近年來,Web服務(wù)計算領(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)測和skyline計算等課題亦成為了熱門的研究方向。對于服務(wù)選擇中的上述課題,主要還面臨著以下幾個問題：基于傳統(tǒng)協(xié)同過濾算法的QoS預(yù)測面臨與推薦系統(tǒng)中類似的冷啟動和稀疏性問題；對于單一維度的QoS預(yù)測研究不能解決真實場景下QoS多維度并存的問題；由于QoS預(yù)測和skyline計算的在線特性,使得其在服務(wù)數(shù)量和用戶數(shù)量大幅增長時,需要提高其在線計算效率的問題。針對上述問題,我們提出了基于用戶聚類的QoS預(yù)測和服務(wù)選擇算法。首先通過引入圖挖掘技術(shù)中的圖摘要算法,對用戶-服務(wù)QoS關(guān)系進(jìn)行建模,實現(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)�；贚AC算法的結(jié)果,引入對用戶非QoS特征的分析,實現(xiàn)了基于樸素貝葉斯的用戶分類器,解決了QoS預(yù)測中的冷啟動問題,并且將此思想用于對LAC算法的優(yōu)化。最后,對基于用戶聚類的QoS預(yù)測與服務(wù)選擇系統(tǒng)進(jìn)行了設(shè)計,將... 

【文章來源】：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

【文章頁數(shù)】：91 頁

【學(xué)位級別】：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)與國內(nèi)外研究現(xiàn)狀
        1.3.1 QoS預(yù)測
        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
    2.1 問題與挑戰(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 問題定義
    2.3 基于圖摘要的QoS預(yù)測與服務(wù)選擇系統(tǒng)設(shè)計
    2.4 各模塊說明
        2.4.1 用戶聚類生成器
        2.4.2 聚類特征計算模塊
        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)測器
        2.4.6 skyline在線計算模塊
    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
        4.1.3 聚類skyline預(yù)處理
        4.1.4 離線計算結(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現(xiàn)
    4.3 對用戶聚類算法的優(yōu)化
    4.4 本章小結(jié)
第5章 基于用戶聚類的QoS預(yù)測與skyline計算
    5.1 QoS預(yù)測
        5.1.1 在線計算模塊概述
        5.1.2 基于用戶聚類的QoS預(yù)測算法
        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計算
        5.2.2 在線skyline計算
    5.3 本章小結(jié)
第6章 實驗與分析
    6.1 QoS預(yù)測
        6.1.1 算法準(zhǔn)確率和效率
        6.1.2 冷啟動預(yù)測
        6.1.3 聚類參數(shù)的影響
    6.2 skyline計算
    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感知的動態(tài)服務(wù)選擇[J]. 吳健,陳亮,鄧水光,李瑩,鄺礫.  計算機(jī)學(xué)報. 2010(11)
[2]個性化推薦系統(tǒng)的研究進(jìn)展[J]. 劉建國,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)組合問題中的應(yīng)用研究[J]. 王創(chuàng)偉,錢雪忠.  計算機(jī)工程與設(shè)計. 2007(24)



本文編號：3055673