| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-13页 |
| 1.4 论文研究内容 | 第13-14页 |
| 1.5 论文组织结构 | 第14-15页 |
| 第二章 服务系统与可靠性结束 | 第15-21页 |
| 2.1 服务系统 | 第15-18页 |
| 2.1.1 而向服务架构 | 第15-17页 |
| 2.1.2 Web服务定义 | 第17页 |
| 2.1.3 服务组合 | 第17-18页 |
| 2.2 服务可靠性 | 第18-20页 |
| 2.2.1 Web服务可靠性研究 | 第18-19页 |
| 2.2.2 可靠性定义 | 第19-20页 |
| 2.2.3 可靠性时间序列定义 | 第20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 基于深度信念网络的服务可靠性预测模型 | 第21-39页 |
| 3.1 限制玻尔兹曼机 | 第21-26页 |
| 3.1.1 限制玻尔兹曼机的基本模型 | 第21-23页 |
| 3.1.2 模型训练 | 第23-24页 |
| 3.1.3 采样 | 第24-26页 |
| 3.2 深度信念网络 | 第26-28页 |
| 3.3 基于motifs的深度信念网络可靠性预测(m_DBN) | 第28-32页 |
| 3.3.1 理论基础 | 第28-29页 |
| 3.3.2 motifs发现 | 第29-30页 |
| 3.3.3 时间序列标注与数据处理 | 第30-31页 |
| 3.3.4 可靠性预测 | 第31-32页 |
| 3.4 实验验证与分析 | 第32-37页 |
| 3.4.1 实验设置 | 第32-34页 |
| 3.4.2 实验结果与分析 | 第34-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 基于改进型DBN的可靠性预测模型 | 第39-47页 |
| 4.1 极限学习机 | 第39-42页 |
| 4.1.1 极限学习机的基本原理 | 第39-42页 |
| 4.1.2 极限学习机与传统BP神经网络的比较 | 第42页 |
| 4.2 基于改进型DBN的可靠性预测 | 第42-45页 |
| 4.3 实验验证与分析 | 第45-46页 |
| 4.3.1 准确性实验结果分析 | 第45-46页 |
| 4.3.2 收敛时间结果与分析 | 第46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 本文总结 | 第47页 |
| 5.2 未来工作 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 附录A 攻读硕士期间发表的论文 | 第53-54页 |
| 致谢 | 第54页 |