| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题的背景和意义 | 第11-12页 |
| 1.2 云服务资源配置研究现状 | 第12-13页 |
| 1.3 研究内容 | 第13-15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 第2章 研究基础 | 第17-23页 |
| 2.1 CAIM算法 | 第17-18页 |
| 2.2 协同过滤算法 | 第18-19页 |
| 2.3 BP神经网络 | 第19-21页 |
| 2.4 遗传算法 | 第21页 |
| 2.5 小结 | 第21-23页 |
| 第3章 基于服务选取的云服务资源配置方法 | 第23-37页 |
| 3.1 云服务初始资源配置问题的提出 | 第23-25页 |
| 3.2 基于服务选取的SBS资源配置框架 | 第25-29页 |
| 3.2.1 SBS初始资源配置问题定义 | 第25-26页 |
| 3.2.2 SBS初始资源配置问题解决思路 | 第26-27页 |
| 3.2.3 基于服务选取的SBS资源配置过程 | 第27-29页 |
| 3.3 组件服务可用资源集生成 | 第29-31页 |
| 3.3.1 组件服务可用资源集生成思路 | 第29-30页 |
| 3.3.2 资源属性离散化问题 | 第30页 |
| 3.3.3 可用资源集的划分 | 第30-31页 |
| 3.4 组件服务备选逻辑服务集生成 | 第31-34页 |
| 3.4.1 组件服务备选逻辑服务集生成思路 | 第32-33页 |
| 3.4.2 资源价格模型 | 第33页 |
| 3.4.3 资源性能关系建模问题 | 第33-34页 |
| 3.5 基于服务选取的SBS资源配置关键问题 | 第34-35页 |
| 3.6 实例说明 | 第35-36页 |
| 3.7 小结 | 第36-37页 |
| 第4章 基于聚类和CAIM的资源属性离散化方法 | 第37-45页 |
| 4.1 资源属性离散化思路 | 第37-38页 |
| 4.2 基于k-means的组件服务响应时间聚类 | 第38-39页 |
| 4.3 基于CAIM的资源属性离散化 | 第39-42页 |
| 4.4 基于聚类-CAIM的资源属性离散化算法 | 第42-43页 |
| 4.5 小结 | 第43-45页 |
| 第5章 基于BP神经网络的资源性能关系模型构建 | 第45-59页 |
| 5.1 资源性能关系模型建模思路 | 第45-46页 |
| 5.2 基于CFR的稀疏数据处理 | 第46-51页 |
| 5.2.1 基于PCC的相似度计算 | 第47-48页 |
| 5.2.2 预测响应时间缺失值 | 第48-51页 |
| 5.3 基于BP神经网络的组件服务响应时间预测 | 第51-55页 |
| 5.3.1 输入输出数据标准化处理 | 第51-52页 |
| 5.3.2 基于BP神经网络的模型结构设计 | 第52-54页 |
| 5.3.3 基于BP神经网络的组件服务性能预测过程 | 第54-55页 |
| 5.4 基于BP神经网络构建资源性能关系模型算法 | 第55-57页 |
| 5.5 小结 | 第57-59页 |
| 第6章 基于遗传算法的SBS资源配置求解算法 | 第59-69页 |
| 6.1 SBS的QoS计算模型 | 第59-60页 |
| 6.2 SBS资源配置最优化问题描述 | 第60-61页 |
| 6.3 基于遗传算法的SBS资源配置问题求解 | 第61-68页 |
| 6.3.1 SBS资源配置问题求解算法设计 | 第62-67页 |
| 6.3.2 SBS资源配置问题求解算法描述 | 第67-68页 |
| 6.4 小结 | 第68-69页 |
| 第7章 实例及实验分析 | 第69-89页 |
| 7.1 实验环境及数据 | 第69-70页 |
| 7.2 实例分析 | 第70-74页 |
| 7.3 实验分析 | 第74-88页 |
| 7.3.1 实验方案设计 | 第74-78页 |
| 7.3.3 实验结果分析 | 第78-88页 |
| 7.4 小结 | 第88-89页 |
| 第8章 结论 | 第89-91页 |
| 8.1 本文的主要工作 | 第89-90页 |
| 8.2 工作展望 | 第90-91页 |
| 参考文献 | 第91-95页 |
| 致谢 | 第95-97页 |
| 攻读硕士学位期间的论文项目情况 | 第97页 |