1. 题目来源
随着大数据和云计算时代的到来，海量数据的存储和处理对存储系统的性能提出了越来越高的要求。
为了评估和优化存储系统性能，IOtrace（输入/输出轨迹）成为了不可或缺的工具。
IOtrace记录了系统在一段时间内的所有IO操作，包括读写类型、数据大小、访问时间等信息，可以真实反映系统的负载特征。
2. 应完成的主要内容
本研究拟围绕基于生成式对抗网络的高性能IOtrace精准生成方法展开深入研究，主要内容包括：
1.深入分析IOtrace特征：对真实IOtrace进行系统性分析，提取关键特征，为生成模型的设计提供理论依据。
2.设计并实现基于生成式对抗网络的IOtrace生成模型：构建生成器和判别器网络结构，探索合适的网络参数和训练策略，实现IOtrace的自动生成。
3.提出高性能IOtrace精准生成算法：针对IOtrace的时序性、相关性等特征，优化生成模型，提高生成trace的精度和效率。
3. 基本要求及完成的成果形式
1.基本要求掌握扎实的数学基础和机器学习理论知识，熟悉生成式对抗网络的基本原理和常用模型。
具备一定的编程能力，熟练掌握Python等编程语言，能够进行模型构建和实验代码编写。
具备良好的文献检索和阅读能力，能够跟踪领域内最新研究进展。
4. 计划与进度安排
第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。
第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲
第三阶段（2024.2~2024.3）查询资料，学习相关论文
5. 参考文献（20个中文5个英文）
1.黄俊,张晓东,王新.基于深度学习的磁盘I/O性能预测研究综述[J].计算机科学,2022,49(7):14-25.
2.谢晓园,刘超,王新,等.基于深度学习的SSD I/O性能预测[J].计算机工程与科学,2021,43(9):1561-1570.
3.李想,李晓维,张晓东.基于生成式对抗网络的存储系统I/O负载生成方法[J].计算机科学,2021,48(S1):135-141.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
