一、忘记LINUX密码怎么办?（论文文献综述）
郭建伟[1]（2021）在《恢复VMware ESXi和vCenter Server密码》文中认为在日常的网络管理工作中,VMware vSphere是常用的系统平台。本文详细介绍如何恢复这一平台的密码,方面同行们在工作中应用。
邵雪羚[2]（2021）在《地区电网短期负荷预测云平台设计与实现》文中指出短期电力负荷预测是电力系统研究领域的一个重要研究方向,对其进行准确高效的预测,对于电网的安全、稳定运行有着非常积极的作用。然而电力负荷的影响因素众多,各个影响因素的收集以及提取通常由人工手动完成,工作量巨大,效率不高。相关学者围绕短期负荷预测研究已经开展了大量工作,取得了大量研究成果,也提出了许多预测算法。但是这些方法大部分对于适用条件都有一定的限制,此外随着电力数据体量与维度不断增加,短期负荷预测研究面临着新的困难与挑战。本文对此展开了研究,设计并实现了一套地区电网短期负荷预测云平台。本文首先对短期电力负荷预测的研究背景以及意义进行了介绍,对负荷特性指标、负荷预测方法、负荷预测软件相关研究的国内外研究现状进行了阐述。结合文献分析以及实地调研,本文系统采用B/S架构体系以及LAMP（Linux,Apache,My SQL,PHP）开发框架,集成当前主流的3种神经网络负荷预测模型作为负荷预测算法,利用python进行负荷预测各类基础数据采集,使用电网企业云作为系统的云平台。随后,本文针对电网负荷预测实际需求进行了系统的功能性及非功能性需求分析,且在此基础上设计了系统架构和功能模块,即负荷预测、负荷数据管理、负荷特性管理、人员管理功能模块。本文针对各个模块的功能进行了详细的功能设计、算法流程设计、数据模型设计,在电力私有云服务器上完成系统部署与实现。在云平台搭建完成之后,对该系统展开了全面的功能性测试及兼容性安全性等测试,测试结果表明该平台可以对短期负荷进行精准预测,并且具有良好的安全性和兼容性。本文设计的地区电网短期负荷预测云平台系统,实现了电网负荷自动化、科学化预测,实现了负荷历史数据、负荷特性数据信息化管理,实现了负荷预测人员考核管理,提升了负荷预测工作效率,提高了电网自动化管理水平,为电网进行精准、高效、科学的负荷预测提供了有力支撑。
王进梁[3]（2020）在《分区加密的固态盘阵列验证和试验》文中进行了进一步梳理独立冗余磁盘阵列（Redundant Arrays of Independent Disks,RAID）技术因其大容量、高性能、可容错等特点被广泛地应用于各种存储设备。随着存储技术的发展,固态硬盘（Solid State Drive,SSD）逐渐取代机械硬盘（Hard Disk Drive,HDD）成为磁盘阵列的成员磁盘。固态盘阵列会涉及到海量数据的读写操作,从而不可避免地会产生数据安全问题,因此对于安全存储的研究就显得尤为重要。本文设计了具有分区加密功能的固态盘阵列,可以实现用户身份的多重认证以及重要数据的加密存储。固态盘阵列分为公共分区和安全分区,公共分区存储普通数据,安全分区则以加密方式存储重要数据并且可以实现分区的隐藏,用户可以根据自身存储需求在对应分区存放数据。阵列的成员磁盘采用集成了安全加密引擎逻辑模块的固态硬盘,其主控芯片实现了对安全分区数据的实时加解密。用户只有通过身份认证之后才能操作安全分区,身份认证在用户密码认证方式下,对传输的密码进行AES算法加密,有效防止了非法拦截和窃取。固件通过加载不同的主引导记录（Master Boot Recorder,MBR）可以实现安全分区的隐藏与恢复。固件在下载和更新时,利用下载认证和加密传输的方式提升了其安全性。本文在Linux系统软RAID基础上,在MD（Multi-Disk）模块架构中新增了数据安全模块,用于实现数据的安全存储。在SCSI子系统中,主机通过SCSI通用驱动（SCSI Generic,sg）发送自定义的安全操作命令给设备,设备固件解析命令之后执行相应的操作,接着系统利用RAID超级块信息来获取阵列和成员磁盘的状态,以此判定操作的完成情况。阵列控制程序通过对MD模块工作流程的修改,实现了对固态盘阵列的管理。本文最后进行了功能和性能方面测试,结果显示所设计的分区加密固态盘阵列可以有效地保护数据安全,并在性能上有着较好的表现,基本上实现了预期目标。
王京[4]（2020）在《基于目标检测算法的课堂异常行为识别系统研究》文中研究指明随着我国经济社会和综合国力的不断增强,教育质量能否紧跟时代步伐成了我国能否迈向高台阶的关键因素,而近年来随着我国高校招生规模日益扩大以及娱乐电子产品的普及,高校课堂质量的监管有必要进一步提高。当下,仅仅通过人工查看课堂视频数据和授课教师来监管学生课堂行为已不能满足目前课堂教学的需求,上述方式需要耗费授课教师课堂的精力,操作非常不便而且费时、效率非常低、容易发生漏检、误检等情况,无法实时检测到学生睡觉、玩手机和交流的行为。而将深度学习的技术应用于高校课堂质量的监管具有现实意义。本文主要研究在高校课堂场景下利用视频监控实现对学生异常行为的识别,通过计算机视觉技术来辅助授课老师对学生异常行为的判断。在本论文研究中,将采用软硬件相结合的方式实现高校课堂质量辅助系统的设计。本论文完成的工作主要有:1.从该系统应用场景来说,应具有成本低廉、效率高的特性,因此该系统使用系统移植、ARM Linux应用程序开发,等等嵌入式技术,设计基于TQ2440开发板的设备终端,实现摄像头实时采样。设备终端（摄像头）把采集到的实时图像数据利用x264编码库实现H.264压缩编码后,传输至服务器。服务器主要功能是利用FFmpeg和H.264对接收到的视频数据实时解码,然后进行图像实时识别处理,并对视频数据进行存储等操作。当图像处理模块检测到学生异常行为时,便将图像数据传输至授课教师手机APP终端,并通过弹出消息框的形式实现报警。在本论文研究中,系统服务器中学生和手机目标检测以及学生异常行为识别将是本论文的研究重点。2.系统服务器中图像处理模块的学生和手机目标检测是学生课堂异常行为识别的基础,系统在目标检测的过程中会回归出学生和手机在图像中的位置信息。由于YOLOv3算法对手机等小目标检测具有突出的表现,而且处理图片数据的速度较快,所以用于本设计比较符合。本文的算法设计采用Tensor Flow架构,通过将原始的图片输入训练完毕的YOLOv3网络后经过特征提取得到的学生目标召回率和精确率分别为95.0%和92.3%,手机目标召回率和精确率分别为86.9%和93.5%,整体目标检测的召回率和精确率分别达到90.95%和92.9%。3.学生在课堂的异常行为识别是图像处理模块的最终目的。对于三种异常行为识别采用深度网络和传统手工特征相结合的方式,深度网络主要用于目标检测,传统手工特征主要定义三种异常行为的特点,三个流程同步进行行为识别。对于“课堂玩手机”的行为采用边界框回归的方法,利用非极大值抑制的思想看那个学生的边界框与手机目标的边界框最大面积重合则该学生具有玩手机的行为。对于“课堂睡觉”的行为采用对每个检测到的学生对象利用Haar特征进行人脸检测,若没有检测到人脸则断定该学生具有睡觉行为。对于“上课交流”的行为采用设定阈值的方式,当两个或者两个以上的学生目标的边界框的重叠面积大于设定的阈值,则断定该组学生具有交流行为。实验证明三种行为识别的综合召回率和精准率都大于80%,三种行为的检测速度都在1秒以内,适合系统实时性的要求。4.完整的课堂学生异常行为检测系统除了能够检测出学生课堂异常行为外,还应该具有对应的实时报警功能。该系统的报警模块主要是教师Android手机终端的APP接收到服务器的JSON异常行为数据后将其存入Handler消息队列,然后通过Android内部机制让APP以音效、振动和弹出消息框的形式实现报警。实验证明,当学生有异常行为时APP终端可以实现实时报警的功能。
韩增宝[5]（2020）在《基于Docker的盾构监控系统的容器集群管理研究》文中指出随着业务系统复杂性的不断提升,功能模块的持续增加,微服务架构应运而生,其松耦合的灵活特性能有效解决应用的复杂性。以Docker为代表的容器虚拟化技术逐渐成为微服务架构的最佳实践方式。容器技术解决了应用开发、测试及部署环境差异的问题,开发人员可以更专注于应用本身。由于容器集群的规模持续增长,运维人员的手动维护及部署已经不能应对大规模集群所带来的挑战,因此需要更高效的容器集群管理平台来完成容器管理、资源调度、负载均衡等任务,其中以Kubernetes为代表的容器编排技术已经广泛应用于实际业务生产环境。然而与传统虚拟机相比,容器粒度较小、容器间关系复杂,容器集群资源调度效率也需要进一步提升。Kubernetes现有的默认调度策略不能完全满足实际业务的需求,因此如何更高效地管理容器集群是一个亟待解决的问题。本文对基于Docker的盾构监控系统的容器集群管理进行研究,首先简要介绍了相关技术及架构,包括Docker容器技术、Kubernetes容器编排技术和微服务架构,并深入理解其架构思想和设计原则。其次,容器集群资源调度依赖于服务器负载的有效预测。将服务器负载视为连续时间序列,基于ARIMA-LSTM组合模型预测服务器负载,通过并行化计算加快模型拟合速度。采集盾构监控系统负载日志作为数据集,实验结果表明,与传统方法相比,基于ARIMA-LSTM的负载预测模型预测精度更高,拟合效果更好,集群环境下并行化计算方式加速比更高。针对Kubernetes现有资源模型较为单一的问题,将基于ARIMA-LSTM的负载预测模型应用于Kubernetes中,综合CPU,内存,存储,网络带宽等多个因素,改善其资源模型的局限性,为调度器寻找最合适的部署节点。同时针对Kubernetes同一资源控制器下部署多副本场景进行优化,减少冗余计算,提高调度效率。由于高负载、资源不足时Kubernetes存在较高调度失败率的情况,通过多种优先策略进行最优节点的筛选,实现抢占式调度策略,优先保证高优先级服务的稳定性。最后,基于微服务架构对盾构监控系统进行重构,通过Service Account实现微服务环境下各个子业务系统的统一认证、授权。盾构监控系统内各项服务自身持久化数据具有私有性,微服务之间存在强隔离性,采用外部事件服务模式将事件服务独立出主业务服务,维护系统内数据的一致性,减少微服务之间的依赖,提升系统性能。最后通过系统测试对实现模块的功能和性能进行验证。本文实现的基于Docker的盾构监控系统目前在生产环境运行良好,能对容器集群进行高效管理,较好地满足企业智慧管控的业务需求。即使在高负载的情况下,集群也能提供稳定的业务环境,为后续服务的开发、交付、部署及迭代提供可靠支撑。
张继柱[6]（2020）在《面向智慧家庭的环境舒适度调节软件的研究与设计》文中研究说明随着智能家居产品的不断普及和人们对于美好生活渴望的不断增强,家庭环境舒适度得到了人们越来越多的关注。本文引入了ISO7730标准中的PMV指标对家庭环境舒适度进行研究。该指标涉及了室内空气温度、室内风速、平均辐射温度、相对湿度、服装热阻率、人体活动量和人体所做机械功7个方面。传统的温度控制系统并不能科学地完成对环境舒适度的调节。本文收集并分析了用户的环境历史数据,完成家庭环境舒适度调节软件的开发,可以满足用户对于舒适度调节方面的个性化需求。1.研究家庭环境下舒适度调节的现状。本文研究家庭环境舒适度和神经网络的发展状况,并阐述在智能家居中进行舒适度自主调节的重要意义。2.设计舒适度调节软件的整体方案。本文对舒适度调节软件进行系统体系架构、需求和性能进行分析,给出舒适度调节软件的设计方案。同时对软件使用到的关键技术进行分析和研究。3.开发支持软件运行的主要设备。主要设备有底层节点和家庭网关。底层节点可以分为控制类节点和传感类节点,采用CC2530作为主控芯片,使用Zig Bee实现无线组网。节点开发包括电源电路、复位电路、串口电路和CC2530主芯片电路。家庭网关包含RT5350主芯片电路、协调器电路、内存电路和电源电路等。4.开发家庭环境舒适度调节软件。舒适度调节软件使用了Django框架的MVT模型来开发软件的各个功能模块。软件的功能包括家庭数据信息管理模块、用户管理模块、室内舒适度调节模块、设备信息管理模块和家居电器控制模块。舒适度调节模块使用BP神经网络求解PMV指标,通过改变室内的温度和湿度对环境舒适度进行调节,解决了在传统PMV求解中需要不断迭代、时效性差的问题。5.搭建环境舒适度调节软件的测试环境。按照软件质量测试标准GB/T25000.51-2016和GB/T25000.51-2016的要求,本文对舒适度调节软件进行了软件功能、软件性能和软件兼容性的测试。测试结果显示软件满足用户对于家庭环境舒适度调节的需求。软件的功能、软件性能和软件的兼容性符合相关测试要求。
陈富泽[7]（2020）在《学生实验行为分析预测系统的研究与应用》文中进行了进一步梳理随着数字信息技术的发展,海量数据也在不断地被产生,当今社会已经进入一个大数据时代。而在教育教学领域,大数据技术也正发挥着越来越重要的作用。在当今的众多大学里,学生在大学生涯中,总是需要选修许多课程以及进行相关的课程实验。他们在进行课程实验的过程中,会产生大量的实验行为数据。这些实验行为数据主要体现在学生的实验时间、实验地点、实验输入的操作命令等方面,而这些数据往往没能被有效采集利用。如果能对这些相关实验行为数据进行相应的收集,然后运用数据挖掘相关技术对其进行分析,便有可能分析预测出学生实验的某些数据与学生成绩和教师教学相关的联系,进而可以给学校的教学改革提供依据以及对教师的教学质量改善提供帮助。在分析研究了高校实验教学与大数据相关技术的联系的基础上,本文设计实现了一个较为完备的学生实验行为分析预测系统。该系统主要由学生在线实验平台和实验行为分析系统主体构成。其中,学生在线实验平台基于Linux服务器搭建,提供给高校学生实时在线的课程实验环境,同时可以记录收集学生实验行为数据。而实验行为分析系统主体则包括:运用Layui框架开发的前端客户端,运用SpringBoot框架开发的后端服务器,以及基于Hadoop-Spark框架搭建的大数据分布式计算框架。基于对系统的分析预测需求的考虑,本文所设计实现的系统采用了聚类算法和回归算法相结合的方法来对学生成绩进行分析预测。文中首先使用K-means++算法对学生实验行为数据进行快速聚类分块,然后利用KNN回归预测算法对采集处理后的学生信息、实验地点、实验时间以及实验命令等多维度数据进行回归预测建模,最终达到相对准确地分析预测学生实验行为表现,并辅助教师对学生成绩进行评价的效果。最后结合本文所研究系统主体的功能,可以实现将学生实验行为表现预测结果和其他实验行为分析结果,以图表等形式可视化展示到前端页面的效果。经验证本系统方便了教师及学校领导对学生实验行为进行研究分析,起到了辅助教师教学的作用,也为高校教学革新提供了参考依据。
蒋林轩[8]（2019）在《Linux上基于事件驱动的生物特征认证系统的设计与实现》文中进行了进一步梳理由于指纹、虹膜等生物特征设备在笔记本、平板、手机上的日趋普及,以及基于Linux内核的操作系统在市场上的占有率越来越高,其上的生物特征认证系统也就越发重要。然而当前的Linux类操作系统上的生物特征认证方案在用户体验、易用度上都与Windows等商用操作系统存在较大差距。因此构建Linux上成熟完善的生物特征认证系统显得尤为重要。本文针对该问题,进行了深入的研究与方案的设计,设计并实现了一种基于事件驱动的生物特征认证系统。具体内容如下:1、研究商用操作系统生物特征认证的结构与设计与Linux下的多种授权认证技术。并对本文的生物特征认证系统进行概要设计,提出基于事件驱动的后端框架层和基于多种认证技术的前端系统认证层。2、分析在生物特征识别融入操作系统的过程中需要的实体,以及实体之间的关系。对各种生物特征的处理行为进行归纳、抽象与统一,对用户行为进行抽象,对应用层级系统底层事件进行响应设计,实现了基于事件驱动的系统服务。3、分析Linux系统上通用的身份鉴别与权限提升方法及其基本流程。基于PAM和Policy Kit技术,设计了生物特征认证的PAM模块、Policy Kit代理、及相关系统级应用程序,实现了前端基于生物特征的系统认证。4、实现上述系统的各个层级与组件,对文系统的应用范围进行介绍。并与Windows、Android以及Linux下的libfprint方案进行对比,说明本方案系统的优越性。本文的主要难点在于设计一个支持所有生物特征类型的框架,抽象统一的交互逻辑、屏蔽底层硬件差异、向应用层提供持久并统一的系统服务,还需要对操作系统的认证技术和流程足够的研究,能够将生物特征识别贯穿于系统的各个认证场景中,通过用户的生物特征实现全系统使用过程中无密码化认证。
周习谦[9]（2019）在《基于嵌入式的农业大棚检测系统》文中研究指明我国是一个传统的农业大国,目前大多数农业管理都得依靠人工完成,不仅费时费力,而且效率低下。基于嵌入式的农业大棚监测系统利用最先进的嵌入式技术和互联网技术,实现对现场环境信息的获取,并且及时的反馈给农户。同时,农户可以随时随地对温室内的硬件设备进行远程操控,不仅提升了农业管理的效率,还大大的节约农业生产的成本。本课题首先对嵌入式智能农业系统的研究背景以及发展趋势做了相关资料的查阅。在此基础上结合研究生期间所掌握的计算机技能设计了一种基于嵌入式的农业大棚监测系统。应用传感器技术、Zigbee技术,嵌入式技术,结合Qt编程实现客户端远程网络监控,此设计总共四个模块,分别为客户端、嵌入式网络服务器、数据采集终端,客户端的程序以及界面设计是在Qt Creator开发工具中实现,客户端与嵌入式网络服务器建立TCP/IP连接,主要提供登录、注册、忘记密码、修改密码、设备控制等功能。嵌入式网络服务器以S5PV2`0为核心处理器,选择具有开源性的Linux作为操作系统,主要功能是实现对多个客户端的注册、登录、请求、以及控制命令的处理。Zigbee无线传输模块采用增强型8051CPU,实现嵌入式网络服务器和数据采集终端的无线传输。数据采集终端模块采用了LPC11C14芯片,主要实现对现场温湿度信息,光照信息的采集以及通过Zigbee无线传输模块接收设备控制请求,完成对相关硬件设备的操控。本系统经过测试,系统可以稳定运行,各项数据均可在客户端界面准确的显示,网络传输速率稳定。用户随时对现场环境进行监控,以及对种植现场的硬件进行操控。
王辉刚[10]（2019）在《基于嵌入式的智能家居系统的设计与实现》文中提出随着科技的不断进步,物联网技术得到了突飞猛进的发展,人们对家居环境的要求越来越高,在这种大环境下智能家居产物应运而生。智能家居系统是将独立家用电器、安防设备连接成一个整体,可以实现家居的智能管理和远程监控。各大与智能家居相关的高科技公司也在不停地加大研发力度来实现对市场的迅速占领,安全、智能、便利、高效的智能家居系统成为了当前研究的首要目标。本文从系统成本、功耗、可靠性、实际需求等方面出发,提出了一套基于嵌入式的智能家居系统解决方案。该方案主要包含客户端、嵌入式网络服务器、无线网络传输、家电模拟四个模块。实现了LED灯、风扇、蜂鸣器的远程控制,以及温湿度、光照和摄像头信息的采集功能。其中,客户端模块采用了Qt技术进行了界面的设计,并通过TCP/IP协议建立与服务器的连接,实现了用户注册、登录以及对家居环境的远程监控等功能。嵌入式网络服务器模块采用了三星的Exynos-4412（ARM Cortex-A9核）作为核心处理器,以开源的Linux系统作为嵌入式操作系统,主要完成客户端和家电模拟端的数据分析。无线网络传输模块采用了ZigBee技术来实现服务器与家电模拟端之间的通信。家电模拟模块则采用了LPC11C14（ARM Cortex-M0核）微处理器,通过对LED灯、风扇、蜂鸣器、温湿度传感器、光敏传感器的操作,实现对模拟家电的控制和家居环境信息的采集。最后,对设计的系统进行了测试。结果显示,系统运行稳定,并且能够达到预期目标,实现预期的所有功能需求。同时,系统也体现了它的低成本、低功耗、实用性、可靠性等特点,具有一定的市场应用前景和使用价值。
二、忘记LINUX密码怎么办?（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、忘记LINUX密码怎么办?（论文提纲范文）
（1）恢复VMware ESXi和vCenter Server密码（论文提纲范文）
| 恢复独立ESXi主机的密码 |
| 重置SSP账户密码 |
（2）地区电网短期负荷预测云平台设计与实现（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 |
| 1.2.1 负荷特性指标研究 |
| 1.2.2 负荷预测方法研究 |
| 1.2.3 负荷预测软件研究 |
| 1.3 研究目标与研究内容 |
| 1.4 论文的结构安排 |
| 第二章 系统开发相关理论和技术方法 |
| 2.1 短期负荷预测相关理论 |
| 2.1.1 短期负荷预测方法 |
| 2.1.2 负荷预测评估方法 |
| 2.2 云计算平台 |
| 2.2.1 云计算概述 |
| 2.2.2 云计算特点 |
| 2.2.3 电网企业云 |
| 2.3 LAMP相关技术 |
| 2.3.1 Linux |
| 2.3.2 Apache |
| 2.3.3 MySQL |
| 2.3.4 PHP |
| 2.4 B/S架构 |
| 2.5 基于Python的网页信息分析和采集 |
| 2.6 本章小结 |
| 第三章 负荷预测系统需求分析 |
| 3.1 系统整体需求 |
| 3.2 系统功能需求分析 |
| 3.2.1 负荷预测模块 |
| 3.2.2 人员管理模块 |
| 3.2.3 负荷数据管理模块 |
| 3.2.4 负荷特性管理模块 |
| 3.4 非功能需求分析 |
| 3.4.1 兼容性需求 |
| 3.4.2 性能要求 |
| 3.4.3 安全性需求 |
| 3.4.4 可用性需求 |
| 3.5 本章小结 |
| 第四章 负荷预测系统设计 |
| 4.1 云平台架构设计 |
| 4.2 系统架构设计 |
| 4.2.1 资源层 |
| 4.2.2 业务层 |
| 4.2.3 Web层 |
| 4.2.4 访问层 |
| 4.3 系统功能设计 |
| 4.3.1 负荷预测功能设计 |
| 4.3.2 负荷数据管理功能设计 |
| 4.3.3 负荷特性管理功能设计 |
| 4.3.4 人员管理功能设计 |
| 4.4 数据库设计 |
| 4.4.1 概念模型设计 |
| 4.4.2 逻辑模型设计 |
| 4.5 负荷预测算法设计 |
| 4.6 本章小结 |
| 第五章 负荷预测系统实现 |
| 5.1 平台环境搭建 |
| 5.2 数据库实现 |
| 5.3 系统功能实现 |
| 5.3.1 登录功能实现 |
| 5.3.2 负荷预测模块实现 |
| 5.3.3 人员管理模块实现 |
| 5.3.4 负荷数据管理模块实现 |
| 5.3.5 负荷特性管理模块实现 |
| 5.4 本章小结 |
| 第六章 负荷预测系统测试 |
| 6.1 系统测试环境 |
| 6.1.1 硬件环境 |
| 6.1.2 软件环境 |
| 6.2 功能性测试 |
| 6.2.1 负荷预测功能测试 |
| 6.2.2 人员管理功能测试 |
| 6.2.3 负荷数据以及特性管理测试 |
| 6.3 非功能性测试 |
| 6.3.1 兼容性测试 |
| 6.3.2 性能测试 |
| 6.3.3 安全性测试 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
（3）分区加密的固态盘阵列验证和试验（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 磁盘阵列的发展 |
| 1.2.2 国内外研究现状概述 |
| 1.3 本文主要研究内容和章节安排 |
| 1.3.1 主要研究内容与创新点 |
| 1.3.2 本文主要结构和章节安排 |
| 2 固态盘阵列接口协议与加密算法 |
| 2.1 RAID技术 |
| 2.1.1 RAID工作原理与分级 |
| 2.1.2 RAID实现技术 |
| 2.2 SATA概述 |
| 2.2.1 SATA接口组成 |
| 2.2.2 SATA协议 |
| 2.3 AES加密算法 |
| 2.4 本章小结 |
| 3 系统方案分析与设计 |
| 3.1 系统软件体系结构 |
| 3.1.1 Linux软RAID |
| 3.1.2 RAID创建及运行过程 |
| 3.1.3 RAID超级块的组织和管理 |
| 3.2 分区加密固态盘阵列架构 |
| 3.2.1 系统功能模块框图 |
| 3.2.2 分区加密方案设计 |
| 3.3 信息交互方案设计 |
| 3.3.1 Linux SCSI子系统 |
| 3.3.2 SCSI通用驱动命令实现 |
| 3.3.3 SCSI命令发送接口实现 |
| 3.4 本章小结 |
| 4 分区加密固态盘阵列功能实现 |
| 4.1 分区加密方案实现 |
| 4.1.1 固态硬盘整体架构与功能 |
| 4.1.2 分区管理单元实现 |
| 4.1.3 数据加解密单元实现 |
| 4.2 访问控制与安全防护技术 |
| 4.2.1 身份认证单元实现 |
| 4.2.2 固件管理单元实现 |
| 4.2.2.1 下载认证 |
| 4.2.2.2 Code加密传输 |
| 4.3 阵列控制程序的设计与实现 |
| 4.3.1 安全操作命令设计 |
| 4.3.2 阵列状态转换 |
| 4.3.3 阵列命令描述块定义 |
| 4.3.4 阵列控制程序功能的实现 |
| 4.4 本章小结 |
| 5 系统测试与分析 |
| 5.1 硬件实物图与测试环境 |
| 5.2 SATA命令传输测试 |
| 5.3 固件下载认证与加密功能测试 |
| 5.4 阵列分区加解密功能测试 |
| 5.4.1 初始化过程 |
| 5.4.2 分区加密过程 |
| 5.4.3 分区解密过程 |
| 5.5 阵列性能测试 |
| 5.5.1 读写测试 |
| 5.5.2 可靠性测试 |
| 5.6 本章小结 |
| 6 总结和展望 |
| 6.1 全文总结 |
| 6.2 不足及展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（4）基于目标检测算法的课堂异常行为识别系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 课题研究背景 |
| 1.2 课题研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 视频监控的国内外研究现状 |
| 1.3.2 行为识别研究现状 |
| 1.4 论文主要研究内容 |
| 1.5 论文内容安排 |
| 第2章 基础理论及关键技术概述 |
| 2.1 卷积神经网络 |
| 2.1.1 卷积层 |
| 2.1.2 池化层 |
| 2.1.3 激活函数 |
| 2.2 YOLOv3算法 |
| 2.2.1 Bounding boxes预测 |
| 2.2.2 特征提取器 |
| 2.3 嵌入式处理器 |
| 2.4 V4L2视频采集技术 |
| 2.5 H.264视频编解码技术 |
| 2.6 Android技术 |
| 2.7 本章小结 |
| 第3章 课堂智能监控系统需求分析与设计 |
| 3.1 教室环境特点分析 |
| 3.2 学生异常行为特点分析 |
| 3.3 目标检测需求分析 |
| 3.4 学生异常行为识别需求分析 |
| 3.5 系统功能需求分析 |
| 3.6 数据库管理系统设计 |
| 3.7 系统总体框架设计 |
| 3.8 本章小结 |
| 第4章 基于深度网络的课堂异常行为识别 |
| 4.1 相关工作 |
| 4.2 算法设计流程 |
| 4.2.1 课堂玩手机行为识别流程 |
| 4.2.2 课堂睡觉行为识别流程 |
| 4.2.3 上课交流行为识别流程 |
| 4.2.4 整体算法流程 |
| 4.2.5 模型设计 |
| 4.2.6 数据集获取 |
| 4.2.7 训练过程 |
| 4.3 实验结果 |
| 4.4 算法适应性分析 |
| 4.5 本章小结 |
| 第5章 基于LINUX系统的视频采集与传输设计 |
| 5.1 交叉编译环境建立 |
| 5.2 开发板LINUX系统的移植 |
| 5.2.1 U-Boot的选择与移植 |
| 5.2.2 LINUX内核的移植 |
| 5.2.3 根文件系统的移植 |
| 5.3 嵌入式视频采集模块的设计 |
| 5.4 视频数据的编解码 |
| 5.4.1 视频数据的编码设计 |
| 5.4.2 视频数据的解码设计 |
| 5.5 基于TCP协议的视频传输设计 |
| 5.6 基于Android的报警设计 |
| 5.7 本章小结 |
| 第6章 系统测试 |
| 6.1 测试环境 |
| 6.2 硬件设备连接 |
| 6.3 系统功能测试 |
| 6.3.1 系统登录界面测试 |
| 6.3.2 系统具体功能测试 |
| 6.5 手机终端APP报警功能测试 |
| 6.6 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
（5）基于Docker的盾构监控系统的容器集群管理研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 选题背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 本论文的研究内容与创新 |
| 1.4 本论文的结构安排 |
| 第二章 相关技术概述 |
| 2.1 Docker技术 |
| 2.1.1 Docker简介 |
| 2.1.2 Docker架构 |
| 2.1.3 Docker对比虚拟机 |
| 2.2 Kubernetes技术 |
| 2.2.1 Kubernetes简介 |
| 2.2.2 Kubernetes架构模型 |
| 2.3 微服务架构 |
| 2.3.1 传统架构 |
| 2.3.2 微服务架构 |
| 2.3.3 设计原则 |
| 2.3.4 微服务架构的缺点 |
| 2.4 本章小结 |
| 第三章 基于ARIMA-LSTM的负载预测模型研究 |
| 3.1 ARIMA模型 |
| 3.1.1 AR模型 |
| 3.1.2 MA模型 |
| 3.1.3 ARMA模型 |
| 3.1.4 ARIMA模型及建模过程 |
| 3.2 LSTM模型 |
| 3.3 基于ARIMA-LSTM的负载预测模型 |
| 3.3.1 负载预测模型构建 |
| 3.3.2 负载预测模型并行化加速 |
| 3.4 实验及结果分析 |
| 3.4.1 ARIMA-LSTM负载预测模型对比实验 |
| 3.4.2 ARIMA-LSTM负载预测模型并行化加速实验 |
| 3.5 本章小结 |
| 第四章 容器集群调度策略研究及优化 |
| 4.1 Kubernetes调度策略研究 |
| 4.1.1 调度策略概述 |
| 4.1.2 调度流程 |
| 4.1.3 调度策略及过程 |
| 4.2 Kubernetes调度优化 |
| 4.2.1 资源模型改进 |
| 4.2.2 多副本调度策略优化 |
| 4.3 调度扩展设计及实现 |
| 4.4 调度优化策略实验结果分析 |
| 4.5 优先级与抢占式调度调度策略 |
| 4.6 抢占式调度策略实验结果分析 |
| 4.6.1 实验环境 |
| 4.6.2 抢占式调度策略功能测试与实验结果分析 |
| 4.6.3 抢占式调度策略对比实验与结果分析 |
| 4.7 本章小结 |
| 第五章 盾构监控系统在微服务架构下的实现 |
| 5.1 微服务架构下的盾构监控系统 |
| 5.2 统一认证授权设计与实现 |
| 5.2.1 静态密码 |
| 5.2.2 x509证书认证 |
| 5.2.3 bootstrap token认证 |
| 5.2.4 service account认证 |
| 5.3 事务管理服务设计与实现 |
| 5.3.1 传统应用的事务管理 |
| 5.3.2 微服务事件通知模式优化实现 |
| 5.4 系统测试与结果分析 |
| 5.4.1 实验环境说明 |
| 5.4.2 认证有效性测试 |
| 5.4.3 账户权限测试 |
| 5.4.4 对外关联性测试 |
| 5.4.5 事件服务压力测试 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）面向智慧家庭的环境舒适度调节软件的研究与设计（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 家庭环境舒适度研究现状 |
| 1.2.2 神经网络技术研究现状 |
| 1.3 课题主要研究内容 |
| 1.4 论文的组织结构 |
| 第2章 系统方案设计及关键技术研究 |
| 2.1 系统需求分析 |
| 2.1.1 系统体系架构及功能需求分析 |
| 2.1.2 系性能需求分析 |
| 2.2 系统总体方案设计 |
| 2.2.1 系统总体架构设计 |
| 2.2.2 系统的功能设计 |
| 2.3 系统的关键技术 |
| 2.3.1 OpenWRT技术 |
| 2.3.2 Web应用的MVT技术 |
| 2.3.3 神经网络技术 |
| 2.4 本章小结 |
| 第3章 主要设备的设计与实现 |
| 3.1 底层节点的开发与设计 |
| 3.1.1 底层节点硬件开发 |
| 3.1.2 底层节点软件开发 |
| 3.2 网关的设计与开发 |
| 3.2.1 网关的硬件开发 |
| 3.2.2 网关的软件开发 |
| 3.3 本章小结 |
| 第4章 环境舒适度调节软件的设计与实现 |
| 4.1 舒适度调节软件的整体设计 |
| 4.2 数据库的设计与实现 |
| 4.2.1 数据库逻辑模型的设计 |
| 4.2.2 数据库物理模型的设计与实现 |
| 4.3 环境舒适度指标PMV求解 |
| 4.3.1 环境舒适度指标PMV的计算 |
| 4.3.2 迭代法求解PMV指标 |
| 4.3.3 神经网络求解PMV指标 |
| 4.4 软件功能模块的设计与实现 |
| 4.4.1 用户登陆及注册功能 |
| 4.4.2 用户管理功能 |
| 4.4.3 设备管理功能 |
| 4.4.4 舒适度调节功能 |
| 4.4.5 家电控制功能 |
| 4.4.6 数据管理功能 |
| 4.5 本章小结 |
| 第5章 测试与验证 |
| 5.1 测试目标 |
| 5.2 测试方法 |
| 5.2.1 测试方法 |
| 5.2.2 测试环境 |
| 5.3 功能测试 |
| 5.3.1 软件注册和登录功能测试 |
| 5.3.2 用户管理功能测试 |
| 5.3.3 设备管理功能测试 |
| 5.3.4 家电控制功能测试 |
| 5.3.5 舒适度调节功能测试 |
| 5.3.6 数据管理功能测试 |
| 5.4 非功能测试 |
| 5.4.1 舒适度调节软件的性能测试 |
| 5.4.2 舒适度调节软件的兼容性测试 |
| 5.5 测试结果分析 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
（7）学生实验行为分析预测系统的研究与应用（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 相关技术理论 |
| 2.1 系统开发相关技术框架 |
| 2.1.1 后端SpingBoot框架 |
| 2.1.2 前端Layui框架 |
| 2.1.3 Echarts可视化框架 |
| 2.2 数据挖掘相关技术及算法 |
| 2.2.1 Hadoop相关技术 |
| 2.2.2 Spark相关技术 |
| 2.2.3 K-means聚类算法 |
| 2.2.4 KNN回归算法 |
| 2.3 本章小结 |
| 第三章 系统需求分析 |
| 3.1 应用场景分析 |
| 3.2 系统功能需求 |
| 3.2.1 在线实验平台 |
| 3.2.2 大数据处理平台 |
| 3.2.3 学生实验行为数据分析 |
| 3.2.4 实验行为分析系统 |
| 3.3 系统性能需求 |
| 3.4 通用性设计原则 |
| 3.5 本章小结 |
| 第四章 系统总体设计 |
| 4.1 系统总体架构 |
| 4.2 系统功能结构 |
| 4.3 系统数据库设计 |
| 4.3.1 逻辑结构设计 |
| 4.3.2 物理结构设计 |
| 4.4 本章小结 |
| 第五章 实验行为分析系统的详细设计与实现 |
| 5.1 系统总体业务流程的详细设计 |
| 5.2 数据采集存储模块的详细设计与实现 |
| 5.2.1 在线实验平台的搭建 |
| 5.2.2 实验数据自动采集备份 |
| 5.2.3 实验数据预处理 |
| 5.2.4 大数据平台搭建 |
| 5.3 分析预测算法的设计与实现 |
| 5.3.1 K-means算法改进及实现 |
| 5.3.2 KNN回归预测及实现 |
| 5.4 系统前端及后端的详细设计与实现 |
| 5.4.1 界面详细设计与实现 |
| 5.4.2 系统接口详细设计 |
| 5.4.3 核心接口功能模块实现 |
| 5.5 本章小结 |
| 第六章 实验行为分析系统测试 |
| 6.1 测试环境及硬件配置 |
| 6.2 系统测试 |
| 6.2.1 实验行为分析测试 |
| 6.2.2 功能测试方法 |
| 6.2.3 测试用例 |
| 6.2.4 非功能测试 |
| 6.3 测试结论 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 后期工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
（8）Linux上基于事件驱动的生物特征认证系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究思路及主要工作 |
| 1.4 论文组织结构 |
| 第二章 授权认证系统的相关研究 |
| 2.1 Windows的生物特征认证系统 |
| 2.2 Android的生物特征认证系统 |
| 2.3 传统Linux上的生物特征认证系统 |
| 2.4 Linux上通用的授权认证技术 |
| 2.4.1 PAM |
| 2.4.2 PolicyKit |
| 第三章 生物特征认证系统概要设计 |
| 3.1 总体设计 |
| 3.2 后端框架服务设计 |
| 3.3 前端认证应用设计 |
| 第四章 基于事件驱动的生物特征识别后端框架服务 |
| 4.1 基于多生物特征的核心库 |
| 4.1.1 实体关系的设计与简化 |
| 4.1.2 存储模块 |
| 4.1.3 驱动及设备抽象与结构设计 |
| 4.1.4 特征处理的行为抽象与接口设计 |
| 4.1.5 配置管理 |
| 4.2 基于事件驱动的系统服务 |
| 4.2.1 面向应用层的事件接口设计 |
| 4.2.2 系统服务对事件的响应 |
| 4.3 本章小结 |
| 第五章 基于PAM和PolicyKit技术的前端系统认证 |
| 5.1 字符环境下基于PAM技术的生物特征认证模块 |
| 5.2 图形环境下基于PolicyKit技术的生物特征认证代理 |
| 5.3 系统级工具 |
| 5.4 本章小结 |
| 第六章 实现与评估 |
| 6.1 实现与规模 |
| 6.2 评估 |
| 6.2.1 与Windows、Android的比较评估 |
| 6.2.2 与libfprint方案的评估 |
| 结束语 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（9）基于嵌入式的农业大棚检测系统（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外发展现状 |
| 1.2.1 国外智能农业发展现状 |
| 1.2.2 国内智能农业发展状况 |
| 2 系统整体设计以及相关技术概述 |
| 2.1 系统需求分析 |
| 2.2 基于嵌入式的农用大棚监测系统总体设计 |
| 2.3 Zigbee无线传输模块相关技术介绍 |
| 2.3.1 ZigBee无线传输的介绍 |
| 2.3.2 ZigBee无线传输的特点 |
| 2.3.3 ZigBee无线通信信道 |
| 2.3.4 ZigBee无线网络拓扑结构 |
| 2.3.5 ZigBee协议栈 |
| 2.4 嵌入式网络服务器相关技术介绍 |
| 2.4.1 嵌入式系统 |
| 2.4.2 Sqlite3 数据库技术 |
| 2.4.3 Sqlite3 数据库的内部结构 |
| 2.5 网络通信 |
| 2.5.1 TCP协议概述 |
| 2.5.2 TCP3 次握手 |
| 2.5.4 Socket网络编程 |
| 2.6 本章总结 |
| 3 系统硬件选型 |
| 3.1 Zigbee无线传输模块 |
| 3.2 数据采集终端 |
| 3.2.1 FS_11C14 电路板 |
| 3.2.2 DHT11 传感器 |
| 3.3 嵌入式网络服务器 |
| 3.4 本章总结 |
| 4 系统程序设计 |
| 4.1 嵌入式软件平台的搭建 |
| 4.1.1 VMware虚拟机的安装 |
| 4.1.2 Linux内核配置和根文件系统创建及移植 |
| 4.1.3 Sqlite3 数据库的移植 |
| 4.2 Zigbee无线通信网络的搭建 |
| 4.2.1 IAR集成开发环境 |
| 4.2.2 Zigbee无线通信传输搭建 |
| 4.3 嵌入式网络服务器程序设计 |
| 4.3.1 客户端与嵌入式网络服务器之间的通信协议设计 |
| 4.3.2 嵌入式网络服务器设计概述 |
| 4.4 客户端模块实现 |
| 4.4.1 客户端开发环境介绍 |
| 4.4.2 客户端的界面设计 |
| 4.4.3 客户端功能实现 |
| 4.5 数据采集终端模块 |
| 4.5.1 开发环境的介绍 |
| 4.5.2 LPC11C14 数据传输 |
| 4.5.3 数据采集终端模块开发以及功能实现 |
| 4.6 本章总结 |
| 5 系统测试 |
| 5.1 硬件设备开关测试 |
| 5.2 环境信息显示测试 |
| 5.3 本章总结 |
| 6 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
（10）基于嵌入式的智能家居系统的设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 智能家居发展与现状 |
| 1.2.1 国外智能家居发展与现状 |
| 1.2.2 国内智能家居发展与现状 |
| 1.3 智能家居的发展趋势 |
| 1.4 本文研究的内容 |
| 1.5 论文结构 |
| 2 系统相关技术与整体设计 |
| 2.1 系统基本需求分析 |
| 2.2 系统总体设计方案 |
| 2.3 嵌入式技术 |
| 2.3.1 嵌入式系统框架 |
| 2.3.2 ARM处理器与其体系结构 |
| 2.4 无线通信ZigBee技术 |
| 2.4.1 ZigBee简介 |
| 2.4.2 ZigBee的特点 |
| 2.4.3 ZigBee的网络拓扑结构 |
| 2.4.4 ZigBee协议栈 |
| 2.5 网络通信技术 |
| 2.5.1 TCP/IP协议 |
| 2.5.2 网络实现 |
| 2.6 本章小结 |
| 3 智能家居硬件系统 |
| 3.1 嵌入式网络服务器模块 |
| 3.2 无线通信模块 |
| 3.3 视频监控模块 |
| 3.4 家电模拟模块 |
| 3.4.1 家电设备电路板 |
| 3.4.2 DHT11 温湿度传感器 |
| 3.5 本章小结 |
| 4 智能家居系统软件设计 |
| 4.1 软件总体设计框图 |
| 4.2 系统通信协议 |
| 4.2.1 客户端与服务器之间的通信协议 |
| 4.2.2 服务器与家电模拟端之间的通信协议 |
| 4.3 应用程序的设计 |
| 4.3.1 Qt简介 |
| 4.3.2 应用程序的实现 |
| 4.4 服务器程序的设计 |
| 4.5 ZigBee网络功能软件设计 |
| 4.5.1 IAR集成开发环境 |
| 4.5.2 ZigBee设备软件实现流程 |
| 4.6 家电模拟端软件设计 |
| 4.6.1 RealView MDK简介 |
| 4.6.2 家电模拟端功能设计 |
| 4.7 本章小结 |
| 5 智能家居的嵌入式系统搭建 |
| 5.1 交叉编译环境的搭建 |
| 5.2 tftp和 nfs环境的搭建 |
| 5.3 嵌入式linux操作系统的移植 |
| 5.3.1 BootLoader移植 |
| 5.3.2 内核移植 |
| 5.3.3 根文件系统的建立和移植 |
| 5.4 SQLite3和JSON的移植 |
| 5.5 摄像头软件移植 |
| 5.6 本章小结 |
| 6 智能家居客户端展示与系统测试 |
| 6.1 客户端运行界面 |
| 6.2 ZigBee网络通信测试 |
| 6.3 系统功能实现与测试 |
| 6.3.1 温湿度、光照采集情况测试 |
| 6.3.2 摄像头控制测试 |
| 6.3.3 家电控制测试 |
| 6.4 本章小结 |
| 总结与展望 |
| 工作总结 |
| 工作展望 |
| 参考文献 |
| 致谢 |
四、忘记LINUX密码怎么办?（论文参考文献）
- [1]恢复VMware ESXi和vCenter Server密码[J]. 郭建伟. 网络安全和信息化, 2021(11)
- [2]地区电网短期负荷预测云平台设计与实现[D]. 邵雪羚. 电子科技大学, 2021(01)
- [3]分区加密的固态盘阵列验证和试验[D]. 王进梁. 杭州电子科技大学, 2020(02)
- [4]基于目标检测算法的课堂异常行为识别系统研究[D]. 王京. 成都理工大学, 2020(04)
- [5]基于Docker的盾构监控系统的容器集群管理研究[D]. 韩增宝. 西安电子科技大学, 2020(05)
- [6]面向智慧家庭的环境舒适度调节软件的研究与设计[D]. 张继柱. 重庆邮电大学, 2020(02)
- [7]学生实验行为分析预测系统的研究与应用[D]. 陈富泽. 电子科技大学, 2020(08)
- [8]Linux上基于事件驱动的生物特征认证系统的设计与实现[D]. 蒋林轩. 国防科技大学, 2019(02)
- [9]基于嵌入式的农业大棚检测系统[D]. 周习谦. 武汉轻工大学, 2019(01)
- [10]基于嵌入式的智能家居系统的设计与实现[D]. 王辉刚. 武汉轻工大学, 2019(01)