基于服务质量的云服务选取与推荐技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 研究现状分析 | 第12-17页 |
| 1.2.1 云计算研究现状 | 第12-13页 |
| 1.2.2 服务选取研究现状 | 第13-15页 |
| 1.2.3 服务推荐研究现状 | 第15-16页 |
| 1.2.4 现有研究成果的不足 | 第16-17页 |
| 1.3 研究目标及主要内容 | 第17-19页 |
| 1.3.1 研究目标 | 第17-18页 |
| 1.3.2 研究内容 | 第18-19页 |
| 1.4 论文研究思路 | 第19-22页 |
| 1.5 论文组织结构 | 第22-23页 |
| 第二章 基于动态QoS的最优单个服务选取 | 第23-33页 |
| 2.1 引言 | 第23页 |
| 2.2 问题描述与模型 | 第23-25页 |
| 2.3 QoS属性综合权重计算 | 第25-27页 |
| 2.3.1 QoS属性客观权重 | 第25-27页 |
| 2.3.2 服务类的重要性权重 | 第27页 |
| 2.3.3 QoS属性综合权重 | 第27页 |
| 2.4 服务排序与选取 | 第27-28页 |
| 2.5 实验分析 | 第28-31页 |
| 2.5.1 服务QoS值的影响 | 第29页 |
| 2.5.2 用户主观偏好的影响 | 第29-30页 |
| 2.5.3 服务类数量的影响 | 第30-31页 |
| 2.5.4 算法准确性比较 | 第31页 |
| 2.6 本章小结 | 第31-33页 |
| 第三章 基于多约束分解的最优组合服务选取 | 第33-44页 |
| 3.1 引言 | 第33页 |
| 3.2 问题描述与模型 | 第33-34页 |
| 3.3 多约束服务选取方法 | 第34-37页 |
| 3.4 文化遗传算法 | 第37-40页 |
| 3.4.1 适应度函数设计及编码 | 第38-39页 |
| 3.4.2 信念空间的学习机制 | 第39-40页 |
| 3.5 实验分析 | 第40-43页 |
| 3.5.1 不同候选服务规模下的算法性能 | 第41-42页 |
| 3.5.2 不同约束规模下的算法性能 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 基于排序学习的服务推荐 | 第44-59页 |
| 4.1 引言 | 第44-45页 |
| 4.2 算法设计 | 第45-52页 |
| 4.2.1 概率型用户相似度计算方法 | 第45-48页 |
| 4.2.2 可信邻居构建算法 | 第48-50页 |
| 4.2.3 列表级排序学习预测算法 | 第50-52页 |
| 4.3 算法描述与分析 | 第52-53页 |
| 4.4 实验分析 | 第53-58页 |
| 4.4.1 参数对算法性能的影响 | 第53-54页 |
| 4.4.2 算法运行效率的比较 | 第54-56页 |
| 4.4.3 推荐准确性的比较 | 第56-57页 |
| 4.4.4 抵抗恶意用户能力的比较 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 融合功能多样性的服务推荐 | 第59-71页 |
| 5.1 引言 | 第59页 |
| 5.2 算法设计 | 第59-67页 |
| 5.2.1 带权重的随机游走模型 | 第60-63页 |
| 5.2.2 服务图模型构建方法 | 第63-65页 |
| 5.2.3 最优节点集合选取策略 | 第65-67页 |
| 5.3 算法描述与分析 | 第67页 |
| 5.4 实验分析 | 第67-70页 |
| 5.4.1 参数对于算法性能的影响 | 第68-69页 |
| 5.4.2 与其它服务推荐算法比较 | 第69-70页 |
| 5.4.3 与其它多样性排序算法比较 | 第70页 |
| 5.5 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-74页 |
| 6.1 论文工作总结 | 第71-73页 |
| 6.2 下一步工作展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 作者简历 | 第79-80页 |
