| 摘要 | 第1-4页 |
| Abstract | 第4-11页 |
| 第1章 绪论 | 第11-27页 |
| ·课题背景 | 第11-12页 |
| ·相关概念 | 第12-16页 |
| ·Web服务 | 第12-14页 |
| ·服务的QoS | 第14-15页 |
| ·服务组合与服务选择 | 第15-16页 |
| ·关键技术与国内外研究现状 | 第16-21页 |
| ·QoS预测 | 第16-18页 |
| ·基于QoS的服务选择 | 第18-20页 |
| ·聚类算法 | 第20-21页 |
| ·图挖掘算法概述 | 第21-24页 |
| ·图挖掘算法与社交网络 | 第21-22页 |
| ·图摘要算法 | 第22-24页 |
| ·本文工作 | 第24-25页 |
| ·文章结构 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第2章 总体设计 | 第27-39页 |
| ·问题与挑战 | 第27-28页 |
| ·QoS的图模型定义 | 第28-32页 |
| ·加权二部图模型 | 第29页 |
| ·QoS的多维加权二部图模型 | 第29-31页 |
| ·问题定义 | 第31-32页 |
| ·基于图摘要的QoS预测与服务选择系统设计 | 第32-35页 |
| ·各模块说明 | 第35-38页 |
| ·用户聚类生成器 | 第35-36页 |
| ·聚类特征计算模块 | 第36页 |
| ·聚类skyline预处理模块 | 第36-37页 |
| ·用户分类器 | 第37页 |
| ·QoS预测器 | 第37-38页 |
| ·skyline在线计算模块 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第3章 基于图摘要的用户聚类算法 | 第39-56页 |
| ·概述 | 第39页 |
| ·图摘要用户聚类算法描述(LAC) | 第39-50页 |
| ·定义 | 第39-40页 |
| ·自底向上的聚类算法 | 第40-44页 |
| ·自顶向下的聚类算法 | 第44-49页 |
| ·对多维QoS的扩展 | 第49-50页 |
| ·算法分析 | 第50-55页 |
| ·算法复杂度 | 第50-52页 |
| ·算法的启动与终止 | 第52-54页 |
| ·聚类结果 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第4章 聚类结果处理与用户分类 | 第56-66页 |
| ·聚类结果处理 | 第56-58页 |
| ·聚类QoS矩阵 | 第56页 |
| ·用户特征统计 | 第56-57页 |
| ·聚类skyline预处理 | 第57-58页 |
| ·离线计算结果 | 第58页 |
| ·用户分类器 | 第58-63页 |
| ·算法原理 | 第58-59页 |
| ·贝叶斯定理和朴素贝叶斯假设 | 第59-60页 |
| ·基于用户特征的用户分类器实现 | 第60-63页 |
| ·对用户聚类算法的优化 | 第63-64页 |
| ·本章小结 | 第64-66页 |
| 第5章 基于用户聚类的QoS预测与skyline计算 | 第66-76页 |
| ·QoS预测 | 第66-70页 |
| ·在线计算模块概述 | 第66页 |
| ·基于用户聚类的QoS预测算法 | 第66-69页 |
| ·算法分析 | 第69-70页 |
| ·聚类辅助的改进skyline算法 | 第70-75页 |
| ·离线的聚类特征skyline计算 | 第70-72页 |
| ·在线skyline计算 | 第72-75页 |
| ·本章小结 | 第75-76页 |
| 第6章 实验与分析 | 第76-83页 |
| ·QoS预测 | 第76-81页 |
| ·算法准确率和效率 | 第76-79页 |
| ·冷启动预测 | 第79-80页 |
| ·聚类参数的影响 | 第80-81页 |
| ·skyline计算 | 第81-82页 |
| ·本章小结 | 第82-83页 |
| 第7章 总结与展望 | 第83-85页 |
| ·工作总结 | 第83-84页 |
| ·未来展望 | 第84-85页 |
| 参考文献 | 第85-90页 |
| 攻读硕士学位期间主要的研究成果 | 第90-91页 |
| 致谢 | 第91页 |