自律计算系统的自律可信性评估研究

摘要	第1-7页
Abstract	第7-12页
第1章 绪论	第12-33页
·研究背景和意义	第12-15页
·国内外研究现状	第15-30页
·自律计算的产生和发展	第15-18页
·自律计算的研究进展	第18-22页
·自律计算评估研究进展	第22-25页
·自律计算系统可信性研究进展	第25-26页
·研究成果及所处阶段	第26-30页
·研究中存在的问题和发展趋势	第30-31页
·当前存在的问题	第30-31页
·未来发展趋势	第31页
·论文主要工作及组织结构	第31-33页
第2章 基于服务的自律可信性分析模型	第33-52页
·引言	第33-34页
·自律计算系统	第34-38页
·自律计算系统的基本形式	第34-36页
·系统的自律性定义	第36页
·系统的可信性定义	第36-37页
·系统的自律可信性定义	第37-38页
·多Agent 技术	第38-39页
·Web 服务及其应用技术	第39-40页
·多Agent 的自律系统分析模型	第40-43页
·模型的形式化描述	第43-46页
·模型的实例验证	第46-50页
·本章小结	第50-52页
第3章 基于自律服务的层次化评估体系	第52-67页
·引言	第52-53页
·已有的自律评估方法概述	第53-54页
·利用已有的评估体系分析法	第53页
·传统测评与自律属性结合分析法	第53-54页
·其它软件或工具评价分析法	第54页
·自律服务特征分析	第54-57页
·自律可信性服务请求分析	第55-56页
·自律可信性服务过程分析	第56页
·自律可信性服务响应分析	第56-57页
·基于自律服务的评估体系	第57-59页
·系统服务关联链描述	第57-58页
·自律可信性评估体系模型	第58-59页
·实例应用与分析	第59-66页
·模糊综合评判法	第59-61页
·参数指标确定	第61-62页
·具体应用	第62-63页
·实验环境配置	第63-64页
·算例分析	第64-66页
·本章小结	第66-67页
第4章 基于聚类分析的HMM 建模评估方法	第67-89页
·引言	第67-68页
·相关知识介绍	第68-71页
·隐马尔科夫模型	第68-69页
·模型要解决的问题	第69-71页
·系统建模过程分析	第71-77页
·聚类分析技术	第72-74页
·状态的聚类分析	第74-77页
·HMM 建模过程	第77-79页
·基于信息熵的模型参数估计	第79-81页
·信息熵	第79-80页
·参数优化算法	第80-81页
·模型分析与验证	第81-87页
·模型参数	第81-83页
·验证分析	第83-87页
·与已有的相关工作比较	第87-88页
·本章小结	第88-89页
第5章 基于支持向量机的自律可信性分析方法	第89-107页
·引言	第89-91页
·相关知识	第91-97页
·统计学习理论	第91-93页
·VC 维	第91-92页
·推广性的界	第92页
·结构风险最小化	第92-93页
·支持向量机	第93-97页
·基于SVM 的自律可信性分析	第97-100页
·自律可信性等级分类	第97-98页
·基于SVM 的分类描述	第98-99页
·SVM 训练过程	第99-100页
·仿真实验分析	第100-105页
·有效性	第100-102页
·准确性	第102-105页
·与已有的相关工作比较	第105-106页
·本章小结	第106-107页
结论	第107-109页
参考文献	第109-120页
攻读博士学位期间发表的论文和取得的科研成果	第120-122页
致谢	第122-123页
个人简历	第123页