基于安卓的联邦学习平台设计与实现

目录

声明

第一章绪论

1.1 选题依据和研究意义

1.2 国内外研究现状及发展态势

1.3 本文的主要贡献和创新点

1.4 本论文的结构安排

第二章基础理论与相关技术

2.1 联邦机器学习

2.2 TensorFlow.js

2.2.1 TensorFlow.js API

2.2.2 TensorFlow.js 模型

2.3 Servlet执行原理

2.3.1 Servlet 请求响应模型

2.3.2 Servlet 在容器中的生命周期

2.3.3 Servlet 监听器

2.4 安卓平台架构

2.5 WebView概述

2.5.1 事件监控

2.5.2 Java 调JavaScript

2.6 安卓JobScheduler 概述

2.7 浏览器的本地存储

2.8 本章小结

第三章安卓端联邦学习平台设计

3.1 应用场景与需求分析

3.2.1 系统总体设计

3.2.2 系统总体架构

3.3 各模块职责划分

3.4 关键技术

3.4.1 联邦机器学习算法

3.4.2 框架的选取与移植

3.4.3 数据存储

3.4.4 安卓端的调用策略

3.4.5 模型差异化文件构建

3.5 本章小结

第四章安卓端联邦学习平台详细设计与实现

4.1 通信协议定义

4.1.1 安卓端和Server 端通信协议

4.1.2 ClientNative和ClientJs 通信协议定义

4.2.1 ClientNative 整体结构

4.2.2 网络框架实现

4.2.3 ClientNative 调度模块设计实现

4.2.4 ClientNative 解析模块设计实现

4.2.5 ClientNative 网络模块设计实现

4.3 ClientJs 设计实现

4.3.1 ClientJs架构设计

4.3.2 模型处理

4.3.3 ClientJs数据管理

4.4 Server端设计实现

4.4.1 Server端整体架构设计

4.4.2 业务逻辑层设计实现

4.4.3 数据访问层设计实现

4.4.4 模型处理模块设计实现

4.5 本章小结

第五章系统测试

5.1 测试环境

5.2 Server端测试

5.2.1 模型下发测试

5.2.2 模型差异化文件上传测试

5.2.3 模型层获取测试

5.2.4 模型差异化文件合并测试

5.3 安卓端测试

5.3.1 模型推理测试

5.3.2 模型训练测试

5.3.3 安卓调度测试

5.4.1 系统测试步骤

5.4.2 系统整体测试结果分析

5.5 本章小结

第六章总结与展望

6.1 全文总结

6.2 展望未来

致 谢

参考文献

攻读硕士学位期间取得的成果