本文關鍵詞： Web服務 QoS預測 服務推薦 協(xié)同過濾 粒子群算法　出處：《江西財經大學》2014年碩士論文　論文類型：學位論文

【摘要】：隨著云計算和Web服務技術的快速發(fā)展,軟件的開發(fā)方式也隨著不斷發(fā)生變化。傳統(tǒng)的一次開發(fā)、持續(xù)使用為特征的軟件開發(fā)模式正逐漸向軟件即服務、按需提供、云端虛擬化這一新型模式轉變。Web服務作為一種松耦合、復用性強、開放式的業(yè)務提供方式,已成為云計算中心中的一種重要服務資源,幫助用戶構建軟件業(yè)務流程和應用程序。近年來,部署在云中心或網絡上的Web服務數(shù)量以驚人的速度增長,出現(xiàn)了大量功能等價的Web服務。在保證功能需求的前提下,現(xiàn)今人們更加強調Web服務的質量屬性(Quality of Service, QoS)。因此,如何從眾多功能等價的候選服務集合中選擇出最適合用戶QoS需求的服務便成為一個重要研究熱點。 應用預測技術來對Web服務的QoS進行預測是實現(xiàn)Web服務推薦的重要手段。本文主要對Web服務QoS數(shù)值預測和排序預測進行了研究。在Web服務QoS數(shù)值預測方面,提出了一種基于相似性感知的Slope One協(xié)同過濾算法SASO,該算法能夠有效利用最近鄰用戶及用戶本身的信息來實現(xiàn)對Web服務QoS的預測,并且算法中還利用了基于統(tǒng)計過程控制(Statistical Process Control, SPC)的數(shù)據(jù)抹平處理方法來處理數(shù)據(jù)集中的異常點。此外,為了驗證SASO算法在QoS數(shù)值預測上的可行性和有效性,通過實驗將SASO算法與現(xiàn)有的一些QoS預測算法進行了對比分析。結果表明,SASO算法在QoS數(shù)值預測上具備較好的效果。在Web服務QoS排序預測方面,本文提出了一種基于粒子群優(yōu)化的排序預測算法PSORank,該算法通過尋找最近鄰用戶、構造適應度函數(shù)、優(yōu)化搜索等手段來實現(xiàn)對Web服務QoS的排序預測。在預測過程中,該算法還充分考慮了服務優(yōu)先級概率、用戶群體調用行為等因素對預測的影響。通過實驗對比分析,驗證了PSORank算法在Web服務QoS排序預測上的可行性和有效性。結果表明,PSORank算法在Web服務QoS排序上具備較好的預測能力,并且能夠較為有效地克服種群敏感性問題。通過上述研究,所形成的Web服務QoS預測方法對Web服務的有效推薦具備一定的參考價值,較為有效地提高用戶對Web服務選擇的滿意度。
[Abstract]:With the rapid development of cloud computing and Web services technology, the way of software development is changing. Cloud virtualization is a new model transformation. Web services, as a loosely coupled, reusable and open mode of business provision, have become an important service resource in cloud computing center. To help users build software business processes and applications. In recent years, the number of Web services deployed on the cloud center or network has grown at an alarming rate, resulting in a large number of functionally equivalent Web services. Nowadays, more emphasis is placed on the quality of Web services. Therefore, how to select the most suitable services from the set of functional equivalent candidate services has become an important research hotspot. The application of prediction technology to predict QoS of Web services is an important means to realize the recommendation of Web services. This paper mainly studies the numerical prediction and ranking prediction of Web services QoS. In the aspect of Web service QoS numerical prediction, This paper presents a Slope One collaborative filtering algorithm based on similarity perception. The algorithm can effectively utilize the information of the nearest neighbor user and the user themselves to predict the QoS of Web services. In addition, in order to verify the feasibility and validity of the SASO algorithm in QoS numerical prediction, the statistical process control method based on Statistical Process Control (SPC-based) is used to deal with the outliers in the data set. The SASO algorithm is compared with some existing QoS prediction algorithms through experiments. The results show that the SASO algorithm has a good effect on QoS numerical prediction. In this paper, a sort prediction algorithm based on particle swarm optimization (PSO) is proposed. The algorithm realizes ranking prediction of Web service QoS by searching nearest neighbor user, constructing fitness function, optimizing search and so on. The algorithm also takes into account the influence of the probability of service priority and the behavior of user group call on the prediction. The feasibility and effectiveness of PSORank algorithm in Web service QoS ranking prediction are verified. The results show that the PSORank algorithm has better prediction ability in Web service QoS ranking, and can overcome the population sensitivity problem more effectively. The proposed QoS prediction method for Web services has a certain reference value for the effective recommendation of Web services and can effectively improve the satisfaction of users with Web service selection.
【學位授予單位】：江西財經大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP393.09

【共引文獻】

相關期刊論文 前10條

1 焦陽;;云計算在高校管理信息系統(tǒng)中的應用研究[J];電子世界;2013年24期

2 周代明;厲道梅;;基于云計算的集約型電子監(jiān)察平臺設計及應用[J];信息化研究;2013年06期

3 王凱玲;陳海峰;;“云傳播”視野下的移動學習應用研究[J];中國科教創(chuàng)新導刊;2014年05期

4 樊邦奎;丁冠軍;蘭海濱;龍騰;劉巖;王晶;;面向智能電網應用的云計算架構研究[J];電力信息與通信技術;2014年01期

5 趙偉彪;吳俊峰;袁帥;;MPI并行作業(yè)在云計算平臺上的測試研究[J];電腦知識與技術;2014年15期

6 森干;杜守洪;王超;陳國忠;周毅;;基于云計算的臨床醫(yī)學信息分析系統(tǒng)構建[J];電腦編程技巧與維護;2014年14期

7 陳文靜;李欣;;云計算架構下城市監(jiān)控報警聯(lián)網系統(tǒng)設計[J];中國人民公安大學學報(自然科學版);2014年03期

8 袁國泉;張明明;賀安鷹;呂云松;;電力信息通信運維資源模型研究與應用[J];電力信息與通信技術;2014年09期

9 吳艷艷;唐源;李霞;;醫(yī)院PACS云存儲系統(tǒng)建設[J];醫(yī)院管理論壇;2014年11期

10 劉期建;馮靈林;張大敏;程宏偉;;基于VOI模式的多媒體教學環(huán)境構建研究[J];電腦知識與技術;2014年34期

相關博士學位論文 前10條

1 李健;云計算環(huán)境下最小化運營開銷的調度技術研究[D];北京郵電大學;2013年

2 閻朝坤;網格環(huán)境下的科學工作流優(yōu)化調度策略研究[D];中南大學;2013年

3 陳軍;基于G/S模式的空間分析云服務關鍵技術研究[D];成都理工大學;2012年

4 吳昊;云計算環(huán)境下智能優(yōu)化算法及其在SaaS中的應用研究[D];合肥工業(yè)大學;2013年

5 張莉艷;基于云計算的鐵路信息共享平臺及關鍵技術研究[D];中國鐵道科學研究院;2013年

6 李剛;黑龍江省國土資源信息數(shù)據(jù)高效利用與服務研究[D];東北農業(yè)大學;2013年

7 樓巍;面向大數(shù)據(jù)的高維數(shù)據(jù)挖掘技術研究[D];上海大學;2013年

8 李琦;基于SOA的社會保障信息系統(tǒng)架構研究[D];南京大學;2011年

9 杜乃喬;過程感知信息系統(tǒng)的負載生成技術[D];清華大學;2012年

10 袁宜峰;基于物理規(guī)劃的服務組合方法研究[D];華東理工大學;2014年

相關碩士學位論文 前10條

1 杜寶瑞;基于Hadoop的OA期刊論文資源發(fā)現(xiàn)及采集方法[D];燕山大學;2013年

2 廖福蓉;基于任務備份的云計算任務調度算法研究[D];重慶大學;2013年

3 曹夕;云計算中安全服務機制的研究[D];福建師范大學;2013年

4 朱宇航;差分進化算法及其在云計算任務調度中的應用研究[D];蘭州交通大學;2013年

5 薛景文;基于免疫算法的云計算任務調度策略研究[D];太原理工大學;2013年

6 洪波海;云媒體中基于任務QoS特征的資源分配調度算法研究[D];中國海洋大學;2013年

7 李憲英;面向BIRIS-Cloud的資源管理框架的研究與實現(xiàn)[D];哈爾濱工業(yè)大學;2013年

8 劉凱;面向云安全的虛擬域可信根的設計與實現(xiàn)[D];北京工業(yè)大學;2013年

9 姜博;基于網絡計量學的云計算技術發(fā)展態(tài)勢研究[D];北京工業(yè)大學;2013年

10 饒兵;面向云平臺的外包數(shù)據(jù)安全性研究[D];哈爾濱工業(yè)大學;2013年

，

本文編號：1504195