学术堂整理了一份2000字的计算机毕业论文范文，供大家进行参考：
论文题目：《计算机教育过程中的信息安全问题》
【摘 要】随着科学技术的不断发展,计算机网络技术得到飞速发展和应用,而在计算机教育过程中存在着很多的不安全因素,因此计算机网络安全越来越受到人们的高度关注.本文通过介绍计算机教育的发展现状,分析在计算机教育过程中的信息安全存在的问题,并针对计算机信息安全问题提出相应的防范措施,对今后计算机教育的信息安全研究具有重要的参考价值.
【关键词】计算机教育 信息安全 存在问题 防范措施 发展现状
一、计算机教育发展现状
计算机网络技术的不断普及,给人们的生活带来很多的便利,但也存在着极大的安全隐患,即计算机网络信息安全问题.而计算机信息系统安全包括有计算机安全、网络安全和信息安全,而一般提到的就是信息安全,它在计算机教育系统中发挥着非常重要的作用,贯穿着计算机教育的全过程.正是由于计算机信息安全在人们的生产生活中充当着极其重要的作用,因此要探讨计算机教育过程面临着怎样的信息安全问题,这值得我们加强对计算机教育过程中信息安全问题的防范,以此营造健康安全的计算机网络环境.
计算机教育信息系统是个复杂的系统性安全问题,它包含计算机系统中的硬件、软件、计算机运作系统以及计算机的查毒系统,更甚于有计算机的病毒等.而计算机教育过程中存在的信息安全问题一般包含有硬件破坏、软件错误、感染病毒、电磁辐射、管理不当以及病毒的恶意侵犯等问题都有可能威胁到计算机的信息安全问题.计算机网络系统是教育过程中一门重要的跨多个学科的综合性科学,在我国的教育教学中逐渐被广泛地应用起来,也同时受到社会各方面的高度关注.但计算机教育过程中存在很多的信息安全因素,需要我们加强对计算机教育信息安全的关注.
二、计算机教育过程中的信息安全存在的问题
(一)计算机病毒的危害
计算机病毒在我国颁布的计算机有关保护条例中明确将计算机病毒列为能干扰计算机功能或者破坏计算机数据,并影响计算机的正常使用的一种信息安全病毒.当前计算机容易受到很多病毒的侵害,如木马、火焰、网络蠕虫等,这些计算机病毒的危害极大,传播速度极快,影响范围极广,而且传播形式多种多样,后期的清除难度也更大,目前是计算机教育过程中信息安全面临的最主要的问题.
(二)IP地址被盗用
在计算机教育过程中,往往会出现许多的IP地址被盗用的问题,使用户无法正常地使用网络.IP地址被盗用一般更多地会发生在计算机IP地址权限比较高的用户中间,盗用者会通过网络隐藏其身份对高级用户进行干扰和破坏,导致用户无法正常使用计算机,可能带来较为严重的影响,甚至威胁到用户的信息安全和合法权益.
(三)网络攻击
网络是是指攻击者通过网络对用户的信息进行非法访问及破坏,而这其中包含有很多的形式,这完全取决于的个人主观动机.有些出于非常恶意的态度而对计算机信息安全进行破坏,这其中包括有对用户的的信息安全进行有意泄漏,对用户造成许多负面影响,还有些的行为较为严重,他们会窃取国家政治军事机密,损害国家的形象；非法盗用他人账号提取他人银行存款；对用户进行网络勒索或诈骗,这些的行为将对我国的计算机信息安全造成极大的破坏和攻击.
(四)计算机网络安全管理不健全
计算机网络安全管理中往往存在很多的问题,如计算机网络安全管理体制不健全,管理人员职责分工不明确,缺乏一定的网络安全管理机制,缺乏一定的计算机网络安全管理意识,这些使得计算机网络信息安全的风险更加严重,逐渐威胁计算机网络的信息安全.
三、针对计算机信息安全问题提出相应的防范措施
(一)计算机病毒的防范
计算机病毒应该采取的措施以防御为主,然后再加强对病毒的防范和管理.应该在计算机硬件或软件上安装全方位的防病毒查杀软件,定期地对计算机系统进行升级,从而保证计算机教育系统的信息安全.
(二)防技术
随着科学技术的不断进步,人们对身份的鉴别也有了一定的认识,人们也逐渐认识到身份认证的重要作用,因此用户应该做的是定期地修改用户账户和.而目前我国采用的最常见的防技术就是防火墙技术,防火墙技术可以对网络安全进行实时地监控,有效地防止了地干扰和破坏.
(三)提高计算机网络安全意识
计算机网络信息安全在很大程度上是由于人们对计算机信息安全的保护意识不强而引起的安全问题,计算机网络信息安全是一项综合性较强且复杂的项目,因此应该加强对计算机信息安全人员的技术培训,增强用户的计算机网络安全意识,从而发挥计算机技术的更大的优势.
四、结束语
计算机网络信息安全与我们的生活息息相关,计算机教育网络信息系统需要大家的共同维护,因此在建立健康安全的计算机信息技术平台环境,需要做的不仅仅是要建立安全的防护体系,更要做的是加强人们对计算机信息安全的防范意识,才可以建立一个通用安全的网络环境.
参考文献
[1]高瑞.浅议计算机教育过程中的信息安全问题[J].电子制作,2015,（8）15,58-69.
[2]张大宇.计算机教育过程中的信息安全问题探讨[J].中小企业管理与科技（下旬刊）,2014,（6）25,45-53.
信息安全论文参考资料：
计算机信息安全论文
信息安全论文
信息网络安全杂志
网络信息安全论文
移动信息期刊
食品安全论文2000字
结论：计算机教育过程中的信息安全问题为关于对不知道怎么写信息安全论文范文课题研究的大学硕士、相关本科毕业论文信息安全论文开题报告范文和文献综述及职称论文的作为参考文献资料下载。
一、定义
计算机毕业论文是计算机专业毕业生培养方案中的必修环节。学生通过计算机毕业论文的写作，培养综合运用计算机专业知识去分析并解决实际问题的能力，学有所用，不仅实践操作、动笔能力得到很好的锻炼，还极大地增强了今后走向社会拼搏、奋斗的勇气和自信。
二、分类
计算机毕业论文一般可分为四大类：
1计算机信息管理
2计算机应用
3计算机网络
4计算机软件
三、计算机毕业论文研究方向
计算机毕业论文的研究方向，通常有以下四类：
1．完成一个不太大的实际项目或在某一个较大的项目中设计并完成一个模块（如应用软件、工具软件或自行设计的板卡、接口等等），然后以工程项目总结或科研报告、或已发表的论文的综合扩展等形式完成论文。 这类项目的写作提纲是：1）引言（应该写本论文研究的意义、相关研究背景和本论文的目标等内容。）；2）×××系统的设计（应该写该系统设计的主要结论，如系统的总体设计结论（包括模块结构和接口设计）、数据库/数据结构设计结论和主要算法（思想）是什么等内容。）；3）×××系统的实现（主要写为了完成该系统的设计，要解决的关键问题都有什么，以及如何解决，必要时应该给出实验结果及其分析结论等。）；4）结束语（应该总结全文工作，并说明进一步研究的目标和方向等）。
2． 对一个即将进行开发的项目的一部份进行系统分析（需求分析，平台选型，分块，设计部分模块的细化）。这类论文的重点是收集整理应用项目的背景分析，需求分析，平台选型，总体设计（分块），设计部分模块的细化，使用的开发工具的内容。论文结构一般安排如下： 1）引言（重点描述应用项目背景，项目开发特色，工作难度等） ；2）项目分析设计（重点描述项目的整体框架，功能说明，开发工具简介等）；3）项目实现（重点描述数据库设计结果，代码开发原理和过程，实现中遇到和解决的主要问题，项目今后的维护和改进等，此部分可安排两到三节）；4）结束语。
3.对某一项计算机领域的先进技术或成熟软件进行分析、比较，进而能提出自己的评价和有针对性创见。这类论文的写作重点是收集整理有关的最新论文或软件，分析比较心得，实验数据等内容。论文结构一般安排如下： 1）引言（重点描述分析对象的特点，分析比较工作的意义，主要结果等） ；2）分析对象的概括性描述；3）分析比较的主要结果（如果是技术分析，给出主要数据，如果是软件分析，给出代码分析结果，实验过程等） ；4）分析比较的评价和系统应用（可以给出基于分析比较的结果，提出某些设计实现方案，和进行一些实验工作 ；5）结束语。
4. 对某一个计算机科学中的理论问题有一定见解，接近或达到了在杂志上发表的水平。这类论文的写作重点是收集整理问题的发现，解决问题所用到的基本知识，解决问题的独特方法，定理证明，算法设计和分析。论文结构一般安排如下： 1)引言（重点描述要解决的问题的来源，难度，解决问题的主要方法等） ；2)基本知识（解决问题涉及的基本定义，定理，及自己提出的概念等）；3)推理结论（给出问题解决方案，包括定理证明，算法设计，复杂性分析等） ；4) 结束语。
四、计算机毕业论文的构成
一般，一份完整、规范的计算机毕业论文应大致包括以下项目（各院校要求不完全相同）：
摘要及关键词Abstract and Keywords
目录
正文第一章 引言1、本课题的研究意义2、本论文的目的、内容及作者的主要贡献
第二章 研究现状及设计目标1、相近研究课题的特点及优缺点分析2、现行研究存在的问题及解决办法3、本课题要达到的设计目标
第三章 要解决的几个关键问题1、研究设计中要解决的问题2、具体实现中采用的关键技术及复杂性分析
第四章 系统结构与模型1、设计实现的策略和算法描述2、编程模型及数据结构
第五章 系统实现技术1、分模块详述系统各部分的实现方法2、程序流程
第六章、性能测试与分析1、测试实例(测试集)的研究与选择2、测试环境与测试条件3、实例测试(表格与曲线)4、性能分析
第七章 结束语致谢参考文献
五、完成计算机毕业论文的各个环节：
1、计算机专业实践环节形式：毕业设计
2、毕业论文实践环节应注意的事项（1）、“毕业论文”实践环节在全部毕业学分中占有一定学分；（2）、“毕业论文”实践环节从起步到毕业答辩结束历时至少4周以上；（3）、“毕业论文”实践环节包括两部分内容：① 完成“毕业论文”所开发的应用程序；② 针对所开发的应用程序书写“毕业论文”说明书(即论文)；
3、毕业论文实践环节应先完成的工作在毕业论文实践环节之前,应向有关主管设计工作的单位或老师上报如下材料：（1）《毕业论文实践环节安排意见》（包括领导小组名单，毕业班专业、级别、性质、工作计划安排、实践环节工作步骤，指导教师名单，学生分组名单）、（2）《毕业论文（论文）审批表》一式两份（要求认真审核、填写指导教师资格，包括职称、从事专业、有何论著，每人指导学生不得超过一定人数，兼职(或业余)指导教师指导学生数根据情况酌减）。
4、关于“毕业论文”工作的过程步骤：
（1）、“毕业论文”题目的选择选题时应遵循以下原则：①选题必须符合计算机专业的综合培养要求；②应尽可能选择工程性较强的课题，以保证有足够的工程训练；③毕业论文工作要有一定的编程量要求，以保证有明确的工作成果；④选题原则上一人一题，结合较大型任务的课题，每个学生必须有毕业论文的独立子课题；⑤选题应尽量结合本地、本单位的教学、科研、技术开发项目，在实际环境中进行。总之选题要体现综合性原则、实用性原则、先进性原则、量力性原则等选题时要达到以下目标：①选题与要求提高综合运用专业知识分析和解决问题的能力；②掌握文献检索、资料查询的基本方法和获取新知识的能力；③掌握软硬件或应用系统的设计开发能力；④提高书面和口头表达能力；⑤提高协作配合工作的能力。
（2）、“毕业论文”题目审核有关单位将毕业学生选择的题目填写在同一个“毕业论文（论文）审批表”中的“毕业论文安排表”相应栏目中，，审核通过后方可开展下一步工作。
（3）、“毕业论文”应用程序开发实施(大致用时安排)①需求分析阶段（约一周时间完成）②系统分析阶段（约一周时间完成），同时完成毕业论文说明书前两章资料整理工作。③系统设计阶段（约一周时间完成）④代码实现阶段（约三周时间完成）同时完成毕业论文说明书第三章、第四章资料整理工作。⑤系统调试阶段（约二周时间完成），同时完成毕业论文说明书第五章资料整理工作。⑥投入运行阶段（约一周时间完成），同时完成毕业论文说明书中第六章资料整理工作。⑦毕业论文说明书的整理定稿阶段（约二周时间完成）
资料来源：
推荐下计算机视觉这个领域，依据学术范标准评价体系得出的近年来最重要的9篇论文吧：
（对于英语阅读有困难的同学，访问后可以使用翻译功能）
一、Deep Residual Learning for Image Recognition
摘要：Deeper neural networks are more difficult to train. We present a residual learning framework to ease the training of networks that are substantially deeper than those used previously. We explicitly reformulate the layers as learning residual functions with reference to the layer inputs, instead of learning unreferenced functions. We provide comprehensive empirical evidence showing that these residual networks are easier to optimize, and can gain accuracy from considerably increased depth. On the ImageNet dataset we evaluate residual nets with a depth of up to 152 layers—8× deeper than VGG nets [40] but still having lower complexity. An ensemble of these residual nets achieves 3.57% error on the ImageNet test set. This result won the 1st place on the ILSVRC 2015 classification task. We also present analysis on CIFAR-10 with 100 and 1000 layers. The depth of representations is of central importance for many visual recognition tasks. Solely due to our extremely deep representations, we obtain a 28% relative improvement on the COCO object detection dataset. Deep residual nets are foundations of our submissions to ILSVRC & COCO 2015 competitions1, where we also won the 1st places on the tasks of ImageNet detection, ImageNet localization, COCO detection, and COCO segmentation.
全文链接： 文献全文 - 学术范 (xueshufan.com)
二、Very Deep Convolutional Networks for Large-Scale Image Recognition
摘要：In this work we investigate the effect of the convolutional network depth on its accuracy in the large-scale image recognition setting. Our main contribution is a thorough evaluation of networks of increasing depth using an architecture with very small (3x3) convolution filters, which shows that a significant improvement on the prior-art configurations can be achieved by pushing the depth to 16-19 weight layers. These findings were the basis of our ImageNet Challenge 2014 submission, where our team secured the first and the second places in the localisation and classification tracks respectively. We also show that our representations generalise well to other datasets, where they achieve state-of-the-art results. We have made our two best-performing ConvNet models publicly available to facilitate further research on the use of deep visual representations in computer vision.
全文链接： 文献全文 - 学术范 (xueshufan.com)
三、U-Net: Convolutional Networks for Biomedical Image Segmentation
摘要：There is large consent that successful training of deep networks requires many thousand annotated training samples. In this paper, we present a network and training strategy that relies on the strong use of data augmentation to use the available annotated samples more efficiently. The architecture consists of a contracting path to capture context and a symmetric expanding path that enables precise localization. We show that such a network can be trained end-to-end from very few images and outperforms the prior best method (a sliding-window convolutional network) on the ISBI challenge for segmentation of neuronal structures in electron microscopic stacks. Using the same network trained on transmitted light microscopy images (phase contrast and DIC) we won the ISBI cell tracking challenge 2015 in these categories by a large margin. Moreover, the network is fast. Segmentation of a 512x512 image takes less than a second on a recent GPU. The full implementation (based on Caffe) and the trained networks are available at http://lmb.informatik.uni-freiburg.de/people/ronneber/u-net.
全文链接： 文献全文 - 学术范 (xueshufan.com)
四、Microsoft COCO: Common Objects in Context
摘要：We present a new dataset with the goal of advancing the state-of-the-art in object recognition by placing the question of object recognition in the context of the broader question of scene understanding. This is achieved by gathering images of complex everyday scenes containing common objects in their natural context. Objects are labeled using per-instance segmentations to aid in precise object localization. Our dataset contains photos of 91 objects types that would be easily recognizable by a 4 year old. With a total of 2.5 million labeled instances in 328k images, the creation of our dataset drew upon extensive crowd worker involvement via novel user interfaces for category detection, instance spotting and instance segmentation. We present a detailed statistical analysis of the dataset in comparison to PASCAL, ImageNet, and SUN. Finally, we provide baseline performance analysis for bounding box and segmentation detection results using a Deformable Parts Model.
全文链接： 文献全文 - 学术范 (xueshufan.com)
五、Rethinking the Inception Architecture for Computer Vision
摘要：Convolutional networks are at the core of most state of-the-art computer vision solutions for a wide variety of tasks. Since 2014 very deep convolutional networks started to become mainstream, yielding substantial gains in various benchmarks. Although increased model size and computational cost tend to translate to immediate quality gains for most tasks (as long as enough labeled data is provided for training), computational efficiency and low parameter count are still enabling factors for various use cases such as mobile vision and big-data scenarios. Here we are exploring ways to scale up networks in ways that aim at utilizing the added computation as efficiently as possible by suitably factorized convolutions and aggressive regularization. We benchmark our methods on the ILSVRC 2012 classification challenge validation set demonstrate substantial gains over the state of the art: 21:2% top-1 and 5:6% top-5 error for single frame evaluation using a network with a computational cost of 5 billion multiply-adds per inference and with using less than 25 million parameters. With an ensemble of 4 models and multi-crop evaluation, we report 3:5% top-5 error and 17:3% top-1 error on the validation set and 3:6% top-5 error on the official test set.
全文链接： 文献全文 - 学术范 (xueshufan.com)
六、Mask R-CNN
摘要：We present a conceptually simple, flexible, and general framework for object instance segmentation. Our approach efficiently detects objects in an image while simultaneously generating a high-quality segmentation mask for each instance. The method, called Mask R-CNN, extends Faster R-CNN by adding a branch for predicting an object mask in parallel with the existing branch for bounding box recognition. Mask R-CNN is simple to train and adds only a small overhead to Faster R-CNN, running at 5 fps. Moreover, Mask R-CNN is easy to generalize to other tasks, e.g., allowing us to estimate human poses in the same framework. We show top results in all three tracks of the COCO suite of challenges, including instance segmentation, bounding-box object detection, and person keypoint detection. Without tricks, Mask R-CNN outperforms all existing, single-model entries on every task, including the COCO 2016 challenge winners. We hope our simple and effective approach will serve as a solid baseline and help ease future research in instance-level recognition. Code will be made available.
全文链接： 文献全文 - 学术范 (xueshufan.com)
七、Feature Pyramid Networks for Object Detection
摘要：Feature pyramids are a basic component in recognition systems for detecting objects at different scales. But pyramid representations have been avoided in recent object detectors that are based on deep convolutional networks, partially because they are slow to compute and memory intensive. In this paper, we exploit the inherent multi-scale, pyramidal hierarchy of deep convolutional networks to construct feature pyramids with marginal extra cost. A top-down architecture with lateral connections is developed for building high-level semantic feature maps at all scales. This architecture, called a Feature Pyramid Network (FPN), shows significant improvement as a generic feature extractor in several applications. Using a basic Faster R-CNN system, our method achieves state-of-the-art single-model results on the COCO detection benchmark without bells and whistles, surpassing all existing single-model entries including those from the COCO 2016 challenge winners. In addition, our method can run at 5 FPS on a GPU and thus is a practical and accurate solution to multi-scale object detection. Code will be made publicly available.
全文链接： 文献全文 - 学术范 (xueshufan.com)
八、ORB: An efficient alternative to SIFT or SURF
摘要：Feature matching is at the base of many computer vision problems, such as object recognition or structure from motion. Current methods rely on costly descriptors for detection and matching. In this paper, we propose a very fast binary descriptor based on BRIEF, called ORB, which is rotation invariant and resistant to noise. We demonstrate through experiments how ORB is at two orders of magnitude faster than SIFT, while performing as well in many situations. The efficiency is tested on several real-world applications, including object detection and patch-tracking on a smart phone.
全文链接： 文献全文 - 学术范 (xueshufan.com)
九、DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs
摘要：In this work we address the task of semantic image segmentation with Deep Learning and make three main contributions that are experimentally shown to have substantial practical merit. First , we highlight convolution with upsampled filters, or ‘atrous convolution’, as a powerful tool in dense prediction tasks. Atrous convolution allows us to explicitly control the resolution at which feature responses are computed within Deep Convolutional Neural Networks. It also allows us to effectively enlarge the field of view of filters to incorporate larger context without increasing the number of parameters or the amount of computation. Second , we propose atrous spatial pyramid pooling (ASPP) to robustly segment objects at multiple scales. ASPP probes an incoming convolutional feature layer with filters at multiple sampling rates and effective fields-of-views, thus capturing objects as well as image context at multiple scales. Third , we improve the localization of object boundaries by combining methods from DCNNs and probabilistic graphical models. The commonly deployed combination of max-pooling and downsampling in DCNNs achieves invariance but has a toll on localization accuracy. We overcome this by combining the responses at the final DCNN layer with a fully connected Conditional Random Field (CRF), which is shown both qualitatively and quantitatively to improve localization performance. Our proposed “DeepLab” system sets the new state-of-art at the PASCAL VOC-2012 semantic image segmentation task, reaching 79.7 percent mIOU in the test set, and advances the results on three other datasets: PASCAL-Context, PASCAL-Person-Part, and Cityscapes. All of our code is made publicly available online.
全文链接： 文献全文 - 学术范 (xueshufan.com)
希望对你有帮助！
计算机论文提纲
在日常学习和工作中，大家都写过论文，肯定对各类论文都很熟悉吧，论文的类型很多，包括学年论文、毕业论文、学位论文、科技论文、成果论文等。还是对论文一筹莫展吗？下面是我为大家收集的计算机论文提纲，欢迎大家借鉴与参考，希望对大家有所帮助。
下面是《计算机论文提纲》：
计算机毕业论文提纲范文
论文题目 通过QoS配置解决大流量问题 副标题 通过QoS配置保证智能化小区的通信质量 （主要是使视频、语音等通信更流畅，平滑，重要数据不丢失等等） 一 1. 选题背景 ……………………. 2. 实验拓扑及方案 3. 实验环境介绍（在GNS3里用路由器配置，请说明使用的IOS） 二 1. QoS使用的关键技术介绍 2. QoS实验中采用到的技术 三 1 需求分析 2 设计方案 3 实验组图方案的拓扑图 四 QoS实验的详细配置 1 （小区用的是路由器） 要求 ：通过GNS3路由器配置实现 详细配置过程， 如 Router> enab Router#conf t (要求这样做是怕（欢迎访问零二七范文网 ，范文大全）我要是看不懂可以有的查) 2（若小区用的是三层交换机时的配置信息） （由于GNS3模拟不了三层交换机， 这里只要求写出三层交换机关于QOS的配置信息。不用实验实现）
第一章 绪论
1.1 研究背景
1.1.1 宽带业务的重要意义及其高速发展
1.1.2 中国移动宽带业务的发展现状与挑战
1.2 研究意义
1.3 研究内容
1.4 论文结构
第二章 “服务易”无线广告平台的总体方案
2.1 背景
2.2 “服务易”无线广告平台的功能需求
2.3 “服务易”无线广告平台的总体设计方案
2.4 “服务易”WIFI 认证管理系统功能简介
2.5 常见问题与解决措施
2.6 本章小结
第三章 “服务易”平台构建及商业运营准备
3.1 项目团队组建
3.2 软、硬件等相关准备
3.3 “服务易”平台的特色宣传
3.4 商业运营目标设定及推广部署
3.5 风险分析和评估
3.6 本章小结
第四章 中国移动“服务易”无线广告平台的商业运营
4.1 “服务易”无线广告平台的实现技术说明
4.2 “服务易”平台商业运营的两种模式
4.3 “保利西街”项目的实现与商业运营
4.4 “千灯湖”项目的实现与商业运营
4.5 本章小结
第五章 中国移动 “服务易”商业运营阶段性评估
5.1 公司内部的阶段性评估
5.2 公司外部的阶段性评估
5.3 “服务易”专利申请评估
5.4 本章小结
结 论
目前全球宽带业务在高速发展，但传统移动互联网在速率和资费上满足不了人们激增的上网需求。而 WiFi宽带免费无线接入则能较好地解决移动互联网在资费和速率两方面的不足。但是无论是由企业、商家等自建局部 WiFi热点，或由地方政府主导建设全市区 WiFi热点，虽能满足手持智能设备的移动上网需求，但都面临着提供免费服务的同时建设及维护成本高昂的问题。同时，互联网宽带业务建设和销售过程中，中国移动并不具备独特优势。在以上综合背景之下，中国移动佛山公司创新性地提出并打造了“服务易”无线广告平台和商业运营模式。它很好的满足了人们日益剧增的移动上网需求，又解决了巨大网络建设的.成本问题，通过经营无线广告平台的收益平衡网络建设维护的成本支出。本文较详细地阐述了作者参与“服务易”项目的项目管理过程。
论文阐明了“服务易”无线广告平台的功能需求、总体设计方案，在该方案中运营商独立或联合政府、各企业商家建设免费 WiFi热点，民众享受免费 WiFi的同时，接受有限度的广告植入及后续短信等营销推广，通过衍生的广告收入来支付免费 WiFi热点的建设维护成本。由于项目涉及的软件开发和硬件制作需要专业的人员进行完成，中国移动佛山公司进行供应商投标的方式，委托广州蓝杰科技公司等公司进行专业的软件、硬件建设，并承担实际运营过程中平台的维护、广告的商业运营等。
“服务易”项目严格按照项目管理的思想有条不紊地推进，论文也呈现了作者作为项目的管理人员，从中国移动佛山公司方面进行整个项目商业运营的筹备管理工作，包括商业运营团队组建、产品的软硬件供应商选定与采购、平台特色总结与宣传单张制作、商家资费标准制定和风险评估等。
论文提出了“服务易”无线广告平台两种主要的商业运营模式，分析“商家自营”和“委托他营” 两种模式的异同。并通过“保利西街”和“千灯湖”两个实际案例验证了“服务易”无线广告平台两种商业运营模式的可行性与商业价值。最后进行了项目的闭环管理和阶段性总结。阶段性的闭环处理为下阶段的完善及商业运营做好坚实准备。
