摘要 | 第5-7页 |
Abstract | 第7-8页 |
第一章 绪论 | 第15-25页 |
1.1. 研究背景 | 第15-19页 |
1.1.1. Web服务与Web服务组合 | 第15页 |
1.1.2. Web服务选择 | 第15-17页 |
1.1.3. 面临的挑战 | 第17-19页 |
1.2. 课题来源 | 第19页 |
1.3. 主要研究工作及贡献 | 第19-20页 |
1.4. 论文内容和结构 | 第20-22页 |
1.5. 本章参考文献 | 第22-25页 |
第二章 相关工作综述 | 第25-47页 |
2.1. Web服务功能类别挖掘研究现状 | 第25-32页 |
2.1.1. 基于有监督分类的Web服务功能类别挖掘方法 | 第26-27页 |
2.1.2. 基于无监督聚类的Web服务功能类别挖掘方法 | 第27-32页 |
2.1.3. 已有工作分析 | 第32页 |
2.2. Web服务质量预测研究现状 | 第32-37页 |
2.2.1. 基于随机模型的服务质量预测方法 | 第32-33页 |
2.2.2. 基于协同过滤的服务质量预测方法 | 第33-37页 |
2.2.3. 已有工作分析 | 第37页 |
2.3. Web服务选择方法研究现状 | 第37-42页 |
2.3.1. 支持全局QoS约束的服务选择方法 | 第37-40页 |
2.3.2. 支持多种约束的服务选择方法 | 第40-41页 |
2.3.3. 已有工作分析 | 第41-42页 |
2.4. 本章小结 | 第42页 |
2.5. 本章参考文献 | 第42-47页 |
第三章 基于半监督学习的Web服务功能类别挖掘方法 | 第47-66页 |
3.1. 引言 | 第47-48页 |
3.2. 基于半监督学习的Web服务功能类别挖掘方法 | 第48-56页 |
3.2.1. Web服务与Web服务操作之间的相似矩阵计算 | 第50-53页 |
3.2.2. 监督信息的嵌入 | 第53-54页 |
3.2.3. 基于奇异值分解的快速挖掘 | 第54-56页 |
3.3. 仿真实验 | 第56-63页 |
3.3.1. 挖掘效率分析 | 第56-59页 |
3.3.2. 挖掘效果分析 | 第59-63页 |
3.4. 本章小结 | 第63-64页 |
3.5. 本章参考文献 | 第64-66页 |
第四章 基于多维特征挖掘的服务质量预测方法 | 第66-88页 |
4.1. 引言 | 第66-67页 |
4.2. 多维QoS预测问题描述 | 第67-68页 |
4.3. 基于多维特征挖掘的服务质量预测方法 | 第68-76页 |
4.3.1. 多维QoS属性归一化处理 | 第69-70页 |
4.3.2. 基于非负矩阵分解的Web服务特征挖掘 | 第70-71页 |
4.3.3. 基于差分进化多输出支持向量机的服务质量预测 | 第71-76页 |
4.4. 仿真实验 | 第76-84页 |
4.4.1. 实验数据集合与评价指标 | 第76-77页 |
4.4.2. 预测的整体效果 | 第77-79页 |
4.4.3. 预测效果对比 | 第79-84页 |
4.5. 本章小结 | 第84-85页 |
4.6. 本章参考文献 | 第85-88页 |
第五章 基于局部近似过滤的多约束服务选择方法 | 第88-108页 |
5.1. 引言 | 第88-89页 |
5.2. 多约束服务选择问题描述 | 第89-91页 |
5.2.1. QoS聚合模型 | 第89-90页 |
5.2.2. 问题描述 | 第90-91页 |
5.3. 基于局部近似过滤的多约束服务选择方法 | 第91-99页 |
5.3.1. 方法的整体步骤 | 第91-94页 |
5.3.2. 基于有向粒子群算法的服务选择 | 第94-99页 |
5.4. 仿真实验 | 第99-105页 |
5.4.1. 不同服务数量下的选择性能 | 第100-102页 |
5.4.2. 不同任务规模下的选择性能 | 第102-103页 |
5.4.3. 不同约束规模下的选择性能 | 第103-105页 |
5.5. 本章小结 | 第105页 |
5.6. 本章参考文献 | 第105-108页 |
第六章 结束语 | 第108-110页 |
6.1. 论文总结 | 第108-109页 |
6.2. 进一步研究工作 | 第109-110页 |
致谢 | 第110-112页 |
攻读博士学位期间发表论文 | 第112-113页 |
攻读博士学位期间参与项目 | 第113页 |