| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 专用术语注释表 | 第10-14页 |
| 第一章 绪论 | 第14-25页 |
| 1.1 课题研究背景 | 第14-18页 |
| 1.2 国内外研究现状 | 第18-20页 |
| 1.3 课题研究意义 | 第20-22页 |
| 1.4 主要研究内容 | 第22-23页 |
| 1.5 论文组织结构 | 第23-25页 |
| 第二章 基于WordNet和概念语义降维的轻量级语义Web服务发现 | 第25-41页 |
| 2.1 引言 | 第25-26页 |
| 2.2 相关研究工作 | 第26-27页 |
| 2.3 基于WordNet和概念语义降维的轻量级语义Web服务发现模型 | 第27-29页 |
| 2.4 基于WordNet和概念语义降维的Web服务轻量级语义特征提取 | 第29-33页 |
| 2.5 基于核基相似性度量的轻量级语义Web服务匹配 | 第33-36页 |
| 2.6 实验设计与实验结果分析 | 第36-40页 |
| 2.7 本章小结 | 第40-41页 |
| 第三章 核Batch SOM神经网络聚类优化的Web服务发现 | 第41-57页 |
| 3.1 引言 | 第41页 |
| 3.2 相关研究工作 | 第41-43页 |
| 3.3 核Batch SOM神经网络聚类优化的Web服务发现模型 | 第43-44页 |
| 3.4 基于核Batch SOM神经网络的Web服务聚类 | 第44-52页 |
| 3.5 核Batch SOM神经网络聚类优化的Web服务匹配 | 第52-53页 |
| 3.6 实验设计与实验结果分析 | 第53-56页 |
| 3.7 本章小结 | 第56-57页 |
| 第四章 Web服务有监督特征提取和自适应相似评价机制研究 | 第57-73页 |
| 4.1 引言 | 第57-58页 |
| 4.2 相关研究工作 | 第58-59页 |
| 4.3 融合类先验信息的有监督Web服务特征提取 | 第59-61页 |
| 4.4 基于类先验信息的Web服务相似性度量学习 | 第61-67页 |
| 4.5 基于有监督服务表示和自适应相似评价的聚类优化Web服务发现模型 | 第67-70页 |
| 4.6 实验设计与实验结果分析 | 第70-72页 |
| 4.7 本章小结 | 第72-73页 |
| 第五章 基于结构化噪声矩阵补全的可信Web服务QoS预测机制研究 | 第73-97页 |
| 5.1 引言 | 第73-74页 |
| 5.2 相关研究工作 | 第74-78页 |
| 5.3 数学预备知识 | 第78-83页 |
| 5.4 可信Web服务QoS属性预测问题建模 | 第83-85页 |
| 5.5 基于算子分裂技术的结构化噪声矩阵补全算法（OSMCSN） | 第85-92页 |
| 5.6 基于结构化噪声矩阵补全的可信Web服务QoS属性预测 | 第92-95页 |
| 5.7 本章小结 | 第95-97页 |
| 第六章 渐近稳定的多值多对多高斯联想记忆神经网络及其应用研究 | 第97-116页 |
| 6.1 引言 | 第97-99页 |
| 6.2 多值多对多高斯联想记忆模型（M~3GAM） | 第99-102页 |
| 6.3 多值多对多高斯联想记忆模型（M~3GAM）渐近稳定性分析 | 第102-106页 |
| 6.4 多值多对多高斯联想记忆模型（M~3GAM）存储容量和纠错性能分析 | 第106-108页 |
| 6.5 广义多值多对多高斯联想记忆模型（GM~3GAM） | 第108-110页 |
| 6.6 多值多对多高斯联想记忆模型（M~3GAM）应用研究 | 第110-114页 |
| 6.7 本章小结 | 第114-116页 |
| 第七章 总结与展望 | 第116-120页 |
| 7.1 本文工作总结 | 第116-118页 |
| 7.2 进一步的研究工作 | 第118-120页 |
| 参考文献 | 第120-126页 |
| 附录1 攻读博士学位期间撰写的论文 | 第126-128页 |
| 附录2 攻读博士学位期间申请和授权的专利 | 第128-129页 |
| 附录3 攻读博士学位期间参加的科研项目 | 第129-130页 |
| 致谢 | 第130页 |
