本文關(guān)鍵詞： 云服務(wù) 推薦 多樣性 混合數(shù)據(jù) 聚類　出處：《合肥工業(yè)大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：云計算、物聯(lián)網(wǎng)、大數(shù)據(jù)、移動互聯(lián)網(wǎng)等新一代信息技術(shù)的交融滲透,加速了金融、制造、服務(wù)等傳統(tǒng)產(chǎn)業(yè)的跨界融合,吸引了眾多互聯(lián)網(wǎng)企業(yè)打造以云平臺為支撐、云服務(wù)為產(chǎn)品核心的生態(tài)系統(tǒng),極大地便利了全球公眾用戶的服務(wù)創(chuàng)新發(fā)布與個性化選擇。云服務(wù)與傳統(tǒng)商品的差異性較為顯著,服務(wù)質(zhì)量QoS是評價云服務(wù)的重要屬性。然而,傳統(tǒng)的以精確性為核心衡量指標(biāo)的云服務(wù)推薦方法已經(jīng)限制了用戶的選擇視野,忽視了用戶希望得到多樣化云服務(wù)推薦的現(xiàn)實需求,如何根據(jù)用戶對于多樣性的需求來進行云服務(wù)推薦方法的設(shè)計成為亟需解決的問題。本文主要解決了混合數(shù)據(jù)聚類中的分類型屬性相異度計算問題以及云服務(wù)的多樣性推薦問題。首先,隨著互聯(lián)網(wǎng)的高速發(fā)展而造成的數(shù)據(jù)爆炸造成混合類型的數(shù)據(jù)占據(jù)了越來越重要的位置,如何進行混合數(shù)據(jù)的聚類處理工作需要更為科學(xué)與精確的方法,本文所提出的改進型K-prototypes算法提升了混合數(shù)據(jù)中分類型屬性的劃分精確度,從而使得對象能夠更科學(xué)地劃分到其所屬的聚類中,該算法證實了自身在劃分混合數(shù)據(jù)的有效性。其次,為了改變以往云服務(wù)推薦僅僅重視推薦精確性的問題,本文提出了一種基于多樣性的云服務(wù)推薦方法,通過設(shè)置不同的參數(shù)可以獲得不同的精確性以及多樣性,并驗證了在可以在犧牲少量推薦精確性的情況下較大幅度提升云服務(wù)推薦多樣性,從而更符合云服務(wù)用戶的現(xiàn)實需要。
[Abstract]:......
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.3;TP393.09

【相似文獻】

相關(guān)期刊論文 前10條

1 胡永潔,郭淵博,馬建峰;基于排序機制的全序廣播算法分類與性能分析[J];系統(tǒng)工程與電子技術(shù);2005年01期

2 韓秀苓，程凡，，高建林，李傳光;管道自適應(yīng)有源噪聲控制算法[J];Journal of Beijing Institute of Technology(English Edition);1995年01期

3 陶新民;徐晶;童智靖;劉玉;;不均衡數(shù)據(jù)下基于陰性免疫的過抽樣新算法[J];控制與決策;2010年06期

4 趙國峰;閆亮;;用于快速流分類的關(guān)鍵字分解Hash算法[J];計算機工程;2010年16期

5 郭雷勇;譚洪舟;高守平;郭笑梅;;RFID系統(tǒng)閱讀器反碰撞算法分類與研究[J];計算機技術(shù)與發(fā)展;2009年09期

6 郝水俠,李凡長;多Agent的并行思智算法[J];計算機工程與應(yīng)用;2004年10期

7 劉貝家;方景龍;;基于SVDD的多示例學(xué)習(xí)算法[J];科技通報;2011年02期

8 田大東;鄧偉;;基于不同懲罰系數(shù)的SMO改進算法[J];計算機應(yīng)用;2008年09期

9 許敏;王士同;顧鑫;;TL-SVM:一種遷移學(xué)習(xí)算法[J];控制與決策;2014年01期

10 李雅林;張化祥;張順;;基于近鄰加權(quán)及多示例的多標(biāo)記學(xué)習(xí)改進算法[J];計算機工程與應(yīng)用;2013年16期

相關(guān)博士學(xué)位論文 前10條

1 吳濤;粒子群及量子行為粒子群優(yōu)化算法的改進研究[D];西南交通大學(xué);2014年

2 徐勇;分布式壓縮感知的算法及其應(yīng)用研究[D];中國地質(zhì)大學(xué);2015年

3 王貴參;重疊社區(qū)發(fā)現(xiàn)中的邊聚類算法研究[D];吉林大學(xué);2016年

4 蔡先發(fā);基于圖的半監(jiān)督算法及其應(yīng)用研究[D];華南理工大學(xué);2013年

5 蔣良孝;樸素貝葉斯分類器及其改進算法研究[D];中國地質(zhì)大學(xué);2009年

6 李美安;普適分布式互斥算法及應(yīng)用[D];電子科技大學(xué);2007年

7 孫巖;貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法研究與應(yīng)用[D];大連理工大學(xué);2010年

8 吳偉寧;主動學(xué)習(xí)算法中采樣策略研究[D];哈爾濱工業(yè)大學(xué);2013年

9 汪慶淼;基于目標(biāo)函數(shù)的模糊聚類新算法及其應(yīng)用研究[D];江蘇大學(xué);2014年

10 戴朝華;搜尋者優(yōu)化算法及其應(yīng)用研究[D];西南交通大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 李超;基于標(biāo)簽傳播及適合度的社團聚類算法研究[D];西南大學(xué);2015年

2 劉晨曦;RFID定位VIRE算法的研究與改進[D];貴州師范大學(xué);2015年

3 馬睿;利用巖石光譜和改進的PC算法實現(xiàn)礦物的識別[D];新疆大學(xué);2015年

4 萬猛;推薦系統(tǒng)攻擊檢測算法的研究[D];電子科技大學(xué);2014年

5 劉排;基于OMNeT++的無線傳感器網(wǎng)絡(luò)節(jié)點定位改進算法的研究[D];河北工業(yè)大學(xué);2015年

6 陳辰;無線通信領(lǐng)域MIMO檢測類算法的硬件加速技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

7 董楠;行車熱點中無監(jiān)督聚類算法的研究與應(yīng)用[D];東北大學(xué);2014年

8 林玉琪;基于多智能體的數(shù)據(jù)流聚類算法研究[D];福州大學(xué);2013年

9 曹鵬;基于Spark平臺的聚類算法的優(yōu)化與實現(xiàn)[D];北京交通大學(xué);2016年

10 李茜;基于PSO-GA的無線Ad Hoc網(wǎng)QoS路由算法研究[D];云南大學(xué);2016年

本文編號：1527823