| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 云制造相关研究 | 第9-10页 |
| 1.2.2 云服务质量评价及优选相关研究 | 第10-12页 |
| 1.3 研究内容和研究方法 | 第12-14页 |
| 1.3.1 研究内容与组织结构 | 第12-13页 |
| 1.3.2 研究方法与技术路线 | 第13-14页 |
| 1.4 创新点 | 第14-15页 |
| 第2章 相关理论概述 | 第15-22页 |
| 2.1 灰色关联分析概述 | 第15-16页 |
| 2.1.1 灰色关联分析基本概念 | 第15-16页 |
| 2.1.2 灰色关联分析的基本特征 | 第16页 |
| 2.2 BP神经网络概述 | 第16-19页 |
| 2.2.1 BP神经网络简介 | 第16-17页 |
| 2.2.2 BP神经网络的基本原理 | 第17-19页 |
| 2.2.3 BP神经网络优缺点 | 第19页 |
| 2.3 粒子群算法(PSO)概述 | 第19-21页 |
| 2.3.1 粒子群算法的简介 | 第19-20页 |
| 2.3.2 粒子群算法的基本原理 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 云服务质量评价指标体系的构建 | 第22-28页 |
| 3.1 指标体系的构建原则 | 第22-23页 |
| 3.2 云服务质量评价指标体系的设计 | 第23-26页 |
| 3.2.1 指标体系的总体框架 | 第23页 |
| 3.2.2 时间效度 | 第23页 |
| 3.2.3 费用效度 | 第23-24页 |
| 3.2.4 可信效度 | 第24页 |
| 3.2.5 特性效度 | 第24-25页 |
| 3.2.6 安全效度 | 第25-26页 |
| 3.3 本章小结 | 第26-28页 |
| 第4章 基于PSO-BP神经网络的云服务质量评价模型的建立 | 第28-41页 |
| 4.1 灰色关联分析 | 第28-34页 |
| 4.1.1 确定参考数列 | 第28-29页 |
| 4.1.2 无量纲化处理 | 第29-31页 |
| 4.1.3 差序列与两级差计算 | 第31-32页 |
| 4.1.4 灰色关联系数和灰色关联度计算 | 第32-34页 |
| 4.2 基于BP神经网络的评价模型设计 | 第34-37页 |
| 4.2.1 三层结构设计 | 第34-35页 |
| 4.2.2 算法流程 | 第35-36页 |
| 4.2.3 参数设计 | 第36-37页 |
| 4.3 利用PSO优化BP神经网络模型 | 第37-40页 |
| 4.3.1 优化基本思想 | 第37页 |
| 4.3.2 算法流程 | 第37-38页 |
| 4.3.3 参数设计 | 第38-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 基于PSO-BP神经网络的云服务质量评价模型的实例分析 | 第41-50页 |
| 5.1 BP神经网络模型 | 第41-44页 |
| 5.2 PSO-BP神经网络模型 | 第44-47页 |
| 5.3 优化前后模型比较分析 | 第47-48页 |
| 5.4 本章小结 | 第48-50页 |
| 第6章 总结与展望 | 第50-53页 |
| 6.1 总结 | 第50页 |
| 6.2 展望 | 第50-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间发表的学术论文和参与的科研项目 | 第59-60页 |
| 附录 | 第60-61页 |