基于性能感知的云服务推荐方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 问题描述 | 第10-11页 |
| 1.2.1 目前存在的问题 | 第10-11页 |
| 1.2.2 解决思路 | 第11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 云服务性能感知的研究 | 第12页 |
| 1.3.2 云服务推荐算法的研究 | 第12-14页 |
| 1.4 论文研究内容 | 第14页 |
| 1.5 论文组织结构 | 第14-15页 |
| 1.6 本章小节 | 第15-16页 |
| 第二章 相关技术 | 第16-29页 |
| 2.1 云服务概述 | 第16-18页 |
| 2.1.1 云服务相关概念 | 第16-17页 |
| 2.1.2 云服务体系结构 | 第17-18页 |
| 2.2 人工神经网络 | 第18-25页 |
| 2.2.1 人工神经网络概述 | 第18-19页 |
| 2.2.2 人工神经元模型 | 第19-22页 |
| 2.2.3 人工神经网络特征及学习方法 | 第22-23页 |
| 2.2.4 BP神经网络 | 第23-25页 |
| 2.3 层次分析法 | 第25-28页 |
| 2.3.1 层次分析法概述 | 第25页 |
| 2.3.2 AHP算法解决问题的步骤 | 第25-28页 |
| 2.4 本章小节 | 第28-29页 |
| 第三章 基于性能感知的云服务推荐框架 | 第29-34页 |
| 3.1 云服务推荐框架概述 | 第29-30页 |
| 3.2 云服务资源获取模块 | 第30-31页 |
| 3.3 云服务性能感知模块 | 第31-33页 |
| 3.4 云服务推荐计算模块 | 第33页 |
| 3.5 本章小节 | 第33-34页 |
| 第四章 云服务性能感知方法 | 第34-47页 |
| 4.1 自适应学习率法 | 第34-35页 |
| 4.2 改进后自适应学习率法IALR | 第35-38页 |
| 4.3 IALR算法在云服务性能感知中的应用 | 第38-40页 |
| 4.4 实验及结果分析 | 第40-46页 |
| 4.4.1 收敛速度实验及结果分析 | 第41-43页 |
| 4.4.2 预测精度实验及结果分析 | 第43-46页 |
| 4.5 本章小节 | 第46-47页 |
| 第五章 基于层次分析法的云服务推荐计算方法 | 第47-55页 |
| 5.1 云服务推荐计算方法分析 | 第47-48页 |
| 5.2 基于层次分析法的云服务推荐计算方法 | 第48-52页 |
| 5.2.1 用户偏好建模及获取 | 第48-49页 |
| 5.2.2 云服务推荐计算 | 第49-52页 |
| 5.3 实验及结果分析 | 第52-54页 |
| 5.4 本章小节 | 第54-55页 |
| 总结与展望 | 第55-57页 |
| 工作总结 | 第55页 |
| 论文创新点 | 第55页 |
| 不足与展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间取得的学术成果 | 第62-63页 |
| 致谢 | 第63页 |
