云計(jì)算是一種新型的基于互聯(lián)網(wǎng)的計(jì)算,即共享資源、軟件和信息以服務(wù)的方式按照需求提供給用戶和其他設(shè)備。云環(huán)境中,由于服務(wù)所處位置和通信鏈路不同,即使調(diào)用同一個(gè)服務(wù),不同的用戶對服務(wù)的Qo S體驗(yàn)有可能不同。而且,隨著云計(jì)算技術(shù)的不斷發(fā)展,網(wǎng)絡(luò)上功能相同質(zhì)量不同的服務(wù)數(shù)量不斷增長,為用戶推薦滿足其個(gè)性化需求的云服務(wù)已成為云計(jì)算領(lǐng)域最重要的挑戰(zhàn)之一。為給用戶提供滿意的個(gè)性化的云服務(wù)推薦,建立有效準(zhǔn)確的Qo S性能預(yù)測方法是十分關(guān)鍵的問題。本文在分析總結(jié)已有工作的基礎(chǔ)上,做了以下幾方面的工作:1)將基于模型和基于內(nèi)存的方法結(jié)合,提出基于混合協(xié)同過濾的的個(gè)性化云服務(wù)Qo S預(yù)測方法。基于模型的協(xié)同過濾算法能快速產(chǎn)生推薦,預(yù)測Qo S值時(shí)效率很高,在線性能很好,但新用戶或項(xiàng)加入矩陣時(shí)要重新執(zhí)行模型。基于內(nèi)存的協(xié)同過濾算法實(shí)現(xiàn)容易,預(yù)測精度較高,所需訓(xùn)練成本較小,很容易考慮新用戶的評價(jià),但存在數(shù)據(jù)稀疏性和擴(kuò)展性問題,在線性能低。針對云計(jì)算動(dòng)態(tài)的環(huán)境和大量的用戶與服務(wù),本文將基于模型和基于內(nèi)存的方法結(jié)合,提出基于聚類模型和基于內(nèi)存混合的個(gè)性化云服務(wù)Qo S預(yù)測方法,將用戶的期望、評分和服務(wù)的Qo S信息量化描述,基于主觀離散的和客觀連續(xù)的Qo S數(shù)據(jù)對云服務(wù)質(zhì)量進(jìn)行預(yù)測。最后采用真實(shí)數(shù)據(jù)的實(shí)驗(yàn)展示該方法較已有方法提高了Qo S預(yù)測的準(zhǔn)確性。2)在預(yù)測過程中考慮情境因素,提出個(gè)性化情境感知的云服務(wù)Qo S預(yù)測方法。對于相同服務(wù),由于情境因素的影響,不同用戶具有不同的Qo S體驗(yàn)。為此,本文提出一種個(gè)性化情境感知的服務(wù)預(yù)測方法。在基于混合協(xié)同過濾的個(gè)性化云服務(wù)Qo S預(yù)測方法的基礎(chǔ)上,增加了對服務(wù)和用戶所處地理位置情境因素的考慮。首先根據(jù)用戶的地理位置和歷史Qo S相似性將他們聚類成幾個(gè)區(qū)域。然后,識(shí)別出區(qū)域敏感的服務(wù)。之后,對于一個(gè)活動(dòng)用戶,采用與其所在區(qū)域相似的所有用戶區(qū)域的Qo S數(shù)據(jù)自動(dòng)預(yù)測候選服務(wù)的Qo S值。最后采用真實(shí)數(shù)據(jù)的實(shí)驗(yàn)展示考慮情境因素提高了預(yù)測的準(zhǔn)確性,同時(shí)研究了情景因素對服務(wù)質(zhì)量預(yù)測的影響。3)分析預(yù)測過程中的不確定性,提出云計(jì)算中Qo S預(yù)測的信心模型。在云計(jì)算環(huán)境中,由于云服務(wù)的分布性和動(dòng)態(tài)性,收集的Qo S數(shù)據(jù)量和數(shù)據(jù)值會(huì)有波動(dòng)。根據(jù)少量數(shù)據(jù)或數(shù)值變化很大的數(shù)據(jù)預(yù)測Qo S都是不可靠的。而且,數(shù)據(jù)收集的時(shí)間因素也會(huì)影響預(yù)測的可信度,根據(jù)新近數(shù)據(jù)預(yù)測的結(jié)果更有說服力。為使預(yù)測的結(jié)果更準(zhǔn)確可信,必須處理預(yù)測過程中出現(xiàn)的這些不確定性。所以,本文提出一個(gè)概率模型,量化Qo S預(yù)測中的信心,對Qo S預(yù)測結(jié)果附加一個(gè)信心值,這樣,推薦給用戶的服務(wù)更可能滿足用戶的需求。這里的信心模型考慮了三個(gè)可靠性度量:○1預(yù)測中需要用到的所有Qo S數(shù)據(jù)項(xiàng)的數(shù)量;○2數(shù)據(jù)項(xiàng)中數(shù)據(jù)值的變化情況;○3數(shù)據(jù)隨時(shí)間的衰減情況。并通過仿真實(shí)驗(yàn)驗(yàn)證三個(gè)度量值對預(yù)測可信性的影響。實(shí)驗(yàn)驗(yàn)證在推薦過程中增加信心模型,能夠更好的推薦服務(wù)給用戶,增加了用戶的總體效用。4)同時(shí)考慮多個(gè)Qo S屬性,提出基于多Qo S屬性預(yù)測的云服務(wù)推薦方法。本文以實(shí)例說明已有預(yù)測方法在多屬性質(zhì)量預(yù)測時(shí)存在的局限性,然后改進(jìn)預(yù)測方法。在選擇預(yù)測數(shù)據(jù)時(shí),考慮用戶對不同屬性的期望需求,選擇同時(shí)滿足多個(gè)屬性需求的數(shù)據(jù)進(jìn)行預(yù)測,避免了Qo S屬性獨(dú)立預(yù)測再聚合產(chǎn)生的與實(shí)際不符的問題。因?yàn)楸O(jiān)視數(shù)據(jù)是異步獲取的,所以在選擇預(yù)測數(shù)據(jù)時(shí)要處理這些異步的多屬性數(shù)據(jù),本文采用k NN方法預(yù)測異步獲取的數(shù)據(jù)中缺失的屬性值。最后,根據(jù)預(yù)測結(jié)果和預(yù)測信心值對服務(wù)進(jìn)行排序,推薦給用戶。本文提出的改進(jìn)混合k NN推薦方法HSIk NN,在預(yù)測前對預(yù)測數(shù)據(jù)進(jìn)行了處理,在排序時(shí)考慮了預(yù)測的信心,能夠根據(jù)用戶期望處理多服務(wù)包。仿真實(shí)驗(yàn)驗(yàn)證,HSIk NN方法預(yù)測的準(zhǔn)確性、計(jì)算的有效性、異步數(shù)據(jù)對預(yù)測算法的影響以及k NN方法中k值對預(yù)測的影響。該方法提高了云服務(wù)推薦的準(zhǔn)確性。
【學(xué)位單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2015
【中圖分類】：TP393.09;TP391.3
【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 推薦系統(tǒng)的研究現(xiàn)狀
        1.2.2 推薦系統(tǒng)的難點(diǎn)問題
    1.3 研究內(nèi)容
    1.4 論文組織
第二章 相關(guān)工作
    2.1 個(gè)性化推薦系統(tǒng)綜述
        2.1.1 基于內(nèi)容的推薦系統(tǒng)
        2.1.2 基于協(xié)同過濾的推薦系統(tǒng)
        2.1.3 混合推薦系統(tǒng)
    2.2 基于QoS的云服務(wù)推薦
        2.2.1 云計(jì)算特點(diǎn)
        2.2.2 QoS服務(wù)質(zhì)量模型
        2.2.3 QoS生命周期
        2.2.4 基于QoS的云服務(wù)推薦框架
        2.2.5 服務(wù)推薦過程
    2.3 本章小結(jié)
第三章 基于混合協(xié)同過濾的個(gè)性化云服務(wù)QoS預(yù)測
    3.1 問題的提出
    3.2 QoS數(shù)據(jù)
        3.2.1 質(zhì)量數(shù)據(jù)描述
        3.2.2 質(zhì)量數(shù)據(jù)存儲(chǔ)
    3.3 基于混合協(xié)同過濾的QoS預(yù)測
        3.3.1 QoS預(yù)測過程
        3.3.2 K-means聚類算法
        3.3.3 QoS預(yù)測
    3.4 實(shí)驗(yàn)
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)與方法
        3.4.2 評價(jià)標(biāo)準(zhǔn)
        3.4.3 性能比較
        3.4.4 k的影響
    3.5 本章小結(jié)
第四章 個(gè)性化情境感知的云服務(wù)QoS預(yù)測
    4.1 問題的提出
    4.2 面向個(gè)性化情境推薦系統(tǒng)的構(gòu)建
    4.3 個(gè)性化情境感知的服務(wù)質(zhì)量預(yù)測方法
        4.3.1 符號(hào)定義
        4.3.2 區(qū)域模型構(gòu)建
        4.3.3 QoS預(yù)測
    4.4 實(shí)驗(yàn)
        4.4.1 實(shí)驗(yàn)?zāi)康?br>        4.4.2 實(shí)驗(yàn)數(shù)據(jù)
        4.4.3 實(shí)驗(yàn)方法
        4.4.4 性能比較
        4.4.5 情境因素的影響
        4.4.6 λ 和 μ 的影響
        4.4.7 數(shù)據(jù)稀疏性的影響
    4.5 本章小結(jié)
第五章 云計(jì)算中QoS預(yù)測的信心建模
    5.1 問題的提出
    5.2 不確定性處理
    5.3 信心建模
        5.3.1 數(shù)據(jù)量大小度量
        5.3.2 數(shù)據(jù)偏差度量
        5.3.3 數(shù)據(jù)衰減度量
        5.3.4 總體信心值
    5.4 仿真實(shí)驗(yàn)
        5.4.1 實(shí)驗(yàn)數(shù)據(jù)
        5.4.2 不確定性的影響
        5.4.3 信心在服務(wù)推薦中的作用
        5.4.4 推薦準(zhǔn)確性比較
    5.5 本章小結(jié)
第六章 基于多QoS屬性的云服務(wù)推薦方法
    6.1 問題的提出
    6.2 多屬性的QoS預(yù)測
        6.2.1 相關(guān)描述
        6.2.2 全部平均法
        6.2.3 帶有期望的預(yù)測方法
        6.2.4 改進(jìn)多屬性QoS預(yù)測方法
        6.2.5 實(shí)驗(yàn)研究
    6.3 異步數(shù)據(jù)處理
        6.3.1 問題描述
        6.3.2 處理異步QoS數(shù)據(jù)
    6.4 服務(wù)推薦
    6.5 仿真實(shí)驗(yàn)
        6.5.1 實(shí)驗(yàn)?zāi)康?br>        6.5.2 推薦的準(zhǔn)確性
        6.5.3 計(jì)算有效性
        6.5.4 異步數(shù)據(jù)的影響
        6.5.5 k的影響
    6.6 本章小結(jié)
第七章 總結(jié)與展望
    7.1 總結(jié)
    7.2 未來工作
參考文獻(xiàn)
致謝
在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李玉安;;讀者需求的預(yù)測方法[J];高校圖書館工作;1987年03期

2 ;情報(bào)研究中的廣義量化預(yù)測方法[J];情報(bào)雜志;1992年03期

3 ;經(jīng)濟(jì)預(yù)測方法[J];情報(bào)知識(shí);1983年02期

4 Djordje.S.Paunovic;葉毓秀;;地面移動(dòng)通信系統(tǒng)規(guī)劃中場強(qiáng)預(yù)測方法的選擇[J];計(jì)算機(jī)與網(wǎng)絡(luò);1986年01期

5 R.Grosskopf ,胡宇梅;米波段場強(qiáng)各種預(yù)測方法的比較[J];廣播電視技術(shù)專輯;1987年S1期

6 劉淮;完善電話需要量預(yù)測方法的芻議[J];電信工程技術(shù)與標(biāo)準(zhǔn)化;1991年03期

7 石碰,王洪橋,韓志剛;多模型擇優(yōu)預(yù)測方法及其應(yīng)用[J];信息與控制;1989年05期

8 袁其升;;常用預(yù)測方法的模糊綜合評判模型[J];河北機(jī)電學(xué)院學(xué)報(bào);1992年01期

9 李峰,劉靜延,蔣錄全;預(yù)測方法的發(fā)展及最新動(dòng)態(tài)[J];情報(bào)雜志;2005年06期

10 潘尚新;一種新的預(yù)測方法——灰色預(yù)測[J];現(xiàn)代郵政;1988年02期

相關(guān)博士學(xué)位論文 前1條

1 張雪潔;基于QoS的個(gè)性化云服務(wù)推薦方法研究[D];南京航空航天大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 李偉花;考慮時(shí)空分布特性的區(qū)域風(fēng)電功率預(yù)測方法[D];華北電力大學(xué);2015年

2 張克娜;基于擬線性回歸的復(fù)合預(yù)測方法及其應(yīng)用[D];河北科技大學(xué);2013年

3 馮莉;多種預(yù)測方法在我國對外貿(mào)易預(yù)測中的應(yīng)用研究[D];武漢理工大學(xué);2007年

4 池可;服裝銷售預(yù)測方法及RBF神經(jīng)網(wǎng)絡(luò)模型研究[D];蘇州大學(xué);2009年

5 符俊嶺;具有主客觀信息集成特征的經(jīng)濟(jì)預(yù)測方法及其應(yīng)用[D];東北大學(xué);2009年

6 張飛飛;云資源管理中預(yù)測方法的研究與實(shí)現(xiàn)[D];復(fù)旦大學(xué);2013年

7 陳實(shí);貨運(yùn)量預(yù)測方法及應(yīng)用研究[D];武漢理工大學(xué);2008年

8 李夢;基于優(yōu)化算法的物流預(yù)測方法與應(yīng)用研究[D];北京化工大學(xué);2014年

9 沈旻;港口集裝箱吞吐量預(yù)測方法若干研究[D];上海海運(yùn)學(xué)院;2001年

10 崔巖;CALYPSO結(jié)構(gòu)預(yù)測方法的探索與改進(jìn)[D];吉林大學(xué);2014年

本文編號(hào)：2875773