| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究目的及意义 | 第9-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 协同任务 | 第11-13页 |
| 1.3.2 资源服务组合 | 第13-14页 |
| 1.3.3 资源服务特征 | 第14页 |
| 1.4 研究内容 | 第14-16页 |
| 1.5 章节安排 | 第16-17页 |
| 1.6 本章小结 | 第17-18页 |
| 第2章 频繁资源服务序列模式挖掘方法FRSSP | 第18-36页 |
| 2.1 问题描述及相关定义 | 第18-21页 |
| 2.2 频繁资源服务序列模式挖掘方法 | 第21-24页 |
| 2.3 实验验证 | 第24-32页 |
| 2.3.1 场景描述 | 第24-26页 |
| 2.3.2 实验过程及结果 | 第26-32页 |
| 2.4 实验结果分析 | 第32-35页 |
| 2.4.1 不同最小支持度下效率比较 | 第33-34页 |
| 2.4.2 不同数据规模下效率比较 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 基于聚类的关键特征序列分析方法 | 第36-54页 |
| 3.1 问题描述及相关定义 | 第36-39页 |
| 3.2 归一化处理 | 第39页 |
| 3.3 基于聚类的影响度分析 | 第39-42页 |
| 3.4 关键特征序列求解方法 | 第42-46页 |
| 3.5 实验验证 | 第46-51页 |
| 3.5.1 场景描述 | 第46-47页 |
| 3.5.2 实验过程及结果 | 第47-51页 |
| 3.6 实验结果分析 | 第51-53页 |
| 3.7 本章小结 | 第53-54页 |
| 第4章 基于时间序列的关键特征序列分析方法 | 第54-70页 |
| 4.1 问题描述 | 第54页 |
| 4.2 基于时间序列的影响度分析 | 第54-59页 |
| 4.3 基于关键特征序列的RSS求解方法 | 第59-61页 |
| 4.4 实验验证 | 第61-63页 |
| 4.5 实验结果分析 | 第63-68页 |
| 4.5.1 变化范围对选取结果的影响 | 第64页 |
| 4.5.2 最低影响度对选取结果的影响 | 第64-66页 |
| 4.5.3 ID_Canopy_Kmeans与ID_TimeSeries的比较 | 第66页 |
| 4.5.4 IDBRS_KFS与CASP的比较 | 第66-68页 |
| 4.6 本章小结 | 第68-70页 |
| 第5章 应用验证 | 第70-78页 |
| 5.1 中小企业云制造服务平台 | 第70-73页 |
| 5.2 应用实例 | 第73-75页 |
| 5.2.1 应用过程 | 第73-75页 |
| 5.2.2 应用效果分析 | 第75页 |
| 5.3 本章小结 | 第75-78页 |
| 第6章 总结与展望 | 第78-80页 |
| 6.1 工作总结 | 第78-79页 |
| 6.2 本文创新点 | 第79页 |
| 6.3 未来展望 | 第79-80页 |
| 参考文献 | 第80-86页 |
| 致谢 | 第86-88页 |
| 个人简介、在学期间发表的学术论文与研究成果 | 第88-89页 |