| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 引言 | 第9-10页 |
| 1.2 QoS预测的研究意义及其发展现状 | 第10-13页 |
| 1.2.1 QoS预测的研究意义 | 第10-11页 |
| 1.2.2 QoS预测的发展现状 | 第11-13页 |
| 1.3 本文的研究内容 | 第13-15页 |
| 1.4 本文的组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 国内外相关研究概述 | 第17-23页 |
| 2.1 基于记忆的协同过滤预测算法 | 第17-19页 |
| 2.2 信誉系统 | 第19-20页 |
| 2.3 K-means聚类算法 | 第20页 |
| 2.4 时间序列预测 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 基于两阶段K-means聚类的静态可信QoS预测方法 | 第23-36页 |
| 3.1 问题描述 | 第23-24页 |
| 3.2 方法概览 | 第24-25页 |
| 3.3 两阶段K-means聚类算法 | 第25-31页 |
| 3.3.1 第一阶段:QoS聚类 | 第25-29页 |
| 3.3.2 第二阶段:用户聚类 | 第29-31页 |
| 3.4 基于聚类信息的QoS预测 | 第31-34页 |
| 3.5 算法复杂度分析 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 基于K-means聚类的动态时间感知QoS预测方法 | 第36-46页 |
| 4.1 问题描述 | 第36-37页 |
| 4.2 方法概览 | 第37页 |
| 4.3 基于历史数据的时间维度QoS预测 | 第37-39页 |
| 4.4 基于K-means聚类算法的协同过滤QoS预测 | 第39-43页 |
| 4.5 混合时间感知QoS预测 | 第43页 |
| 4.6 算法复杂度分析 | 第43-45页 |
| 4.7 本章小结 | 第45-46页 |
| 第5章 实验设计与结果分析 | 第46-59页 |
| 5.1 基于两阶段K-means聚类的静态可信QoS预测方法 | 第46-53页 |
| 5.1.1 数据集与实验设定 | 第46-47页 |
| 5.1.2 评价标准 | 第47-48页 |
| 5.1.3 不同预测方法对比 | 第48-49页 |
| 5.1.4 矩阵密度的影响实验 | 第49-50页 |
| 5.1.5 参数K的影响实验 | 第50-52页 |
| 5.1.6 参数Top-K的影响实验 | 第52-53页 |
| 5.2 基于K-means聚类的动态时间感知QoS预测方法 | 第53-58页 |
| 5.2.1 数据集与实验设定 | 第53页 |
| 5.2.2 评价标准 | 第53页 |
| 5.2.3 不同预测方法对比 | 第53-56页 |
| 5.2.4 参数时间窗口T的影响实验 | 第56-57页 |
| 5.2.5 参数λ的影响实验 | 第57-58页 |
| 5.3 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 作者简历 | 第66-67页 |
| 致谢 | 第67页 |
