| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 信任机制研究现状 | 第11-12页 |
| 1.2.2 服务组合研究现状 | 第12-13页 |
| 1.3 研究意义 | 第13-14页 |
| 1.4 课题来源 | 第14页 |
| 1.5 研究内容及章节安排 | 第14-16页 |
| 第二章 背景知识介绍 | 第16-20页 |
| 2.1 信任模型 | 第16-17页 |
| 2.2 蚁群算法 | 第17-18页 |
| 2.3 基于代价敏感的AdaBoost算法 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 基于评价可信度的动态信任评估模型 | 第20-32页 |
| 3.1 问题分析 | 第20页 |
| 3.2 基于评价可信度的信任评估模型 | 第20-27页 |
| 3.2.1 模型的相关定义 | 第20-22页 |
| 3.2.2 模型的架构图 | 第22-24页 |
| 3.2.3 直接交易信任度计算模块 | 第24-26页 |
| 3.2.4 信誉度计算模块 | 第26-27页 |
| 3.2.5 推荐信任度计算模块 | 第27页 |
| 3.3 仿真实验分析 | 第27-30页 |
| 3.3.1 针对是否划分能力等级的仿真实验 | 第28-29页 |
| 3.3.2 针对用户实体SC评价可信度的仿真实验 | 第29-30页 |
| 3.3.3 针对抵御恶意用户攻击能力的仿真实验 | 第30页 |
| 3.4 本章小结 | 第30-32页 |
| 第四章 基于改进AdaBoost算法的云用户风险预测模型 | 第32-40页 |
| 4.1 问题分析 | 第32页 |
| 4.2 模型的架构图 | 第32-34页 |
| 4.3 基于代价敏感的AdaBoost算法 | 第34-37页 |
| 4.3.1 AdaBoost算法 | 第34-35页 |
| 4.3.2 代价敏感 | 第35-37页 |
| 4.4 仿真实验 | 第37-39页 |
| 4.4.1 数据集 | 第37页 |
| 4.4.2 度量方法 | 第37-38页 |
| 4.4.3 实验设置 | 第38页 |
| 4.4.4 结果分析 | 第38-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第五章 基于T-QoS感知的并行蚁群算法服务组合 | 第40-50页 |
| 5.1 问题分析 | 第40-41页 |
| 5.2 问题描述 | 第41-42页 |
| 5.3 基于T-QoS感知的并行蚁群算法 | 第42-45页 |
| 5.3.1 初始信息素的分布规则 | 第42-43页 |
| 5.3.2 状态转移概率规则 | 第43页 |
| 5.3.3 信息素更新规则 | 第43-44页 |
| 5.3.4 并行的搜索规则 | 第44-45页 |
| 5.4 仿真实验 | 第45-48页 |
| 5.4.1 收敛时间比较 | 第46-47页 |
| 5.4.2 最优服务组合解成功执行率比较 | 第47页 |
| 5.4.3 最优服务组合解性能比较 | 第47-48页 |
| 5.5 本章小结 | 第48-50页 |
| 第六章 基于T-QoS感知的服务组合原型系统实现 | 第50-55页 |
| 6.1 原型系统结构图 | 第50-51页 |
| 6.2 原型系统流程分析 | 第51-52页 |
| 6.3 原型系统实现 | 第52-54页 |
| 6.4 本章小结 | 第54-55页 |
| 第七章 总结与展望 | 第55-57页 |
| 7.1 总结 | 第55-56页 |
| 7.2 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第60-61页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第61-62页 |
| 致谢 | 第62页 |