排序方式: 共有46条查询结果,搜索用时 375 毫秒
1.
2.
从构件组装研究背景出发,提出一种利用功能驱动的构件组装方法,该方法是建立在一种有向图表示的软件体系结构模型上,以构件为基本元素,以用户的功能需求为驱动目标,以构件连通度和功能冗余度为评价指标,达到构件的自动组装并能提供满足用户需求期望的软件实体.最后根据构件的邻接矩阵和可达矩阵设计了一种组装算法,并给出了实验仿真结果. 相似文献
3.
4.
5.
6.
在云计算环境中,感知服务能力变化缺少实时性,服务质量难以保证。可信与不可信实体对元服务可能做出相同或者不相同的服务描述,存在欺骗行为。多个用户同时调用同一个高质量的服务时,极有可能出现用户访问量超过服务的负载容量从而导致服务能力下降的情况。针对此类问题,提出了一种基于环境实时感知的服务选取方法。在该方法中,服务调度中心采用招标投标的方式选取满足用户需求的元服务簇,以保证中标服务的QoS。同时服务质量感知模块实时感知元服务质量的变化,确保所选Web服务质量的高实时性和高可靠性。另外,信誉模型对服务提供者的承诺质量进行评价,从而建立高度可信的服务环境。实验结果表明,所提方法能够有效实现服务的预测评估,并为用户提供服务质量更优的Web服务。 相似文献
7.
在传统推送中,多源异构数据的推送面临时效性不强、安全性不高、数据难以重用等问题。针对多源异构数据的特征,综合移动互联网的安全性和隐私性等特点,提出了一种多维决策云推送模型来计算分布式环境中多源异构数据的特征值和特征向量,以快速分离数据源中的同构数据和异构数据;并基于此模型设计了云推送平台,其利用云推送技术来实现同构数据和异构数据的自动分离和高效推送。根据云推送平台在实验环境中的运行情况及相关指标分析,说明该平台适用于多源异构数据的推送,是一种高效可行的推送方式。 相似文献
8.
随着互联网上Mashup服务数量及种类的急剧增长,如何从这些海量的服务集合中快速、精准地发现满足用户需求的Mashup服务,成为一个具有挑战性的问题.针对这一问题,本文提出一种融合功能语义关联计算与密度峰值检测的Mashup服务聚类方法,用于缩小服务的搜索空间,提升服务发现的精度与效率.首先,该方法对Mashup服务进行元信息提取和描述文本内容整理,并根据Web API组合的标签对相应Mashup服务标签进行扩充.然后,基于功能语义关联计算方法(Functional Semantic Association Calculation Method,FSAC)提取出各服务描述的功能名词集合,并通过功能名词的语义权重来构造Mashup语义特征向量.最后,通过基于密度信息的聚类中心检测方法(Clustering Center Detection Method based on Density Information,CCD DI)检测出最为合适的K个Mashup语义特征向量作为K means算法的初始中心,进行聚类划分.基于ProgrammableWeb的真实数据实验表明,本文所提聚类方法在纯度、精准率、召回率、熵等指标上均有良好表现. 相似文献
9.
针对传统的面向服务架构中服务管理、发现、组合等效率较低的问题,通过分析面向服务架构中的粒度思想,提出一种基于多粒度服务库的面向服务架构参考模型.首先,讨论多粒度服务库的概念,并给出服务库的粒化算法;其次,对所提模型的总体结构特别是粒度计算引擎进行了详细的介绍,阐述粒度计算引擎的主要功能,给出一个基于多粒度服务库的服务发现算法;然后,提出一种基于多粒度服务库的服务组合算法,同时说明SOA参考模型的作用;最后,结合具体应用实例验证该模型的有效性. 相似文献
10.
在云环境中,对于云数据的统一建模一直是研究热点。尤其在推荐系统中,对于多源异构数据灵活性和安全性的要求更高。随着数据信息技术的不断发展,网络更新逐步加快,数据的更新也越来越快,从海量信息中如何快速帮助用户获取偏好的信息变得更加困难。针对多源异构数据的特征,综合移动互联网安全性和隐私性等特点,提出了一种USDR模型,并在该模型的基础上对云环境中的推送方法进行了研究,主动帮助用户发现自己偏好的信息,并将这些信息展现给可能需要的用户,并且实现了传统的数据推荐方法无法处理的多源异构数据的云推荐。根据云推送平台在实验环境中的运行情况及相关指标分析,说明该云推荐方法能适用于多源异构数据的推荐,是一种高效可行的推荐方法。 相似文献