隨著Web服務技術的發(fā)展,許多服務提供者能夠?qū)⑵渖a(chǎn)的組件和應用系統(tǒng)封裝為Web服務發(fā)布至網(wǎng)絡,使用者（用戶）能夠在網(wǎng)絡中選擇Web服務進行直接調(diào)用,或通過服務組合的方式來構建新的應用系統(tǒng)（增值服務）以滿足自身業(yè)務的需求。然而,由于Web服務數(shù)量的不斷增長,加上Web服務的分布特性（信息發(fā)布分散和位置分布分散）、組合服務流程模型設計粗粒度及個性化的用戶偏好等多種復雜因素的存在,嚴重影響了高質(zhì)量服務組合方案的選擇。為此,本文基于網(wǎng)絡中與Web服務相關的多維信息,以快速、有效的Web服務選擇為目標,對改善選擇性能的關鍵技術展開研究。具體成果如下： 第一,提高查找候選服務集合的效率。基于Web服務的描述文件信息和少量分類信息,本文提出了一個基于半監(jiān)督學習的Web服務功能類別挖掘方法（Semi-supervised Learning Method for Web Service Functional Category Mining, SLM-WFCM）。SLM-WFCM選取與Web服務業(yè)務功能相關的元素（包括端口類型、操作、消息和類型）作為處理對象,利用元素之間的引用關系計算Web服務與... 

【文章頁數(shù)】：113 頁

【學位級別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1. 研究背景
        1.1.1. Web服務與Web服務組合
        1.1.2. Web服務選擇
        1.1.3. 面臨的挑戰(zhàn)
    1.2. 課題來源
    1.3. 主要研究工作及貢獻
    1.4. 論文內(nèi)容和結構
    1.5. 本章參考文獻
第二章 相關工作綜述
    2.1. Web服務功能類別挖掘研究現(xiàn)狀
        2.1.1. 基于有監(jiān)督分類的Web服務功能類別挖掘方法
        2.1.2. 基于無監(jiān)督聚類的Web服務功能類別挖掘方法
        2.1.3. 已有工作分析
    2.2. Web服務質(zhì)量預測研究現(xiàn)狀
        2.2.1. 基于隨機模型的服務質(zhì)量預測方法
        2.2.2. 基于協(xié)同過濾的服務質(zhì)量預測方法
        2.2.3. 已有工作分析
    2.3. Web服務選擇方法研究現(xiàn)狀
        2.3.1. 支持全局QoS約束的服務選擇方法
        2.3.2. 支持多種約束的服務選擇方法
        2.3.3. 已有工作分析
    2.4. 本章小結
    2.5. 本章參考文獻
第三章 基于半監(jiān)督學習的Web服務功能類別挖掘方法
    3.1. 引言
    3.2. 基于半監(jiān)督學習的Web服務功能類別挖掘方法
        3.2.1. Web服務與Web服務操作之間的相似矩陣計算
        3.2.2. 監(jiān)督信息的嵌入
        3.2.3. 基于奇異值分解的快速挖掘
    3.3. 仿真實驗
        3.3.1. 挖掘效率分析
        3.3.2. 挖掘效果分析
    3.4. 本章小結
    3.5. 本章參考文獻
第四章 基于多維特征挖掘的服務質(zhì)量預測方法
    4.1. 引言
    4.2. 多維QoS預測問題描述
    4.3. 基于多維特征挖掘的服務質(zhì)量預測方法
        4.3.1. 多維QoS屬性歸一化處理
        4.3.2. 基于非負矩陣分解的Web服務特征挖掘
        4.3.3. 基于差分進化多輸出支持向量機的服務質(zhì)量預測
    4.4. 仿真實驗
        4.4.1. 實驗數(shù)據(jù)集合與評價指標
        4.4.2. 預測的整體效果
        4.4.3. 預測效果對比
    4.5. 本章小結
    4.6. 本章參考文獻
第五章 基于局部近似過濾的多約束服務選擇方法
    5.1. 引言
    5.2. 多約束服務選擇問題描述
        5.2.1. QoS聚合模型
        5.2.2. 問題描述
    5.3. 基于局部近似過濾的多約束服務選擇方法
        5.3.1. 方法的整體步驟
        5.3.2. 基于有向粒子群算法的服務選擇
    5.4. 仿真實驗
        5.4.1. 不同服務數(shù)量下的選擇性能
        5.4.2. 不同任務規(guī)模下的選擇性能
        5.4.3. 不同約束規(guī)模下的選擇性能
    5.5. 本章小結
    5.6. 本章參考文獻
第六章 結束語
    6.1. 論文總結
    6.2. 進一步研究工作
致謝
攻讀博士學位期間發(fā)表論文
攻讀博士學位期間參與項目


【參考文獻】：
期刊論文
[1]融合描述文檔結構和參引特征的Web服務發(fā)現(xiàn)[J]. 魏登萍,王挺,王戟.  軟件學報. 2011(09)
[2]基于全局QoS約束分解的Web服務動態(tài)選擇[J]. 王尚廣,孫其博,楊放春.  軟件學報. 2011(07)
[3]基于非均衡變異離散粒子群算法的QoS全局最優(yōu)Web服務選擇方法[J]. 王文彬,孫其博,趙新超,楊放春.  電子學報. 2010(12)
[4]基于Skyline的QoS感知的動態(tài)服務選擇[J]. 吳健,陳亮,鄧水光,李瑩,鄺礫.  計算機學報. 2010(11)
[5]基于離散微粒群算法的動態(tài)Web服務選擇[J]. 范小芹,蔣昌俊,方賢文,丁志軍.  計算機研究與發(fā)展. 2010(01)
[6]一種Web Service的服務質(zhì)量預測方法[J]. 邵凌霜,周立,趙俊峰,謝冰,梅宏.  軟件學報. 2009(08)
[7]基于遺傳算法的QoS感知的Web服務選擇[J]. 張成文,蘇森,陳俊亮.  計算機學報. 2006(07)
[8]文本聚類中的貝葉斯后驗模型選擇方法[J]. 姜寧,史忠植.  計算機研究與發(fā)展. 2002(05)

博士論文
[1]基于協(xié)同過濾的個性化Web推薦[D]. 孫慧峰.北京郵電大學 2012
[2]基于協(xié)同過濾與QoS的個性化Web服務推薦研究[D]. 謝琪.重慶大學 2012
[3]Web服務組合的可靠性預測研究[D]. 鐘讀杭.國防科學技術大學 2007



本文編號：3720516