| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 引言 | 第14-22页 |
| 1.1 研究背景 | 第14-16页 |
| 1.1.1 服务计算与服务组合 | 第14-15页 |
| 1.1.2 组合服务选取所面临的挑战 | 第15-16页 |
| 1.2 本文的研究内容 | 第16-19页 |
| 1.2.1 基于执行信息的组合服务优化选取问题 | 第16-17页 |
| 1.2.2 本文主要研究内容 | 第17-19页 |
| 1.3 论文的组织结构 | 第19-22页 |
| 第二章 论文相关研究与相关技术 | 第22-32页 |
| 2.1 Web服务组合技术 | 第23-26页 |
| 2.1.1 基于工作流的Web服务组合方法 | 第23-24页 |
| 2.1.2 基于AI规划的Web服务组合方法 | 第24-25页 |
| 2.1.3 基于软件工程的Web服务组合方法 | 第25-26页 |
| 2.2 Web服务选取技术 | 第26-28页 |
| 2.2.1 基于QoS语义的Web服务选取方法 | 第26-27页 |
| 2.2.2 基于QoS属性计算的Web服务选取方法 | 第27-28页 |
| 2.3 Web服务挖掘技术 | 第28-31页 |
| 2.3.1 Web使用挖掘概述 | 第29页 |
| 2.3.2 过程挖掘概述 | 第29-30页 |
| 2.3.3 Web服务挖掘概述 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于执行信息的组合服务选取框架 | 第32-50页 |
| 3.1 研究动机与研究目标 | 第32-38页 |
| 3.1.1 研究动机 | 第33-37页 |
| 3.1.2 研究目标 | 第37-38页 |
| 3.2 基于执行信息的组合服务优化选取过程 | 第38-41页 |
| 3.3 基于执行信息的组合服务优化选取框架 | 第41-45页 |
| 3.4 组合服务执行信息的记载方法 | 第45-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第四章 基于Web服务TQoS值获取的组合服务优化选取方法 | 第50-78页 |
| 4.1 方法的提出 | 第50-52页 |
| 4.2 Web服务QoS模型的定制与日志记载内容的分析 | 第52-56页 |
| 4.2.1 Web服务QoS模型的定制 | 第52-54页 |
| 4.2.2 要获取的Web服务QoS属性集的确定 | 第54-56页 |
| 4.2.3 日志记载内容的分析 | 第56页 |
| 4.3 Web服务QoS点数据的提取方法 | 第56-63页 |
| 4.3.1 初始QoS点数据的提取算法QoSEA | 第57-60页 |
| 4.3.2 基于密度聚类的有效时间段的确定算法TSIA | 第60-62页 |
| 4.3.3 Lagrange QoS点数据的插值算法QoSPDI | 第62-63页 |
| 4.4 基于Web服务实时TQoS值获取的组合服务优化选取方法 | 第63-73页 |
| 4.4.1 面向服务优化选取的Web服务实时TQoS值的预测方法 | 第65-72页 |
| 4.4.2 面向服务优化选取的Web服务实时TQoS值的估算方法 | 第72-73页 |
| 4.5 实验分析 | 第73-76页 |
| 4.5.1 实验环境的构建方法 | 第73页 |
| 4.5.2 基于实际执行和插值的Web服务QoS数据获取的准确性分析 | 第73-75页 |
| 4.5.3 面向优化选取的Web服务QoS数据估算与预测的准确性分析 | 第75-76页 |
| 4.6 本章小结 | 第76-78页 |
| 第五章 基于SESE分解的服务关联感知的组合服务优化选取方法 | 第78-108页 |
| 5.1 方法的提出与基本概念 | 第78-84页 |
| 5.1.1 研究思路 | 第78-80页 |
| 5.1.2 基本概念 | 第80-84页 |
| 5.2 日志记载内容的分析 | 第84-85页 |
| 5.3 组合服务流程结构树的生成方法 | 第85-89页 |
| 5.4 组合服务SESE模式的挖掘方法 | 第89-94页 |
| 5.4.1 初始数据集的生成算法SSPA | 第89-91页 |
| 5.4.2 SESE模式的挖掘算法SESEPM | 第91-94页 |
| 5.5 基于SESE模式的组合服务优化选取方法 | 第94-99页 |
| 5.5.1 基于SESE模式的组合服务流程划分算法CSDA | 第94-98页 |
| 5.5.2 基于SESE分解的组合服务优化选取方法 | 第98-99页 |
| 5.6 实验分析 | 第99-105页 |
| 5.6.1 实验所采用的组合服务选取算法的选择 | 第99-100页 |
| 5.6.2 实验数据集的生成方法 | 第100-101页 |
| 5.6.3 组合服务选取性能分析 | 第101-102页 |
| 5.6.4 选取出的组合服务质量分析 | 第102-103页 |
| 5.6.5 挖掘知识的有效性分析 | 第103-105页 |
| 5.7 本章小结 | 第105-108页 |
| 第六章 基于Web服务特征分析的组合服务优化选取方法 | 第108-126页 |
| 6.1 方法的提出与基本概念 | 第108-112页 |
| 6.1.1 研究思路 | 第108-110页 |
| 6.1.2 基本概念 | 第110-112页 |
| 6.2 特征规则挖掘的相关执行信息的采集方法 | 第112-114页 |
| 6.3 Web服务特征规则的挖掘方法 | 第114-122页 |
| 6.3.1 待挖掘数据集的提取方法 | 第115-116页 |
| 6.3.2 特征规则挖掘的初始数据集预处理方法 | 第116-120页 |
| 6.3.3 Web服务特征规则集的挖掘方法 | 第120-122页 |
| 6.4 基于Web服务特征规则的组合服务优化选取方法 | 第122-123页 |
| 6.5 实验分析 | 第123-124页 |
| 6.6 本章小结 | 第124-126页 |
| 第七章 基于执行信息的组合服务优化选取方法的综合应用 | 第126-138页 |
| 7.1 组合服务优化选取方法的综合应用 | 第126-129页 |
| 7.1.1 基于执行信息的组合服务优化选取方法的特点分析 | 第126-128页 |
| 7.1.2 基于执行信息的组合服务优化选取方法的综合应用过程 | 第128-129页 |
| 7.2 组合服务自适应的阶段性优化实验平台 | 第129-137页 |
| 7.2.1 实验平台的背景简述 | 第129-131页 |
| 7.2.2 实验平台的界面与数据接口展示 | 第131-136页 |
| 7.2.3 平台上优化选取方法的综合实验分析 | 第136-137页 |
| 7.3 本章小结 | 第137-138页 |
| 第八章 结论 | 第138-142页 |
| 8.1 本文工作总结 | 第138-140页 |
| 8.2 下一步的研究工作 | 第140-142页 |
| 参考文献 | 第142-154页 |
| 致谢 | 第154-156页 |
| 攻读博士学位期间的主要成果 | 第156-158页 |
| 论文发表情况 | 第156-157页 |
| 科研项目 | 第157-158页 |
| 获奖情况 | 第158页 |
