| 中文摘要 | 第10-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 绪论 | 第15-27页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-23页 |
| 1.2.1 服务推荐 | 第17-20页 |
| 1.2.2 服务组合 | 第20-23页 |
| 1.3 研究内容和组织结构 | 第23-27页 |
| 第二章 基于SVM的协同过滤Top-N服务推荐 | 第27-45页 |
| 2.1 SVM简介 | 第27-28页 |
| 2.2 SVMCF4SR原理 | 第28-32页 |
| 2.2.1 SVMCF4SR模型 | 第29-30页 |
| 2.2.2 SVMCF4SR模型求解 | 第30-32页 |
| 2.2.3 时间复杂度分析 | 第32页 |
| 2.3 实验结果与分析 | 第32-43页 |
| 2.3.1 实验数据集 | 第32-33页 |
| 2.3.2 核函数选择 | 第33-36页 |
| 2.3.3 SVMCF4SR的推荐性能 | 第36-38页 |
| 2.3.4 对比实验 | 第38-43页 |
| 2.4 本章小结 | 第43-45页 |
| 第三章 基于粒度SVM的协同过滤Top-N服务推荐 | 第45-59页 |
| 3.1 基于用户相似度的加权评分 | 第45-46页 |
| 3.1.1 同粒用户的评分 | 第45-46页 |
| 3.1.2 不同粒用户的评分 | 第46页 |
| 3.2 粒分布感知的支持向量机模型 | 第46-47页 |
| 3.2.1 粒混合度计算 | 第46-47页 |
| 3.2.2 训练集重构 | 第47页 |
| 3.3 GDSVM4SR算法 | 第47-50页 |
| 3.4 实验结果与分析 | 第50-57页 |
| 3.4.1 训练集粒个数的确定 | 第50-52页 |
| 3.4.2 与SVMCF4SR方法的对比 | 第52-54页 |
| 3.4.3 与其他方法推荐精度的对比 | 第54-57页 |
| 3.5 本章小结 | 第57-59页 |
| 第四章 不确定感知的自适应服务组合 | 第59-79页 |
| 4.1 服务组合场景描述 | 第59-61页 |
| 4.2 SC_POMDP方法 | 第61-64页 |
| 4.2.1 相关定义 | 第61-63页 |
| 4.2.2 SC_POMDP模型 | 第63-64页 |
| 4.3 SC_POMDP求解 | 第64-67页 |
| 4.3.1 最优组合服务 | 第64-66页 |
| 4.3.2 求解SC_POMDP的Q学习算法 | 第66-67页 |
| 4.4 实验结果与分析 | 第67-77页 |
| 4.4.1 正确性验证 | 第67-71页 |
| 4.4.2 性能测评 | 第71-73页 |
| 4.4.3 自适应性测试 | 第73-77页 |
| 4.5 本章小结 | 第77-79页 |
| 第五章 满足用户QoS约束的服务组合 | 第79-103页 |
| 5.1 问题描述 | 第79-80页 |
| 5.2 模型建立 | 第80-82页 |
| 5.2.1 相关定义 | 第80-81页 |
| 5.2.2 CSSC-MDP模型 | 第81-82页 |
| 5.3 CSSC-MDP方法 | 第82-87页 |
| 5.3.1 CSSC-MDP概述 | 第82-83页 |
| 5.3.2 最优组合策略 | 第83-85页 |
| 5.3.3 模型求解 | 第85-87页 |
| 5.4 示例验证 | 第87-94页 |
| 5.4.1 约束合理性评价 | 第89页 |
| 5.4.2 状态等级划分 | 第89-90页 |
| 5.4.3 服务组合 | 第90-91页 |
| 5.4.4 对可变QoS的自适应性 | 第91-92页 |
| 5.4.5 对不确定行为的自适应性 | 第92-93页 |
| 5.4.6 对不同约束的自适应性 | 第93-94页 |
| 5.5 实验结果与分析 | 第94-101页 |
| 5.5.1 参数调节 | 第95-96页 |
| 5.5.2 性能分析 | 第96-97页 |
| 5.5.3 对比实验 | 第97-98页 |
| 5.5.4 真实数据集上的实验 | 第98-101页 |
| 5.6 本章小结 | 第101-103页 |
| 结论及展望 | 第103-105页 |
| 参考文献 | 第105-115页 |
| 攻读博士学位期间取得的研究成果 | 第115-117页 |
| 致谢 | 第117-119页 |
| 个人简况及联系方式 | 第119-122页 |