基于社会网络的语义Web服务发现模型

web服务发现模型是为了满足用户各种用途的web服务方式,以代码重入和松散耦合的方式以最优的组合实现可以提供用户需要的web服务模型。web服务发现模型是一种面向服务系统架构的一类基础性问题,但是又是解决用户不同需求十分有效的模型。通过对本体特性和发现模型的结构特点的研究,在本文中引入了本体解析的web服务标注算法和环境语义web发现模型。从而更好地实现web服务发现模型的选择用户所要求的服务的准确性,也为web服务的智能匹配做出了探索。     

基于移动Agent的Web服务安全访问机制研究

针对web服务安全问题中的访问控制,提出将移动Agent引入web服务的安全访问控制模型,通过SRP协议对web服务附加了一个独立的访问控制代理层,具有良好的通用性.实现了基于移动Agent的web服务访问控制模型,并对控制流程进行了描述.     

基于服务质量的Web服务组合机制研究

随着Web服务的流行和增多,单独的web服务未必能实现用户需要的功能,用户需要的某种功能可能需要组合利用多种web服务来满足现实要求.本文根据复合服务的不同基本类型,提出了对复合服务的服务质量的计算方法.基于用户反馈和服务引用度的方法利用了信息检索中的用户反馈和计算文档引用度的方法,利用用户体验和隐性知识来发现潜在的优秀服务,本文提出了其数学模型和服务相似度计算方法.     

一种web服务消息级安全模型

安全问题是影响web服务广泛应用的重要因素,本文设计了一种web服务消息级的安全模型,该模型通过链式处理实现对Web服务进行消息级的安全控制,相对于传输级的安全机制更高效、更灵活,并且具有良好的扩展性,能够方便的扩展以满足各类安全需求.     

基于OWL-S的服务发现语义匹配机制

 本文提出一种基于OWL-S的语义web服务匹配系统的机制,将语义元素引入UDDI系统中,从而在UDDI中保存语义信息.系统通过语义服务匹配算法提高web服务匹配的准确度和召回率,并通过数据映射机制保证模型对于当前的服务发现标准UDDI基础架构的兼容以及UDDI标准操作接口的透明性.系统使用本体概念的索引机制提高服务发现的效率.而且,系统在建立和维护索引的过程、或服务的匹配过程中使用近似概念搜寻算法进一步提高本体概念搜寻和服务匹配的效率.     

不同情境下常态产品包装交互系统设计

为了满足用户不同情境下产品包装设计需求,设计不同情境下常态产品包装交互系统。情境感知模型、产品包装草图编辑模块、产品包装虚拟展示模块、用户管理模块,以及数据库模块构成不同情境下常态产品包装交互系统总体结构;情境感知模型以活动理论、用户情境感知过程为前提,分析用户在不同情境下的设计需求,用户通过产品包装草图编辑模块调整设计草稿;系统采用Illustrator软件装潢产品包装结构,通过Photoshop软件设置产品包装滤镜、转换颜色模式,采用交互设计流程模型实现用户和设计师交互。结果表明该系统设计常态产品包装时用户满意度和易用性高。     

一种基于自回归预测的缓存替换算法

由于目前的web缓存替换算法多侧重于对用户的历史访问进行参考,缺乏对用户请求的预测.主要利用自回归模型可用于预测的特性,在基于访问时间间隔(LRU)替换算法的基础之上提出了一种基于自回归模型预测的web缓存替换算法,并进一步的在opnet网络仿真中进行了仿真验证.仿真结果表明:基于自回归预测的缓存替换算法相对于传统的缓存替换算法更能提高代理缓存的对象命中率和字节命中率.     

基于模糊理论的多属性群决策的web服务评价优化算法

本文综合考虑到web服务性能和质量评价指标属性的多样性和描述语言的模糊性,首先将对web服务评价属性的定量、定性描述指标统一转化为三角模糊数,在充分利用三角模糊数性质的基础上,构建群决策函数,实现定量指标与定性指标的规范化处理,在此基础上提出一种基于优先矩阵排序的模糊多属性群决策算法,实现对web服务的综合评价.最后,通过web服务评估实例分析并证明了算法的可行性和有效性.     

基于用户行为分析的智能家居控制软件的设计

设计并实现了一种基于C4.5决策树算法用户行为分析的智能家居控制软件系统,该软件系统利用智能家居用户行为数据并分析,使家居系统能够根据用户行为习惯规律,安排合理的控制家居电器设备,通过web数据可视化使得用户清楚地掌握家中各种家电设备使用情况,为用户提供人性化和智能化的服务.测试结果表明:该软件系统能够帮助提高家居系统的人性化和智能化程度,数据可视化软件系统用户体验性好,具有重要的理论价值和现实意义.     

融入情境信息的矩阵分解个性化推荐模型

本文提出了一种融入情境信息的矩阵分解个性化推荐模型。该模型引入了情境信息与用户、项目信息的交互,特别考虑到用户及项目偏置项受时间因素的影响,并加入了全局情境因子向量,用以控制因不同用户及项目对情境信息敏感度不同而造成的预测偏差。最后,通过实验验证了本文所提模型具有良好的可扩展性及较低的计算复杂度,在多情境信息条件下可以提高推荐准确性。