基于贝叶斯分类的Web服务质量预测方法研究

针对网络环境不稳定导致Web服务质量(QoS)数据中存在噪声数据,进而降低Web服务质量预测精度的问题,提出一种基于贝叶斯分类的混合协同过滤Web服务质量值预测方法.该方法使用贝叶斯算法对Web服务质量数据进行分类并得到每个分类的概率,利用分类结果确定缺失值可能的取值范围,并对用户和服务的相似邻居进行过滤.通过引入分类概率,改进传统的协同过滤方法得到最终的缺失值预测结果,在一定程度上消除了噪声数据对Web服务质量预测的影响.实验结果表明:较之现有方法,该方法具有更好的预测精度.     

客户端上下文感知的Web服务QoS预测方法

识别用户客户端的上下文特征的差异性,有助于为新用户预测Web服务QoS,但现有研究缺乏对影响用户QoS体验的上下文特征的系统分析。提出了一种客户端上下文感知的Web服务QoS预测方法,该方法通过量化分析客户端的上下文特征,应用模糊层次分析法计算历史用户与当前用户的上下文相似度,并以该相似度结果为指导,结合协同过滤技术,以特征加权合成方法预测Web服务的QoS值。通过实验对比和分析可知,该方法能有效解决“新用户问题”,并提高Web服务QoS预测的精度。     

基于QoS的按需服务发现过程研究

针对多个服务提供方提供相似Web服务的状况,在功能属性服务发现研究的基础上,尝试基于QoS的按需服务发现过程研究,其核心是先聚类后排序.首先利用FCM聚类思想将用户QoS需求信息和Web服务资源的QoS信息进行合并聚类,再通过相似度计算确定同一分类内聚类对象的次序,最后以一个算例说明了该过程可以根据用户的QoS需求发现服务.     

一种基于D-S证据理论的QoS可信度评估方法

为识别虚假QoS信息并识别Web服务间的共谋欺骗行为,提出了一种基于D-S证据理论的QoS可信度评估方法．该方法从公共信任(即基于服务间的历史交互记录)和私有信任(即基于服务自身交互经验)两方面评估QoS可信度,量化QoS信息,并以此判定QoS真实性,揭露和辟除Web服务间的共谋欺骗行为．仿真实验表明:该方法随着Web服务交互次数的增加,可信服务请求成功率也逐步上升,且要高于基于用户反馈的方法(即无法识别虚假、恶意服务的传统方法)．实验结果初步验证了该方法的可行性和有效性．     

融合异常QoS数据检测的安全云服务选择方法

为了检测异常的QoS数据并提高云服务选择算法的精度,提出一种融合异常QoS数据检测的安全云服务选择方法。给出云环境下用户上下文环境的定义,利用上下文环境计算目标用户的相似上下文环境。通过改进的K-means算法过滤历史QoS数据中异常的QoS数据,利用过滤后的数据预测云服务的QoS值,进行云服务的选择。实验结果表明,该方法能够有效地从历史的QoS数据中检测出异常的QoS数据,降低了异常QoS数据干扰云服务选择结果的可能性,具有更高的预测精度。     

面向服务推荐的QoS成列协同排序算法

针对传统基于服务质量(QoS)预测的推荐方法较少考虑服务间的排序对产生推荐列表的影响,不能准确体现用户偏好的问题。本文提出了一种基于QoS排序学习的服务推荐算法,选用计算复杂度较低的成列损失函数来优化矩阵因式分解模型,并通过挖掘用户间的近邻信息来进一步提高QoS排序的准确性。在真实数据集上的大量实验表明,该算法具有良好的性能。     

基于直觉模糊理论的混合多属性Web服务选择

针对多个功能相同或相似的服务,提出了基于直觉模糊理论的混合多属性Web服务选择.将QoS属性分为精确数值型、区间数值型和语言型,并利用层次分析法给出了用户QoS偏好的计算方法.引入直觉模糊集理论将混合型QoS属性统一为直觉模糊数,采用直觉模糊加权算术平均算子对QoS决策矩阵各指标集结,利用直觉模糊得分函数对各决策方案进行排序,实现了基于QoS的Web服务选择.实例验证结果表明,该方法具有一定的有效性.     

基于QoS的Web服务发现技术的改进

随着网络信息的持续快速发展,Internet环境下Web服务资源越来越丰富,不可避免地会出现大量具有相同功能和不同服务质量的Web服务,如何查找出最适合服务请求者需要的服务已成为Web服务领域的关键问题.因此,对传统的Web服务架构进行扩展,建立具有QoS约束的模型,分析Web服务扩展架构和扩展发现模型,深入地研究Web服务的服务质量量化方法,根据实际应用中的情况,在原有的Web Services功能性描述的基础上增加了QoS属性描述,并相应地设置了必要的实用参数.根据用户的不同需求,对相似服务的QoS进行计算.实验结果表明,该方法能够满足服务请求者提出的带有服务质量约束的服务请求,最终筛选出性能最佳的服务,验证了该理论的实用性和可行性.该服务与传统的方法相比,具有较高的查准率.     

QoS预测机制的个性化云媒体服务选择

针对现有云媒体服务选择算法服务质量（QoS）不高和用户满意度低的问题,提出了一种基于QoS预测机制的个性化云媒体服务选择算法.首先,建立信任度模型,并将其引入用户相似度的计算来优化近邻用户,再利用协同过滤方法计算未知服务的QoS值,选出QoS较高的候选服务;其次,利用逼近理想解排序方法,选择并提供给用户符合其偏好的云媒体服务,进而提高用户满意度.仿真实例说明了该算法的有效性.     

不确定信息下基于改进粒子群算法的Web服务选择

针对有QoS保障的组合服务选择中,Web服务的QoS难以精确测量以及用户的QoS需求难以准确表达的问题,提出了一种不确定信息下服务选择的新方法,该方法采用区间数的形式描述用户的QoS需求以及服务的QoS指标,引入组合服务用户满意度评价,基于带有动态边界的改进粒子群算法寻找满足用户全局QoS需求的Web服务组合方案。实验结果表明,该方法有效可行。     

基于遗传算法的Web服务发现优化模型研究

传统的Web服务技术标准主要是基于UDDI,运用简单分类和关键词匹配提供服务发现,降低查准率、查全率,以及服务复用和组合的兼容性.通过Web服务模式并结合遗传算法,探讨了一种基于Web服务的相似性、服务质量（QoS）、匹配度、评级和可行性等特征的多目标优选模型,为Web服务提供有效的发现方法.     

基于日志挖掘的Web服务带宽资源管理策略

Web服务通常部署于云上,研究用户负载强度的变化对其性能的影响至关重要,且在保证服务质量的同时还需要考虑如何提高资源利用率和控制成本.提出一种基于日志挖掘预测Web服务带宽消耗和服务质量的方法,为带宽资源管理提供决策支持.基于回归分析和函数拟合,该方法亦可估测服务器在限定带宽条件下的服务能力,以及不同带宽配置对服务质量的影响.利用公开数据集和基准测试试验对该方法的有效性和准确性进行评估.     

Web服务组合中基于QoS的自底向上服务替换

 为了适应开放环境中动态变化的Web服务资源,保证组合Web服务持续满足业务需要,提出一种支持QoS约束、基于自底向上的服务替换方法.从组合中需要被替换的单个服务出发,基于合成模式迭代地选出可以作为整体被替换的服务子图.使用历史数据及QoS约束对这些服务子图的备选替换服务进行筛选,并基于多属性决策方法（MADM）进行效能评估,最终选出满足全局QoS约束且使效能最大化的服务.实验结果表明,该方法能够有效扩大替换服务的选择范围,替换结果优于传统服务替换方法的结果,可以更好地保证组合服务的整体QoS指标得到维持和优化.     

基于PKI的Web QoS分类系统研究

通过对目前的Web请求分类技术进行分析,发现其所采用的分类依据较多,QoS策略实现起来比较复杂,并且其安全性也需要改善。该文提出了一种新的基于PKI的Web QoS分类系统,该系统采用PKI技术来提高服务器的访问安全性,通过Web QoS策略服务器来实现用户证书和QoS策略的绑定,降低了QoS策略实现的复杂程度,可以更好地满足网络用户的服务质量需求。     

基于BPSO的web服务推荐策略

为解决web服务的优化选择,提出一种基于离散二进制粒子群算法(binary particle swarm optimization,BPSO)的web服务推荐策略.用数学方法阐述基于服务质量(quality of service,QoS)的业务组合,将业务单元组合转换到服务组合,给出不同服务组合模式下的QoS属性值计算公式,提出web服务集和嵌套概念,对具有嵌套模式的服务组合进行逐一遍历.将基于QoS的web服务组合优化问题看成是多目标优化决策问题,提出基于BPSO的web服务组合优化数学模型,利用目标加权法简化多目标决策问题.对BPSO进行改进,构建了基于BPSO的web服务推荐仿真系统,仿真表明,该方法高效可行.     

网站个性化服务的研究

利用Web数据挖掘技术，对用户未来的访问进行预测和推荐，是实现网站柔性个性化服务的研究方向之一．笔者通过对网站个性化服务相关技术的研究，改进了对Web服务器用户访问日志信息进行聚类分析的关联数据竞争聚类(competitive agglomeration for relation data，CARD)算法，并在此基础上构建了相应的实验模型．CARD算法是CA算法的一种改进算法，适合于处理没有明显特征的Web数据．试验是建立在真实的Web日志上的，实验证明该算法具有较好的聚类效果和适用度．     

基于QoS的Web集群系统设计与实现

采用集群技术建立高性能Web服务器是当前的发展方向,本文设计并实现了一种基于QoS的Web集群系统,以资源优化为中心,基于QoS优化策略来区分不同类型的用户请求分配,实现了对客户端服务的有效区分,提供了QoS性能保证,能有效提高Web集群系统的整体性能.     

基于改进蜂群算法的 Web服务组合优化

Web服务技术的快速发展使用户对QoS （quality of service）越来越关注。为了进行基于QoS的Web服务组合优化,采用4种典型的QoS衡量指标建立了组合Web服务QoS量化模型;针对人工蜂群（artificial bee colony ,ABC）算法搜索效率不高和过早收敛问题,引入禁忌策略和混沌优化进行了改进,并将改进算法用于组合Web服务的QoS优化;最后,通过仿真实验对模型和算法进行了验证。结果表明,改进算法全局优化能力全面提高,并且能较好地解决组合Web服务QoS全局优化问题。     

一种自治愈的QoS感知的Web服务组合方法

基于工作流的服务质量（QoS）感知的Web服务组合是Web服务领域的一个研究热点,其目标是选择一个满足QoS约束且QoS效用最大的组合服务。该文给出了常见工作流的一种形式化定义方法及虚拟任务的合成规则,从而提出了一种基于top-k优选策略的Web服务组合方法,其核心思想是递归运用虚拟任务的合成规则将原工作流转换成一个虚拟任务,并在每次合成虚拟任务时,仅为其保留k个优选的服务或组合服务实例。该文还提出了一种新的寻找替换服务的方法以支持自治愈性。仿真实验分析了k值对效用的影响、算法的效用与时间开销以及可替代性能。     

面向区域行业联盟的网络化数码纺织平台

为提高纺织区域联盟的信息化程度，设计了一种面向纺织区域行业联盟的网络化数码纺织平台结构.基于应用服务提供商(ASP)概念，采用用户个性化定制的设计思想，结合高端应用服务与传统信息软件构建了该平台.分析了平台物理结构、逻辑结构、应用服务划分结构及用户工作流程，阐述了Web环境下的多层次客户关系管理(CRM)模型技术，并描述了基于Web服务的图形化协同设计CAD系统.应用结果表明，该平台可高效便捷地增加与维护纺织软件，并取得用户个性化定制与产品设计、销售的统一.