隨著全球經(jīng)濟(jì)一體化進(jìn)程的加快,協(xié)同任務(wù)模式被越來(lái)越廣泛的使用。在新興的信息技術(shù)例如云計(jì)算、互聯(lián)網(wǎng)支持下,協(xié)同任務(wù)平臺(tái)更加高效地管理業(yè)務(wù)過(guò)程和資源服務(wù),協(xié)調(diào)不同組織,共同完成一項(xiàng)任務(wù)。將資源服務(wù)按照“服務(wù)流”的模式提供給業(yè)務(wù)過(guò)程,業(yè)務(wù)過(guò)程的整體效率將被有效地提高。然而,資源服務(wù)具有的分布性、各組織對(duì)資源服務(wù)選取的自治性等使用特點(diǎn)卻不利于提高業(yè)務(wù)過(guò)程的整體效率。為了使資源服務(wù)的選取效率能夠提高,從而提升業(yè)務(wù)過(guò)程的整體效率,在工作流等相關(guān)技術(shù)的支持下,考慮到業(yè)務(wù)過(guò)程中資源服務(wù)間的相關(guān)性、資源服務(wù)序列（Resource Service Sequence,RSS）間的相似性和資源服務(wù)的分類特點(diǎn),提出資源服務(wù)序列挖掘和優(yōu)化方法,本文的主要研究工作如下:（1）協(xié)同任務(wù)下基于相似度的資源服務(wù)序列挖掘方法。在協(xié)同任務(wù)模式下,為了提高資源服務(wù)的選取效率,提出一種基于相似度的資源服務(wù)序列挖掘方法。首先,考慮到資源服務(wù)間的依賴關(guān)系可由資源服務(wù)間的使用頻率表示,根據(jù)資源服務(wù)的使用頻率給出資源服務(wù)間距離的計(jì)算方法,接下來(lái)依據(jù)資源服務(wù)間的距離,通過(guò)動(dòng)態(tài)規(guī)劃的方式獲取兩個(gè)資源服務(wù)序列中資源服務(wù)的對(duì)應(yīng)匹配關(guān)系,并給出資... 

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景
    1.2 研究目的和意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 資源服務(wù)序列挖掘
        1.3.2 粒度挖掘
    1.4 研究?jī)?nèi)容
    1.5 論文章節(jié)安排
    1.6 本章小結(jié)
第2章 協(xié)同任務(wù)下基于相似度的資源服務(wù)序列挖掘方法
    2.1 問(wèn)題描述及相關(guān)定義
    2.2 資源服務(wù)序列挖掘方法
        2.2.1 頻繁資源服務(wù)序列分析
        2.2.2 基于頻繁度的資源服務(wù)序列相似度定義
        2.2.3 頻繁資源服務(wù)序列挖掘
    2.3 實(shí)驗(yàn)驗(yàn)證和評(píng)價(jià)
        2.3.1 實(shí)驗(yàn)驗(yàn)證
        2.3.2 實(shí)驗(yàn)評(píng)價(jià)
    2.4 本章小結(jié)
第3章 面向抽象粒度優(yōu)化的資源服務(wù)序列挖掘方法
    3.1 問(wèn)題描述
    3.2 挖掘資源服務(wù)最佳抽象粒度
        3.2.1 資源服務(wù)在抽象類別下相似度與區(qū)分度分析
        3.2.2 資源服務(wù)的最佳抽象類別層次挖掘
    3.3 實(shí)驗(yàn)驗(yàn)證與評(píng)價(jià)
        3.3.1 實(shí)驗(yàn)驗(yàn)證
        3.3.2 實(shí)驗(yàn)評(píng)價(jià)
    3.4 本章小結(jié)
第4章 實(shí)驗(yàn)系統(tǒng)驗(yàn)證及實(shí)現(xiàn)
    4.1 協(xié)同任務(wù)系統(tǒng)-中小企業(yè)云制造公共服務(wù)平臺(tái)
    4.2 方法的運(yùn)用
第5章 展望與總結(jié)
    5.1 工作總結(jié)
    5.2 創(chuàng)新點(diǎn)
    5.3 工作展望
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于潛在標(biāo)簽挖掘和細(xì)粒度偏好的個(gè)性化標(biāo)簽推薦[J]. 李紅梅,刁興春,曹建軍,張磊,馮欽.  計(jì)算機(jī)應(yīng)用研究. 2020(01)
[2]基于領(lǐng)域本體的產(chǎn)品網(wǎng)絡(luò)口碑信息多層次細(xì)粒度情感挖掘[J]. 何有世,何述芳.  數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn). 2018(08)
[3]Joint Resource Allocation Using Evolutionary Algorithms in Heterogeneous Mobile Cloud Computing Networks[J]. Weiwei Xia,Lianfeng Shen.  中國(guó)通信. 2018(08)
[4]協(xié)同任務(wù)系統(tǒng)中資源服務(wù)序列分析方法[J]. 梁夢(mèng)夏,李海波.  小型微型計(jì)算機(jī)系統(tǒng). 2016(11)
[5]基于制造業(yè)多粒度模型下的流程優(yōu)化組合[J]. 李路達(dá),劉鳴,滿君豐,彭成.  湖南工業(yè)大學(xué)學(xué)報(bào). 2016(01)
[6]QoS Evaluation for Web Service Recommendation[J]. MA You,XIN Xin,WANG Shangguang,LI Jinglin,SUN Qibo,YANG Fangchun.  中國(guó)通信. 2015(04)
[7]面向細(xì)粒度意見(jiàn)挖掘的情感本體樹(shù)及自動(dòng)構(gòu)建[J]. 郭沖,王振宇.  中文信息學(xué)報(bào). 2013(05)
[8]一種面向觀點(diǎn)挖掘的多粒度話題情感聯(lián)合模型[J]. 趙煜,蔡皖東.  西安電子科技大學(xué)學(xué)報(bào). 2011(03)

碩士論文
[1]信息系統(tǒng)知識(shí)不確定性度量及其約簡(jiǎn)方法研究[D]. 熊菲.昆明理工大學(xué) 2008



本文編號(hào)：3686030