| 5.2.2 系统设计思路 |
| 5.2.3 系统逻辑架构 |
| 5.2.4 基于SDN的系统功能模块设计 |
| 5.2.5 系统主要业务逻辑 |
| 5.3 无线分布式缓存系统实现方案 |
| 5.3.1 基于SDN的信息收集与决策子系统 |
| 5.3.2 设备管理子系统 |
| 5.3.3 内容管理以及服务子系统 |
| 5.3.4 网络路由管理子系统 |
| 5.3.5 系统部署方案 |
| 5.4 系统测试实验 |
| 5.4.1 测试一: MEC到用户的传输性能测试 |
| 5.4.2 测试二: 用户到用户传输性能测试 |
| 5.4.3 测试三: 单AP内容请求模式下网络性能测试 |
| 5.4.4 测试四: 同一缓存方案多AP内容请求模式下网络性能测试 |
| 5.4.5 测试五: 不同缓存方案多AP内容请求模式下网络性能测试 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作级展望 |
| 参考文献 |
| 附录A 缩略语表 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（4）去中心化边缘群智系统的激励机制研究（论文提纲范文）
| 摘要 |
| abstract |
| 符号对照表 |
| 缩略语表 |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 相关概念 |
| 1.1.2 研究问题 |
| 1.2 主要研究工作 |
| 1.3 论文内容和结构 |
| 1.4 课题来源 |
| 第二章 相关研究综述 |
| 2.1 传统群智平台的激励机制 |
| 2.2 去中心化群智的激励机制框架 |
| 2.3 群智用户移动性导致的边缘云协同 |
| 2.3.1 服务迁移的路径选择 |
| 2.3.2 服务迁移概述 |
| 2.3.3 服务迁移的基础技术 |
| 2.3.4 服务迁移中数据的高效传输 |
| 2.3.5 服务迁移的宿主机 |
| 2.3.6 服务迁移的问题和挑战 |
| 2.4 区块链智能合约和移动边缘计算使能的边缘群智平台 |
| 2.5 本章小结 |
| 第三章 基于奖惩函数的群智激励机制 |
| 3.1 引言 |
| 3.2 验证假设 |
| 3.3 激励机制设计 |
| 3.3.1 判决规则 |
| 3.3.2 奖惩规则 |
| 3.3.3 最终生成规则 |
| 3.4 众包社区的改善 |
| 3.4.1 个人等级值 |
| 3.4.2 众包平台的改善 |
| 3.4.3 时延控制 |
| 3.5 实验设置和验证 |
| 3.5.1 实验设置 |
| 3.5.2 时延控制 |
| 3.5.3 成本和平台改善 |
| 3.5.4 质量控制 |
| 3.6 本章小结 |
| 第四章 去中心化群智边缘云节点的佣金机制 |
| 4.1 引言 |
| 4.2 去中心化激励机制设计 |
| 4.2.1 工人的奖惩机制 |
| 4.2.2 边缘云主节点的佣金 |
| 4.3 去中心化众包业务流的智能合约设计 |
| 4.3.1 任务发布事件和任务的识别 |
| 4.3.2 交易结构设计 |
| 4.3.3 利益相关者的交互 |
| 4.4 人机混合的工人 |
| 4.5 实验验证 |
| 4.6 本章小结 |
| 第五章 服务迁移的效率及其中边缘云的协作激励 |
| 5.1 引言 |
| 5.2 流量指导的路径选择算法 |
| 5.2.1 相关概念和符号 |
| 5.2.2 路径选择算法 |
| 5.2.3 帕累托最优解的分析 |
| 5.2.4 基于椭圆区域解决算法扩展性 |
| 5.3 边缘服务器协作的激励 |
| 5.3.1 边缘云主节点的提成 |
| 5.4 实验设置及测试结果 |
| 5.4.1 数据集和平台 |
| 5.4.2 对比算法和度量 |
| 5.4.3 实验结果 |
| 5.5 本章小结 |
| 第六章 基于边缘计算和区块链技术的边缘群智系统实现 |
| 6.1 引言 |
| 6.2 基于边缘计算和区块链技术的Edgence平台的设计 |
| 6.2.1 主节点即去中心化管理 |
| 6.2.2 三层验证机制 |
| 6.2.3 验证节点的选择 |
| 6.3 Edgence平台的应用举例 |
| 6.3.1 去中心化众包 |
| 6.3.2 分布式AI训练 |
| 6.3.3 网联无人机的航线管理 |
| 6.3.4 非可信网络的数据传输的去中心化 |
| 6.4 本章小结 |
| 第七章 总结和展望 |
| 7.1 论文总结 |
| 7.2 研究方向展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术成果 |
| 本人获得的奖励及参加的科研项目 |
（5）基于网内缓存的视频传输建模与优化（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 有线局域网中的网内缓存研究 |
| 1.2.2 移动蜂窝网中的网内缓存研究 |
| 1.3 本文主要工作 |
| 1.4 本文的组织结构 |
| 第二章 基于网内变长间隔缓存的软件定义网络视频传输优化 |
| 2.1 引言 |
| 2.1.1 基于NFV的CDN和网内缓存架构研究 |
| 2.1.2 SDN协助的缓存管理和视频传输研究 |
| 2.1.3 针对VoD服务的缓存置换策略研究 |
| 2.2 网内缓存协助的软件定义视频流化传输系统架构 |
| 2.2.1 系统架构 |
| 2.2.2 缓存机制 |
| 2.2.3 服务流程 |
| 2.3 基于滑动窗口机制的变长间隔缓存策略 |
| 2.3.1 缓存窗口状态演化模型 |
| 2.3.2 基于变长滑动窗口的网内缓存机制 |
| 2.3.3 网内缓存协助的视频传输策略 |
| 2.4 系统性能理论分析 |
| 2.5 原型系统搭建和应用示范 |
| 2.6 性能评估 |
| 2.6.1 性能评价指标 |
| 2.6.2 仿真场景设置 |
| 2.6.3 仿真实验结果分析 |
| 2.7 本章小结 |
| 第三章 超高密度5G蜂窝网中基于多智能体深度强化学习的协作边缘缓存 |
| 3.1 引言 |
| 3.1.1 基于最优化理论的缓存策略设计 |
| 3.1.2 基于机器学习的缓存策略设计 |
| 3.1.3 基于深度强化学习的缓存策略设计 |
| 3.2 系统模型和问题描述 |
| 3.2.1 系统模型 |
| 3.2.2 问题建模 |
| 3.3 基于多智能体深度强化学习的网内协作边缘缓存 |
| 3.3.1 多智能体Actor-Critic协作框架 |
| 3.3.2 内容请求预测 |
| 3.3.3 用户接入预测 |
| 3.3.4 基于多智能体深度强化学习的分布式协作缓存决策 |
| 3.4 性能评估 |
| 3.4.1 仿真设置 |
| 3.4.2 性能指标 |
| 3.4.3 实验结果分析 |
| 3.5 本章小结 |
| 第四章 针对移动用户视频传输业务的移动性感知网内预缓存 |
| 4.1 引言 |
| 4.2 系统模型和问题描述 |
| 4.2.1 系统架构 |
| 4.2.2 问题描述 |
| 4.3 移动性感知的预缓存策略 |
| 4.3.1 基于CVAE模型的移动轨迹预测 |
| 4.3.2 基于深度Actor-Critic框架的预缓存策略 |
| 4.4 性能评估 |
| 4.4.1 基于CVAE模型的移动轨迹预测 |
| 4.4.2 基于深度Actor-Critic框架的预缓存策略 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 本文总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（6）远程同步课堂教学模式在高中思想政治课程教学中的实践研究 ——以扶沟县直高中为例（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 绪论 |
| 一、选题背景及选题意义 |
| (一)选题背景 |
| (二)选题意义 |
| 二、国内外研究综述 |
| (一)国内研究综述 |
| (二)国外研究综述 |
| 三、研究内容与方法 |
| (一)研究内容 |
| (二)研究方法 |
| 四、创新与不足 |
| (一)创新之处 |
| (二)研究不足之处 |
| 第一章 远程同步课堂教学模式概述 |
| 一、远程同步课堂教学模式的相关概念界定 |
| (一)远程教育 |
| (二)远程同步课堂教学模式 |
| 二、远程同步课堂教学模式产生的相关理论基础 |
| (一)建构主义理论 |
| (二)教学最优化理论 |
| (三)教育公平理论 |
| 三、远程同步课堂教学模式的技术支撑 |
| (一)卫星多媒体传输系统的发展 |
| (二)多媒体课堂的建设 |
| 四、远程同步课堂教学模式在高中思想政治课程教学中的应用 |
| (一)学生预习 |
| (二)课前准备 |
| (三)教学过程 |
| (四)课后反思 |
| 第二章 远程同步课堂教学模式在高中思想政治课堂中的实践分析 |
| 一、扶沟县直高中实施远程同步课堂简介 |
| (一)扶沟县直高中简介 |
| (二)扶沟县直高中卫星班简介 |
| 二、远程同步课堂教学模式在高中思想政治课程教学中取得的成效 |
| (一)远程同步课堂有利于学生思想政治课程学习兴趣的提高 |
| (二)远程同步课堂有利于学生思想政治课程学习能力的提高 |
| (三)远程同步课堂有利于远端教师教育教学水平的提高 |
| 三、远程同步课堂教学模式在思想政治课程教学中存在的问题 |
| (一)硬件设施不完善,教学质量打折扣 |
| (二)远程同步课堂缺少互动,远端学生参与度较低 |
| (三)前端教师难以做到因材施教 |
| (四)部分远端教师未担起应尽的职责 |
| (五)远端学校管理不到位 |
| 四、高中思想政治课程远程同步课堂中存在问题的原因分析 |
| (一)政府支持力度不够 |
| (二)远端学生学习能力不足 |
| (三)前端教师备课很难做到“备学生” |
| (四)远端教师缺乏清晰的角色定位 |
| (五)教学评价、考核体系不完善 |
| 第三章 完善远程同步课堂思想政治课程教学的建议 |
| 一、加大投入,完善基础设施 |
| (一)政府积极支持与引导 |
| (二)及时更新设备和系统 |
| (三)建立远程同步课堂资源库 |
| 二、增进前端学校与远端学校间师生的互动交流 |
| (一)增进课前交流互动 |
| (二)增进课中交流互动 |
| (三)增进课后交流互动 |
| 三、进一步调动远端学生的学习积极性 |
| (一)提高学生自信心 |
| (二)培养良好的思想政治课程学习习惯 |
| 四、拓展前端教师与远端学校师生的交流渠道 |
| (一)准备微课 |
| (二)开通自媒体 |
| 五、远端学校要增强“主场”意识,积极强化远端教师的作用 |
| (一)不盲目追求全程同步,创建适合本校的课堂模式 |
| (二)进一步优化生源结构 |
| (三)强化远端教师的作用 |
| (四)加强管理,完善远端教师评价考核体系 |
| 结语 |
| 参考文献 |
| 附录A：高中思想政治课程远程同步课堂教学模式学生调查问卷 |
| 附录B：高中思想政治课程远程同步课堂教学访谈提纲及记录（教师层） |
| 附录C：高中思想政治课程远程同步课堂教学访谈提纲及记录（管理层） |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（7）基于安卓端自组织网络的实时视频同步分享系统设计（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 |
| 1.2 研究内容和意义 |
| 1.3 发展概况 |
| 1.3.1 国外发展现状 |
| 1.3.2 国内发展现状 |
| 1.4 论文组织结构 |
| 第二章 相关理论与技术基础 |
| 2.1 Android系统 |
| 2.1.1 Android系统介绍 |
| 2.1.2 Android系统多媒体框架 |
| 2.2 自组织网络(Ad Hoc) |
| 2.3 实时传输协议 RTP/RTSP |
| 2.4 流媒体技术 |
| 2.5 其他相关技术 |
| 2.6 本章小结 |
| 第三章 Android端自组织网络的设计方案 |
| 3.1 自组织网络的详细架构 |
| 3.2 Android技术支持 |
| 3.3 基于不同节点的自组织网络的构建 |
| 3.3.1 基于单点的自组织网络的构建 |
| 3.3.2 基于多点的自组织网络的构建 |
| 3.4 本章小结 |
| 第四章 Android端实时视频同步分享的设计方案 |
| 4.1 实时视频同步分享系统技术需求 |
| 4.2 实时视频同步分享流程 |
| 4.3 实时视频同步分享系统架构 |
| 4.4 实时视频同步分享系统设计 |
| 4.4.1 远端视频分享服务器的设计 |
| 4.4.2 移动终端客户端的设计 |
| 4.5 本章小结 |
| 第五章 自组织网络的实时视频同步实现与测试 |
| 5.1 视频获取同步实现 |
| 5.1.1 视/音频获取线程 |
| 5.1.2 同步视频块的获取 |
| 5.1.3 同步视频数据的解析 |
| 5.1.4 实时视频同步传输实现 |
| 5.2 系统测试 |
| 5.2.1 测试环境 |
| 5.2.2 功能测试 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（8）面向Android的人机交互虚拟机系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 与本课题有关的国内外研究状况 |
| 1.3 本文的主要研究内容及论文结构 |
| 第2章 人机交互虚拟机系统的需求分析和关键技术 |
| 2.1 应用场景分析 |
| 2.2 功能性需求分析 |
| 2.2.1 设备绑定和联机 |
| 2.2.2 操作同步和镜像显示 |
| 2.2.3 后台服务维护 |
| 2.2.4 操作注入和屏显同步 |
| 2.3 非功能性需求分析 |
| 2.4 关键技术 |
| 2.5 本章小结 |
| 第3章 人机交互虚拟机系统的设计 |
| 3.1 概要设计 |
| 3.1.1 总体架构设计 |
| 3.1.2 功能结构设计 |
| 3.1.3 数据结构设计 |
| 3.2 详细设计 |
| 3.2.1 信道控制模块设计 |
| 3.2.2 显示信号模块设计 |
| 3.2.3 虚拟事件模块设计 |
| 3.2.4 设备驱动模块设计 |
| 3.2.5 前台交互模块设计 |
| 3.3 本章小结 |
| 第4章 人机交互虚拟机系统的实现 |
| 4.1 信道控制模块实现 |
| 4.2 显示信号模块实现 |
| 4.3 虚拟事件模块实现 |
| 4.4 设备驱动模块实现 |
| 4.5 前台交互模块实现 |
| 4.6 本章小结 |
| 第5章 人机交互虚拟机系统的测试 |
| 5.1 测试方案 |
| 5.2 功能测试 |
| 5.3 性能测试 |
| 5.4 测试结论 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（9）基于HDFS集群的医疗视频点播系统的研究与设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的主要内容 |
| 2 技术基础 |
| 2.1 流媒体技术 |
| 2.2 MVC设计模式 |
| 2.3 HDFS分布式文件系统 |
| 2.4 本章小结 |
| 3 系统设计及实现 |
| 3.1 系统需求分析 |
| 3.2 系统总体架构 |
| 3.3 系统总体设计 |
| 3.4 详细设计及实现 |
| 3.5 系统测试 |
| 3.6 本章小结 |
| 4 HDFS数据存储负载均衡算法研究 |
| 4.1 HDFS数据放置策略分析 |
| 4.2 优化算法的设计及仿真 |
| 4.3 本章小结 |
| 5 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间主要成果 |
（10）数据中心的网络调度与应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 云计算和数据中心 |
| 1.2 数据中心的网络调度 |
| 1.3 数据中心的应用研究——远程虚拟系统 |
| 1.3.1 远程虚拟桌面系统 |
| 1.3.2 远程虚拟智能手机系统 |
| 1.4 数据中心的应用研究——分布式深度神经网络框架 |
| 1.5 本文的主要贡献 |
| 1.6 本文的组织结构 |
| 第二章 数据中心的网络流族调度 |
| 2.1 引论 |
| 2.2 相关背景研究 |
| 2.2.1 虚拟巨型交换机 |
| 2.2.2 流族的饿死 |
| 2.2.3 流族通信方式分类 |
| 2.2.4 经典流族调度算法 |
| 2.3 问题描述和分析 |
| 2.3.1 示例一:发送端瓶颈 |
| 2.3.2 示例二:接收端瓶颈 |
| 2.3.3 流族大小分布 |
| 2.4 系统设计和实现 |
| 2.4.1 系统架构 |
| 2.4.2 流族API |
| 2.4.3 流族信息获取模块 |
| 2.4.4 分布式网络瓶颈检测模块 |
| 2.5 流族调度算法 |
| 2.5.1 期望特性 |
| 2.5.2 算法描述 |
| 2.5.3 期望特性实现 |
| 2.6 实验评测及分析 |
| 2.6.1 真实实验 |
| 2.6.2 仿真实验 |
| 2.7 本章小结 |
| 2.7.1 延伸工作 |
| 第三章 数据中心应用——多租户远程虚拟系统 |
| 3.1 引论 |
| 3.2 相关背景介绍 |
| 3.2.1 虚拟化 |
| 3.2.2 虚拟机 |
| 3.2.3 虚拟机的放置 |
| 3.3 主要贡献 |
| 3.3.1 通用多租户远程虚拟系统设计 |
| 3.3.2 基于蚁群算法的虚拟计算单元放置 |
| 3.4 应用实例一:多租户远程桌面虚拟系统 |
| 3.4.1 应用动机 |
| 3.4.2 实现细节 |
| 3.4.3 实验评估 |
| 3.5 应用实例二:多租户远程虚拟智能手机平台 |
| 3.5.1 应用动机 |
| 3.5.2 系统框架 |
| 3.5.3 实现细节 |
| 3.5.4 实验评估 |
| 3.6 本章小结 |
| 3.6.1 延伸工作 |
| 第四章 数据中心应用——异构分布式深度神经网络 |
| 4.1 引论 |
| 4.2 相关背景介绍 |
| 4.2.1 人工智能和深度神经网络 |
| 4.2.2 物联网 |
| 4.2.3 普适计算和分布式系统 |
| 4.3 异构分布式深度神经网络框架设计 |
| 4.3.1 分布式计算结点异构 |
| 4.3.2 神经网络异构 |
| 4.3.3 系统任务异构 |
| 4.3.4 任务分配和可扩展性 |
| 4.3.5 隐私保护 |
| 4.3.6 容错性 |
| 4.4 评测系统设计 |
| 4.4.1 评测系统框架 |
| 4.4.2 评测系统里的神经网络 |
| 4.4.3 评测数据集 |
| 4.4.4 评测通信开销 |
| 4.5 实验结果和分析 |
| 4.5.1 分布式计算结点异构的影响 |
| 4.5.2 神经网络异构的影响 |
| 4.5.3 系统任务异构的影响 |
| 4.5.4 任务分配和可扩展性的评测 |
| 4.5.5 隐私保护的额外开销 |
| 4.5.6 容错性测试 |
| 4.6 本章小结 |
| 4.6.1 延伸工作 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间参与的项目 |
| 攻读学位期间申请的专利 |
四、分布式多媒体远端教学系统的设计与实现（论文参考文献）
- [1]小学英语专递课堂师生互动现状及对策研究[D]. 王品慧. 云南师范大学, 2021(08)
- [2]移动边缘智能系统中的资源管理相关技术研究[D]. 郭伯仁. 北京邮电大学, 2021(01)
- [3]面向无线分布式缓存的内容部署及资源管理研究[D]. 钏建斌. 北京邮电大学, 2021(01)
- [4]去中心化边缘群智系统的激励机制研究[D]. 许金良. 北京邮电大学, 2020
- [5]基于网内缓存的视频传输建模与优化[D]. 姚振. 中国科学技术大学, 2020(09)
- [6]远程同步课堂教学模式在高中思想政治课程教学中的实践研究 ——以扶沟县直高中为例[D]. 张甜甜. 河南大学, 2019(01)
- [7]基于安卓端自组织网络的实时视频同步分享系统设计[D]. 王晨. 西安电子科技大学, 2019(02)
- [8]面向Android的人机交互虚拟机系统的设计与实现[D]. 陈文龙. 哈尔滨工业大学, 2018(02)
- [9]基于HDFS集群的医疗视频点播系统的研究与设计[D]. 宋艳. 山东科技大学, 2018(03)
- [10]数据中心的网络调度与应用研究[D]. 宋涛. 上海交通大学, 2018(01)