近年來(lái),Web服務(wù)計(jì)算領(lǐng)域隨著SOA技術(shù)的廣泛應(yīng)用而得到了快速發(fā)展,從中衍生出了服務(wù)發(fā)現(xiàn)、服務(wù)組合、服務(wù)選擇等若干子領(lǐng)域。服務(wù)選擇,作為服務(wù)執(zhí)行前的重要步驟,其中的QoS預(yù)測(cè)和skyline計(jì)算等課題亦成為了熱門的研究方向。對(duì)于服務(wù)選擇中的上述課題,主要還面臨著以下幾個(gè)問(wèn)題：基于傳統(tǒng)協(xié)同過(guò)濾算法的QoS預(yù)測(cè)面臨與推薦系統(tǒng)中類似的冷啟動(dòng)和稀疏性問(wèn)題；對(duì)于單一維度的QoS預(yù)測(cè)研究不能解決真實(shí)場(chǎng)景下QoS多維度并存的問(wèn)題；由于QoS預(yù)測(cè)和skyline計(jì)算的在線特性,使得其在服務(wù)數(shù)量和用戶數(shù)量大幅增長(zhǎng)時(shí),需要提高其在線計(jì)算效率的問(wèn)題。針對(duì)上述問(wèn)題,我們提出了基于用戶聚類的QoS預(yù)測(cè)和服務(wù)選擇算法。首先通過(guò)引入圖挖掘技術(shù)中的圖摘要算法,對(duì)用戶-服務(wù)QoS關(guān)系進(jìn)行建模,實(shí)現(xiàn)了基于圖摘要的用戶聚類算法LAC,利用聚類-服務(wù)關(guān)系替代原用戶-服務(wù)關(guān)系,將稀疏的大數(shù)據(jù)集轉(zhuǎn)化為密集的小規(guī)模數(shù)據(jù)。基于LAC算法的結(jié)果,引入對(duì)用戶非QoS特征的分析,實(shí)現(xiàn)了基于樸素貝葉斯的用戶分類器,解決了QoS預(yù)測(cè)中的冷啟動(dòng)問(wèn)題,并且將此思想用于對(duì)LAC算法的優(yōu)化。最后,對(duì)基于用戶聚類的QoS預(yù)測(cè)與服務(wù)選擇系統(tǒng)進(jìn)行了設(shè)計(jì),將... 

【文章來(lái)源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：91 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景
    1.2 相關(guān)概念
        1.2.1 Web服務(wù)
        1.2.2 服務(wù)的QoS
        1.2.3 服務(wù)組合與服務(wù)選擇
    1.3 關(guān)鍵技術(shù)與國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 QoS預(yù)測(cè)
        1.3.2 基于QoS的服務(wù)選擇
        1.3.3 聚類算法
    1.4 圖挖掘算法概述
        1.4.1 圖挖掘算法與社交網(wǎng)絡(luò)
        1.4.2 圖摘要算法
    1.5 本文工作
    1.6 文章結(jié)構(gòu)
    1.7 本章小結(jié)
第2章 總體設(shè)計(jì)
    2.1 問(wèn)題與挑戰(zhàn)
    2.2 QoS的圖模型定義
        2.2.1 加權(quán)二部圖模型
        2.2.2 QoS的多維加權(quán)二部圖模型
        2.2.3 問(wèn)題定義
    2.3 基于圖摘要的QoS預(yù)測(cè)與服務(wù)選擇系統(tǒng)設(shè)計(jì)
    2.4 各模塊說(shuō)明
        2.4.1 用戶聚類生成器
        2.4.2 聚類特征計(jì)算模塊
        2.4.3 聚類skyline預(yù)處理模塊
        2.4.4 用戶分類器
        2.4.5 QoS預(yù)測(cè)器
        2.4.6 skyline在線計(jì)算模塊
    2.5 本章小結(jié)
第3章 基于圖摘要的用戶聚類算法
    3.1 概述
    3.2 圖摘要用戶聚類算法描述（LAC）
        3.2.1 定義
        3.2.2 自底向上的聚類算法
        3.2.3 自頂向下的聚類算法
        3.2.4 對(duì)多維QoS的擴(kuò)展
    3.3 算法分析
        3.3.1 算法復(fù)雜度
        3.3.2 算法的啟動(dòng)與終止
        3.3.3 聚類結(jié)果
    3.4 本章小結(jié)
第4章 聚類結(jié)果處理與用戶分類
    4.1 聚類結(jié)果處理
        4.1.1 聚類QoS矩陣
        4.1.2 用戶特征統(tǒng)計(jì)
        4.1.3 聚類skyline預(yù)處理
        4.1.4 離線計(jì)算結(jié)果
    4.2 用戶分類器
        4.2.1 算法原理
        4.2.2 貝葉斯定理和樸素貝葉斯假設(shè)
        4.2.3 基于用戶特征的用戶分類器實(shí)現(xiàn)
    4.3 對(duì)用戶聚類算法的優(yōu)化
    4.4 本章小結(jié)
第5章 基于用戶聚類的QoS預(yù)測(cè)與skyline計(jì)算
    5.1 QoS預(yù)測(cè)
        5.1.1 在線計(jì)算模塊概述
        5.1.2 基于用戶聚類的QoS預(yù)測(cè)算法
        5.1.3 算法分析
    5.2 聚類輔助的改進(jìn)skyline算法
        5.2.1 離線的聚類特征skyline計(jì)算
        5.2.2 在線skyline計(jì)算
    5.3 本章小結(jié)
第6章 實(shí)驗(yàn)與分析
    6.1 QoS預(yù)測(cè)
        6.1.1 算法準(zhǔn)確率和效率
        6.1.2 冷啟動(dòng)預(yù)測(cè)
        6.1.3 聚類參數(shù)的影響
    6.2 skyline計(jì)算
    6.3 本章小結(jié)
第7章 總結(jié)與展望
    7.1 工作總結(jié)
    7.2 未來(lái)展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間主要的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于Skyline的QoS感知的動(dòng)態(tài)服務(wù)選擇[J]. 吳健,陳亮,鄧水光,李瑩,鄺礫.  計(jì)算機(jī)學(xué)報(bào). 2010(11)
[2]個(gè)性化推薦系統(tǒng)的研究進(jìn)展[J]. 劉建國(guó),周濤,汪秉宏.  自然科學(xué)進(jìn)展. 2009(01)
[3]蟻群算法在Web服務(wù)組合問(wèn)題中的應(yīng)用研究[J]. 王創(chuàng)偉,錢雪忠.  計(jì)算機(jī)工程與設(shè)計(jì). 2007(24)



本文編號(hào)：3055673