一种基于改进的贝叶斯投票算法的服务评估技术

现有的Web服务体系架构缺少服务质量与优选方面的有效支持,如何动态地选择、绑定并调用最适合用户需求的Web服务受到研究领域的关注.本文基于对"可信服务测试中介"模型的研究,提出了一种基于改进的贝叶斯投票算法的服务评估技术--把每一个测试评估结果作为对测试对象的一次投票,通过对协同服务测试数据的收集和分析,最终计算出同类服务的加权通过率,并在同类服务中进行排行,体现了Web2.0的技术特点.     

Web服务组合测试综述

随着面向服务技术和云计算技术的不断成熟,尤其是面向服务体系结构SOA的不断完善以及推广,使得其主要内容Web服务已经被广泛应用.为了充分利用Web服务并解决单个Web服务的功能有限的问题,业界将多个原子Web服务按照一定的规则和业务逻辑进行组合,以提供更多功能更强大的服务,实现了Web服务的增值和复用.为保证Web服务组合的质量,需要对Web服务组合进行全面、充分的测试.然而,由于Web服务组合的动态特性和分布式特点,使得其测试技术与方法和传统的软件测试有很大区别,存在很多挑战.本文针对Web服务组合测试,对近年来Web服务组合测试研究中的测试用例生成技术、回归测试技术、测试执行和度量方法进行了系统地总结和分析.此外,我们还对Web服务组合测试中有待研究的问题进行了分析和展望.     

Web 服务选择中信誉度评估方法

在开放的Web服务环境中,由于无法保证用户使用服务后给出的反馈等级是真实可靠的,导致服务的信誉度评估结果与实际值存在较大偏差,进而服务选择失败率较高.为了克服上述问题,提出了一种用于Web服务选择的信誉度评估方法.该方法的主要思想是,通过反馈核查、校正和检测这3个信誉度评估模块对服务的信誉度进行评估.仿真结果表明,所提出的方法不仅有效提高了信誉度评估的客观性,还显著减小了服务选择的偏离度.     

一种基于约束的变异测试数据生成方法

作为衡量测试用例集完备性的测试策略,变异测试是一种"面向缺陷"的单元测试技术,主要用来生成完备的测试用例集.其中面向路径测试数据生成技术通过约束系统构造和求解过程实现用例集生成,是一种高效的测试用例生成技术.但目前大部分面向路径测试用例生成技术只考虑了程序语句间的控制依赖,即通过对控制流图的分析来构建约束系统,而忽略了语句间的数据依赖对约束系统的影响.充分考虑两种依赖关系,针对域削减的测试数据生成技术进行了改进,提出了一种考虑数据依赖的域削减方法.实验表明,这种方法在变异测试数据生成的成功率和执行效率上都有较大程度的提高.     

基于历史记录的网格服务评估模型

在面向服务的网格环境中,服务提供方在UDDI中注册服务类型和服务性能参数.用户查询所需服务时,需要基于可信的标准进行选择.在以往的选择过程中,用户根据服务提供方提供的服务性能参数进行选择.在双方不可信的情况下,网格环境无法保证服务提供方能够有效地完成服务.本文引入信誉度和策略集的概念,在此基础上建立评估模型对服务提供方的信誉度进行评估,并动态更新服务提供方的服务性能参数.实验表明此模型为用户提供了一种更为可信的服务选择标准.     

基于Web服务生命周期的测试技术研究进展

Web服务是一种新的分布式计算范型--面向服务的体系结构的具体实现之一.然而,Web服务的松耦合、动态性和可组合性等特点给Web服务测试带来了极大的挑战.如何寻求高效的Web服务测试技术和开发实用的测试工具,是当今软件业界一个亟待解决的课题.当前Web服务的测试方法已经贯穿于服务的开发、预发布、运行以及演化的整个生命周期.提出了从Web服务生命周期的角度分析Web服务测试的重要参数,在此基础之上归纳和比较了近年来出现的一些典型的测试方法和技术,最后展望并探讨了Web服务测试今后的研究方向.     

Web服务测试问题综述

近来出现了一种新的支持分布式计算的范型--面向服务的体系结构(SOA).Web服务就是这种结构的具体实现形式之一.众所周知,为了获得一个可信的、可靠的服务,对服务实施完全、充分的测试是至关重要的.所以本文对Web服务的测试方法和技术进行了调查研究.本文从SOA体系结构下Web服务的特点及其测试的新的挑战出发,讨论了Web服务测试与传统测试的不同点;接着从多个不同的角度(测试的视角和测试的策略)讨论了Web服务测试的相关问题.然后给出了一个Web服务测试过程的组织框架,还讨论了目前Web服务测试的研究现状和一些代表性的Web服务测试技术.最后总结全文并给出未来的研究方向.     

Web服务信誉度评估模型的研究

对Web服务的信誉度、信誉关系属性和信任类型进行了形式化的定义,并据此来评估Web服务的信誉行为,考虑到Web服务信誉度的不确定性,在引入信誉量化概念的基础上,对现有的UDDI规范进行扩展,提出了Web服务信誉度评估模型,并深入研究了Web服务的信誉度评估方法及模型的实现方案,与其它的Web服务信誉度模型相比,该模型通过使用客户反馈、主动监视的机制以及采用第三方权威机构评价Web服务的信誉度,从而保证了信誉度的公平性和有效性.     

Web服务响应时间测试

随着Web服务技术的不断发展和广泛应用,需要运用测试技术来保障Web服务的正确有效运行,而Web服务响应时间则是评估Web服务质量最直观的一个参数.基于Apache axis,解析WSDL,用CTM产生有效测试例,实现Web服务的实时测试、不同站点测试、负载测试、平均响应时间测试.测试表明程序运行稳定,测试的结果为评估Web的服务质量提供了有力的参考.就授权测试、多个Web服务测试方面还需完善的工作做了进一步探讨和展望.     

基于Web的自动化测试框架

根据Web系统测试的特点,采用脚本模块化技术和数据驱动测试技术,设计一种以测试库框架和数据驱动测试框架为基础的基于Web的自动化测试框架,借鉴测试脚本模块化思想,对测试脚本进行分层次嵌套管理,并实现测试数据与测试脚本的分离。仿真实验结果表明,该框架具有良好的独立性及可扩展性。     

神经网络的企业信用风险评估应用研究

研究企业信用风险评估准确性问题,企业存在产品质量、不良贷款等信用风险问题,企业信用风险是多种因素的综合结果,存在着不确定、非线性、随机性等特点,无法建立确定数学评估模型。只能根据专家评估指标为依据。为了提高企业信用风险评估准确率,提出一种BP神经网络的企业信用风险评估方法。先采用层次分析法构建风险评估指标体系,再用专家系统对评估指标进行量化打分,最后采用BP神经网络对企业信用风险指标进行非线性学习,并对企业信用风险等级进行评估。实验结果表明,BP神经网络的企业信用风险评估模模型能显著提高评估准确率,并能够反映企业信用风险的随机性变化特点,使评估结果更加符合实际情况,为企业信用风险评估提供了参考。     

决策树算法在纳税信用等级评定中的应用研究

纳税信用等级评定的实现是需要对大量税收数据进行分析和判定的结果,决策树是进行数据挖掘和分类的常用工具,其中以C4.5算法最为流行。如何应用数据挖掘技术改变纳税信用等级手工评定的现状是当前税务系统税收信息化工作难点之一。文章主要讨论如何应用C4.5算法构造纳税信用等级评定决策树,通过对纳税人涉税数据的采集、预处理、属性选择、决策树生成和剪枝等一系列过程最终生成纳税信用等级评定决策树,并根据生成的决策树实现对纳税人纳税信用等级的判决。     

基于Excel的学生成绩统计与分析系统

为了对教师的教学成果和学生学习情况作出科学的定量评价,学生成绩在统计、汇总以后要进行学分计算、正态分布分析以及制作不同形式的成绩单,这需要花费教师大量宝贵的时间。借助电子表格Excel强大的数据交换与处理功能,进行学生成绩的统计与分析,可以大大减轻教师的重复工作量,提高工作效率,促进教学水平的提高。     

创新创业学分认定及数据可视化系统的设计与实现

创新创业学分认定是创新教育的一项重要工作.由于审核数量众多,申请材料流转复杂,评分标准不一等原因,导致学分认定效率低.为了解决这些问题,从减少教师工作量、提高学生创新意识和满足学校实际工作需求出发,采用B/S模式搭建一个操作简便的学分审核系统.利用Websocket和Java mail技术实现智能推送及预警功能,采用E...     

面向高维数据的个人信贷风险评估方法

随着电商平台分期付款方式和P2P信贷平台的不断推广,如何从海量的用户信贷数据中挖掘出潜在的用户模型并对未知用户进行信贷风险评估,以降低信贷业务的风险,已经成为研究的主流。针对现有方法无法高效处理高维度信贷数据的问题,使用一系列的数据预处理方法和基于Embedded思想的特征选择方法XGBFS（XGBoost Feature Selection）,以降低用户信贷数据维度并训练出XGBoost评估模型,最终实现用户信贷风险评估。实验表明,与现有的方法相比,该方法能够从高维的数据中选择出重要属性,并且分类器在精确率、召回率等方面具有较为突出的性能。     

企业信用评估信息系统的设计与实现

介绍企业信用评估信息系统的设计与实现。该系统采用基于BP神经网络的企业信用评估模型,利用移动Agent技术收集和处理企业信用信息,用Java语言设计网络程序和用户界面,实现了企业信用评估信息管理的计算机化。     

Credit evaluation using eigenface method for mobile telephone customers

Most mobile communication companies in China were puzzled by the arrearage problem. Then credit evaluation for the mobile telephone customer becomes increasingly important in China's telecommunications services industry on economic operation and information management. The study presents a customer credit measure method based on customer attributes by employing the eigenface technology. Analysis of customer credit evaluation indicates potentiality of the proposed eigenface-based credit evaluation method that it provides a potential viable solution to the arrearage problem. By means of principal component analysis, customers represented by their attribute vectors in training set are used to build the eigenspace. Subspace of the eigenspace for credit evaluation is generated by selecting principal orthogonal eigenvectors of covariance matrix of the training samples. Each one of the principal eigenvectors ever called “eigenfaces” is taken as one basis reference customer (component) for credit evaluation. Then each customer represented its feature vector is projected onto the subspace and described by a linear combination of the basis reference customers represented by the selected principal eigenvectors in the subspace. Weights of the linear combination are denoted as one weight vector. Difference between the weight vectors is used to evaluate customer credit. The proposed method yields satisfying results in its application to credit evaluation for 400,000 customers in a mobile communication services company in China. Result analysis indicates that further arrearage management based on credit evaluation is workable.     

Lagrange支持向量机算法应用研究

将SVM(support vector machine)分类的思想方法应用于个人信用评估.通过比较分析银行个人信用特征数据,设计了新的通用的银行个人信用特征数据.基于LSVM(Lagrange support vector machine)分类算法分析,将LSVM算法应用于个人信用评估,并与KNN(K-nearest neighbor)分类方法、OSU SVM3.0工具分类方法比较,实验结果表明:LSVM具有较好的分类预测能力,为个人信用评估提供了一个新的有效方法.     

Credit scoring and rejected instances reassigning through evolutionary computation techniques

The credit industry is concerned with many problems of interest to the computation community. This study presents a work involving two interesting credit analysis problems and resolves them by applying two techniques, neural networks (NNs) and genetic algorithms (GAs), within the field of evolutionary computation. The first problem is constructing NN-based credit scoring model, which classifies applicants as accepted (good) or rejected (bad) credits. The second one is better understanding the rejected credits, and trying to reassign them to the preferable accepted class by using the GA-based inverse classification technique. Each of these problems influences on the decisions relating to the credit admission evaluation, which significantly affects risk and profitability of creditors. From the computational results, NNs have emerged as a computational tool that is well-matched to the problem of credit classification. Using the GA-based inverse classification, creditors can suggest the conditional acceptance, and further explain the conditions to rejected applicants. In addition, applicants can evaluate the option of minimum modifications to their attributes.     

决策树在贷款客户信用评估中的应用

针对如何在贷款过程中尽可能地降低风险,提出利用决策树理论对客户的基本情况进行分析,建立银行贷款客户信用评估决策树模型。为防止过拟合问题的产生,对最初生成的决策树又利用基于规则的方法进行裁剪修正,使得决策模型不只在训练集上的信用度决策获正确率较高,在相互独立的不同测试集和验证集上都取得令人满意的效果。