| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 注释表 | 第9-10页 |
| 缩略词 | 第10-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·论文主要工作 | 第13-14页 |
| ·论文组织结构 | 第14-15页 |
| 第二章 基于Web服务的跨组织工作流原理与相关技术 | 第15-22页 |
| ·基于Web服务的跨组织工作流技术 | 第15-18页 |
| ·面向服务的体系架构 | 第15-16页 |
| ·Web服务技术 | 第16-17页 |
| ·基于Web服务的工作流技术 | 第17-18页 |
| ·基于服务组合的工作流性能指标 | 第18-19页 |
| ·工作流性能监控与预测过程 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 评估QoS时间序列中的缺项值 | 第22-36页 |
| ·基于时间关联程度评估QoS属性 | 第22-23页 |
| ·基于矩阵分解的QoS属性评估 | 第23-28页 |
| ·问题描述 | 第23-24页 |
| ·基于矩阵分解的QoS评估算法 | 第24-26页 |
| ·梯度下降法 | 第26-27页 |
| ·利用梯度下降法优化评估算法 | 第27-28页 |
| ·基于奇异值分解的QoS属性评估 | 第28-35页 |
| ·基本思想 | 第28-32页 |
| ·粒子群优化算法 | 第32-34页 |
| ·利用粒子群优化评估算法 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 工作流性能预测与分析方法 | 第36-50页 |
| ·基于时间序列的工作流性能预测方法 | 第36页 |
| ·基于BP神经网络的工作流性能时间序列预测方法 | 第36-43页 |
| ·BP神经元 | 第37-38页 |
| ·BP网络训练过程 | 第38-40页 |
| ·BP神经网络算法的改进 | 第40-42页 |
| ·利用BP神经网络预测工作流性能 | 第42-43页 |
| ·基于小波神经网络的工作流性能时间序列预测方法 | 第43-46页 |
| ·小波理论 | 第43-44页 |
| ·小波神经网络 | 第44-45页 |
| ·小波神经网络算法的改进 | 第45-46页 |
| ·利用小波神经网络预测工作流性能 | 第46页 |
| ·利用粒子群算法优化神经网络模型 | 第46-48页 |
| ·分析工作流性能冲突来源 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 模拟实验与案例分析 | 第50-60页 |
| ·实验设计 | 第50页 |
| ·评价标准 | 第50-52页 |
| ·QoS时间序列评估实验与分析 | 第52-54页 |
| ·l值对评估精度的影响 | 第52-53页 |
| ·矩阵密度对评估精度的影响 | 第53-54页 |
| ·对比分析两种时间序列评估方法 | 第54页 |
| ·工作流性能预测与分析 | 第54-58页 |
| ·隐含层神经元数对预测精度的影响 | 第55-56页 |
| ·不同神经网络优化方法的收敛速度和精度 | 第56-57页 |
| ·检验预测性能冲突的有效性 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 第六章 总结与展望 | 第60-62页 |
| ·论文总结 | 第60页 |
| ·研究展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 在学期间的研究成果及发表的学术论文 | 第67页 |