基于J2EE,AJAX技术的信用卡交易网上管理系统
这是一篇关于J2EE,MVC,富客户端,Ajax,GWT的论文, 主要内容为随着Web技术的迅速发展,基于B/S结构的WEB系统尤其是以J2EE技术为代表的分布式对象系统得到了广泛的应用。 但随着电子商务的发展,B/S结构的WEB系统在用户界面与服务器交互方面的不足逐渐体现了出来。传统的B/S模式下,系统的功能分散在服务器端提供的各个WEB页面,用户使用系统功能只是不断重复着:提交-等待-响应--刷新的过程,用户动作总是与服务器动作同步,在网络速度不理想或者服务器端负载压力较大时用户体验很差。系统表现层的逻辑居于服务器端,界面组织由服务器端完成使得性能负载仅放在服务器,无法利用客户机的计算能力。因此基于异步交互AJAX技术,以及包含了表现层逻辑的富客户端模式的价值渐渐凸显出来。Ajax(Asynchronous JavaScript and XML)是Java技术、XML以及 JavaScript等技术的集合,通过浏览器端的JavaScript、DHTML和XMLHttpRequest对象与服务器异步通信,不用刷新页面而只进行局部更新。在富客户端模式中,用户界面全部包含在客户端中,用户界面之间的逻辑由客户端控制,服务器端仅负责数据计算。通过Ajax与富客户端模式的配合,可以创建接近本地桌面应用体验的响应更灵敏的Web应用程序。 本系统是基于J2EE、由GWT实现了AJAX和富客户端模式的信用卡交易网上管理系统,配合公司的另一产品信用卡交易系统运行,用于管理、维护使用信用卡交易系统的商户集团信息及其下属商户交易终端的信息,管理信用卡的交易数据并根据用户要求生成各种交易报表和图表,并且支持在线配置信用卡交易系统的运行参数。系统从功能上分为三个子系统:信息管理子系统,交易查询及报表生成子系统,交易参数配置子系统。该系统的开发涉及到目前电子商务和J2EE的多种理论和技术,如WEB技术,JDBC技术,JavaScript,Ajax,GWT,XML,富客户端等。本系统客户端经GWT编译后,成为纯JavaScript界面。 本论文将分别从概要设计,业务流程设计,功能模块划分,具体功能模块实现等方面,对系统进行了深入的探讨,并在软件开发中做了大量的工作,论文提出的事例信用卡交易平台已投入使用并且运行良好。
基于Google云的B2C网站后台管理模块实现
这是一篇关于B2C电子商务网站,云计算,GAE,GWT的论文, 主要内容为B2C电子商务网站由于其商品售价较为低廉质量优异,口碑良好,信誉度和购物安全系数更高,现在已经有了取代C2C网站的趋势。越来越多的实体企业和C2C网店店主将眼光投向了更受消费者认可的B2C电子商务网站;在另一个方面,云计算同样是这些年的一个热门概念,开发一个使用云计算平台的B2C网站,我们就可以将应用部署在云计算提供商提供的大规模服务器集群中,这样带来的好处就是降低企业或者网店店主硬件架构成本,增加了应用的灵活性,也极大地提高了安全性。 本论文旨在设计一个基于Google的云计算平台GAE(Google App Engine)、GWT (Google Web Toolkit)以及GXT技术的B2C电子商务网站Gcshop部分后台管理模块系统,并最终将其实现。Gcshop在开发之初首先对后台管理模块进行了较为详尽的需求分析,随后根据需求对系统进行了架构设计、数据存储区设计以及详细功能设计,最终将系统顺利实现。如同我们所知道的那样,云计算的概念很热,但是真正实现了的基于云计算的项目却不多。Gcshop的创新之处在于这是一个将云计算和电子商务网站结合的B2C系统,因此这个项目能起到一个很好的示范作用,读者通过论文也可以充分了解基于云计算平台的电子商务网站开发步骤以及要点。本文同时也对开发工具的使用做了一定的研究,研究了项目所需技术的基本概念和使用方法,研究了基于Google大表的数据存储区Datastore的基本原理、JDO的使用方法,以及如何使用GWT进行服务器端客户端异步通信。 通过这篇论文证明,基于Google云计算平台的B2C项目是可行的,使用云计算平台搭建B2C网站可以充分享用云计算带来的好处,提高企业和个人网店的竞争力。
证券红利分配信息系统
这是一篇关于证券红利分配,可配置,信息管理系统,Java,Spring,Hibernate,GWT,Smart GWT的论文, 主要内容为在证券行业中大多数信息系统主要集中在证券交易自动化、交易结算和风险控制等方面,为客户提供快速方便的交易平台。随着投资者逐步认识到证券分配信息对证券价格的影响,就开始希望券商能够为投资者提供方便有效的系统,使投资者能够快速、准确获得相关的证券分配信息,为其投资决策提供支持。 此外,随着各种类型的证券产品和多样的交易方式的出现,券商也希望有一个信息系统支持其运作,通过此系统,券商不但可以及时、准确的向投资者发布种类证券分配信息,方便券商管理投资者所作的选择,又可以为客户提供更好的服务。券商同时希望系统具的良好的扩充性能,以应对未来不断出现的新需求。 本论文首先介绍了证券红利分配的主要的类型和其特征,根据证券红利分配的特点,对本系统所使用到的技术进行了专门的阐述。为了满足系统支持可配置的要求,本人专门为系统设计了两套可配置框架,使系统实现从前台到后台的全配置,以应对未来不断发展的证券产品和分配方式对系统扩充的需要。 本人研究的主要内容包含: (1)基于业界最先进的Rich UI技术Google Web Toolkit和Smart GWT,提出了一个结构层次清晰,易于实现的可配置界面框架(GWTToolKit)。 (2)根据界面框架的特征,结合当前流行的Spring架构和Weblogic服务器的特点,设计了一个以IOC技术为基础的,Spring Context管理器为核心的,可配置后台服务框架(Director)。框架在对外提供统一的调用接口的同时,也支持HTTP, EJB, JMS和Web Service等多种调用方式。 (3)通过把jBPM自带的用户管理模块与系统本身的用户管理模块合并,来获得比较好的系统性能。 (4)根据Hibernate的特征,设计出一套完整的DAO结构和Domain Object结构,使其在可以充分的满足系统开发的业务需求前提下,获得最好执行效率。 本论文通过对系统设计和实现过程的阐述,探究证券红利分配系统在JAVA环境下实现的可行性,为今后在JAVA环境下可配置信息系统建设提供全新的思路和方法。
基于GWT和个性化算法的教学资源推荐系统的研究
这是一篇关于GWT,教学资源推荐系统,web2.0,协同过滤推荐算法,聚类算法的论文, 主要内容为现如今,大家对计算机和互联网已经不再陌生,不同的领域、不同的行业都要涉足互联网。人们在网络上实时的分享信息、共享资源,带来了前所未有的盛况。然而,随着越来越多的信息资源在网上出现,带来了信息的巨大问题——信息爆炸。尽管现在互联网资源有简单的分类和标签,但是面对互联网上的海量资源,用户难免会在寻找真正适合自己信息上浪费大量时间和精力。专家和学者为了解决互联网信息爆炸问题,推出了两个引擎,一个是搜索引擎,它在用户大体明确自己需要的资源方向的情况下使用;一个是推荐引擎,后者根据用户的爱好和自身标签,将他可能需要的资源信息推荐给他。目前,部分高校虽然已经有类似教学资源管理系统的教辅系统,但是教学辅助系统在国内的教育领域的普及程度还不是很高,并且极少包含教学资源推荐系统,而在国内的电子商务网站内,在同等行业竞争激烈的情况下,增加用户体验即等于提高公司效益,正因如此,推荐系统在电子商务以及一些商业网站应用普遍。因此借鉴成功的商业网站案例来做推荐系统是一个不错的方向。本文的研究目的是基于GWT对教学资源推荐系统进行研究与实现,为学习者营造一个良好的在线学习环境,提供个性化的知识资源导航功能,并从一定程度上降低教学资源推荐的复杂性和开发成本。本文的主要工作如下:(1)本课题提出了一种基于GWT,并结合SpringMVC, Hibernate实现的教学资源推荐系统开发框架。与现阶段的教学资源推荐系统应用框架相比,该框架的关键特性是可让开发者尽可能不学习和使用第二种语言而简便地编写AJAX应用,大大减少了开发代价;同时对整个系统进行分层,开发更直观、可靠,该框架充分利用了成熟的平台和技术,在有效地减少了软件开发周期和开发成本的同时,也有效提升了教学资源推荐系统的人机交互体验和实时性需求。基于GWT的应用框架与Spring MVC Hibernate框架相结合,该开发框架提出了基于GWT的Web应用程序的分层结构,使开发更清晰明了。(2)本课题将在原有的协同过滤算法的基础之上结合聚类算法,提出一种个性化的混合算法。使用Weka进行数据挖掘,同时研究基于用户聚类的协同过滤算法在教学资源推荐系统的应用。当前的推荐算法有很多,协同过滤推荐算法是目前使用频率最高的一种推荐算法,分为基于用户的推荐和基于项目的推荐两种方法。本课题中系统将在固定的时间内,离线进行用户的聚类,在线推荐时使用协同过滤推荐算法达到事半功倍的效果。在协同算法的基础上融合基于用户聚类的算法,解决用户行为信息过载、评分矩阵稀疏以及推荐速度瓶颈等问题,建立更加有效的系统推荐算法,实现教学资源的推荐,使得该系统可以高效、定制化的将教学资源推荐给学生。解决现存的教学资源推荐系统中学习者在进行选择的时候的盲目问题,塑造更好的用户体验,为学习者提供个性化的学习服务。上述研究已在国际上知名的会议以及期刊上发表EI学术论文2篇。
基于GWT和个性化算法的教学资源推荐系统的研究
这是一篇关于GWT,教学资源推荐系统,web2.0,协同过滤推荐算法,聚类算法的论文, 主要内容为现如今,大家对计算机和互联网已经不再陌生,不同的领域、不同的行业都要涉足互联网。人们在网络上实时的分享信息、共享资源,带来了前所未有的盛况。然而,随着越来越多的信息资源在网上出现,带来了信息的巨大问题——信息爆炸。尽管现在互联网资源有简单的分类和标签,但是面对互联网上的海量资源,用户难免会在寻找真正适合自己信息上浪费大量时间和精力。专家和学者为了解决互联网信息爆炸问题,推出了两个引擎,一个是搜索引擎,它在用户大体明确自己需要的资源方向的情况下使用;一个是推荐引擎,后者根据用户的爱好和自身标签,将他可能需要的资源信息推荐给他。目前,部分高校虽然已经有类似教学资源管理系统的教辅系统,但是教学辅助系统在国内的教育领域的普及程度还不是很高,并且极少包含教学资源推荐系统,而在国内的电子商务网站内,在同等行业竞争激烈的情况下,增加用户体验即等于提高公司效益,正因如此,推荐系统在电子商务以及一些商业网站应用普遍。因此借鉴成功的商业网站案例来做推荐系统是一个不错的方向。本文的研究目的是基于GWT对教学资源推荐系统进行研究与实现,为学习者营造一个良好的在线学习环境,提供个性化的知识资源导航功能,并从一定程度上降低教学资源推荐的复杂性和开发成本。本文的主要工作如下:(1)本课题提出了一种基于GWT,并结合SpringMVC, Hibernate实现的教学资源推荐系统开发框架。与现阶段的教学资源推荐系统应用框架相比,该框架的关键特性是可让开发者尽可能不学习和使用第二种语言而简便地编写AJAX应用,大大减少了开发代价;同时对整个系统进行分层,开发更直观、可靠,该框架充分利用了成熟的平台和技术,在有效地减少了软件开发周期和开发成本的同时,也有效提升了教学资源推荐系统的人机交互体验和实时性需求。基于GWT的应用框架与Spring MVC Hibernate框架相结合,该开发框架提出了基于GWT的Web应用程序的分层结构,使开发更清晰明了。(2)本课题将在原有的协同过滤算法的基础之上结合聚类算法,提出一种个性化的混合算法。使用Weka进行数据挖掘,同时研究基于用户聚类的协同过滤算法在教学资源推荐系统的应用。当前的推荐算法有很多,协同过滤推荐算法是目前使用频率最高的一种推荐算法,分为基于用户的推荐和基于项目的推荐两种方法。本课题中系统将在固定的时间内,离线进行用户的聚类,在线推荐时使用协同过滤推荐算法达到事半功倍的效果。在协同算法的基础上融合基于用户聚类的算法,解决用户行为信息过载、评分矩阵稀疏以及推荐速度瓶颈等问题,建立更加有效的系统推荐算法,实现教学资源的推荐,使得该系统可以高效、定制化的将教学资源推荐给学生。解决现存的教学资源推荐系统中学习者在进行选择的时候的盲目问题,塑造更好的用户体验,为学习者提供个性化的学习服务。上述研究已在国际上知名的会议以及期刊上发表EI学术论文2篇。
基于GWT和个性化算法的教学资源推荐系统的研究
这是一篇关于GWT,教学资源推荐系统,web2.0,协同过滤推荐算法,聚类算法的论文, 主要内容为现如今,大家对计算机和互联网已经不再陌生,不同的领域、不同的行业都要涉足互联网。人们在网络上实时的分享信息、共享资源,带来了前所未有的盛况。然而,随着越来越多的信息资源在网上出现,带来了信息的巨大问题——信息爆炸。尽管现在互联网资源有简单的分类和标签,但是面对互联网上的海量资源,用户难免会在寻找真正适合自己信息上浪费大量时间和精力。专家和学者为了解决互联网信息爆炸问题,推出了两个引擎,一个是搜索引擎,它在用户大体明确自己需要的资源方向的情况下使用;一个是推荐引擎,后者根据用户的爱好和自身标签,将他可能需要的资源信息推荐给他。目前,部分高校虽然已经有类似教学资源管理系统的教辅系统,但是教学辅助系统在国内的教育领域的普及程度还不是很高,并且极少包含教学资源推荐系统,而在国内的电子商务网站内,在同等行业竞争激烈的情况下,增加用户体验即等于提高公司效益,正因如此,推荐系统在电子商务以及一些商业网站应用普遍。因此借鉴成功的商业网站案例来做推荐系统是一个不错的方向。本文的研究目的是基于GWT对教学资源推荐系统进行研究与实现,为学习者营造一个良好的在线学习环境,提供个性化的知识资源导航功能,并从一定程度上降低教学资源推荐的复杂性和开发成本。本文的主要工作如下:(1)本课题提出了一种基于GWT,并结合SpringMVC, Hibernate实现的教学资源推荐系统开发框架。与现阶段的教学资源推荐系统应用框架相比,该框架的关键特性是可让开发者尽可能不学习和使用第二种语言而简便地编写AJAX应用,大大减少了开发代价;同时对整个系统进行分层,开发更直观、可靠,该框架充分利用了成熟的平台和技术,在有效地减少了软件开发周期和开发成本的同时,也有效提升了教学资源推荐系统的人机交互体验和实时性需求。基于GWT的应用框架与Spring MVC Hibernate框架相结合,该开发框架提出了基于GWT的Web应用程序的分层结构,使开发更清晰明了。(2)本课题将在原有的协同过滤算法的基础之上结合聚类算法,提出一种个性化的混合算法。使用Weka进行数据挖掘,同时研究基于用户聚类的协同过滤算法在教学资源推荐系统的应用。当前的推荐算法有很多,协同过滤推荐算法是目前使用频率最高的一种推荐算法,分为基于用户的推荐和基于项目的推荐两种方法。本课题中系统将在固定的时间内,离线进行用户的聚类,在线推荐时使用协同过滤推荐算法达到事半功倍的效果。在协同算法的基础上融合基于用户聚类的算法,解决用户行为信息过载、评分矩阵稀疏以及推荐速度瓶颈等问题,建立更加有效的系统推荐算法,实现教学资源的推荐,使得该系统可以高效、定制化的将教学资源推荐给学生。解决现存的教学资源推荐系统中学习者在进行选择的时候的盲目问题,塑造更好的用户体验,为学习者提供个性化的学习服务。上述研究已在国际上知名的会议以及期刊上发表EI学术论文2篇。
本文内容包括但不限于文字、数据、图表及超链接等)均来源于该信息及资料的相关主题。发布者:毕设港湾 ,原文地址:https://bishedaima.com/lunwen/51046.html