基于混合协同过滤的Web服务QoS预测方法

为了解决由于服务质量(QoS)历史数据缺失而造成基于QoS的Web服务选择无法得到满意结果的问题,提出一种基于混合协同过滤的Web服务质量预测方法.该方法根据目标用户和目标服务自身特性和相关区域信息,选用不同的预测方法计算缺失的QoS值.如用户(或服务)属于特殊用户类(或特殊服务类),或者服务对区域敏感,则采用基于用户和基于服务的预测方法.否则,利用改进后的欧氏距离测量服务和用户的相似度,并通过引入平衡因子整合基于用户和基于服务的2种不同预测方法.基于真实公开的数据集的实验结果表明,该方法具有较高的Web服务QoS的预测精度,尤其在历史QoS数据稀疏情况下.     

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.     

一种基于Web用户访问模式的矩阵聚类算法研究

针对用户访问Web资源时难以获取感兴趣信息的状况,通过分析用户需求,采用优化的矩阵聚类算法,对用户群和页面进行聚类,以理解用户的行为,发现用户的访问模式,从而改善Web服务质量。实验结果表明该方法是可行的,能够更准确的反映网站的访问情况;根据发现用户访问的Web页面的浏览模式,进一步分析和研究Web日志记录中的规律,从而改进Web站点的性能和组织结构,以便Web站点能实现个性化服务。     

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。     

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。     

采用服务聚类的语义服务发现

如何从大规模的服务集合中快速、准确发现目标服务是应用Web服务的关键问题。针对目前UDDI中粗糙的分类方法的缺点,采用语义Web服务基于服务功能聚类的方法对服务集合进行功能聚类。为提高服务发现准确度,在对服务功能匹配的基础上,将服务的过程模型转换为Petri网结构,并将此结构按照基于用户需求中潜在的过程模型进行模型匹配聚类。通过预先的聚类和两层筛选,来提高服务查询的精度和效率。     

具有QoS的多层次Web服务发现模型

针对现有Web服务发现中由于缺乏语义信息而造成服务查全率和查准率不高的问题,设计了语义Web服务发现模型.该模型将服务发现分为3个层次,通过基本信息、功能信息的匹配以及QoS度量模型对候选服务进行选择并得到所需的服务.该模型引入了本体、概念语义相似度和服务质量控制,提高了服务发现的精度.     

基于Web日志的用户访问模式挖掘

随着数据挖掘和万维网技术的结合,使得从收集到的访问 Internet网页的网站日志记录中执行数据挖掘成为可能.将数据挖掘技术应用于 Web日志记录,来发现用户访问 Web页面的模式,便形成了 Web访问模式挖掘. Web访问模式挖掘是从 Web访问日志中挖掘有用的用户访问信息,用于找出头 N个用户,头 N个被访问页面,最频繁访问时间以及关联模式、序列模式、聚类模式、分类模式和 Web访问趋势等,这对于优化站点结构、为不同类别的用户提供个性化服务,有效地实现信息获取和信息推送是非常必要的. Web访问模式挖掘是目前数据挖掘领域的热点,详细论述了 Web访问模式挖掘的概念、方法和过程.     

基于服务交互图的操作组群服务发现

随着网络发布的Web服务数量急剧增加,面对数量庞大的服务群,如何从海量的Web服务中快速、准确、高效发现满足用户需求的服务已成为亟待解决的问题。针对传统的服务发现准确性不高,发现方法效率低下的现状,本文提出了一个基于服务交互图的操作组群发现的方法。利用聚类技术,从服务行为相似的层面对服务进行聚类预处理,从而大大缩小服务检索范围,提高服务匹配的时间。并在服务匹配过程中,基于服务交互图的操作组群挖掘,从而可以提高查找的精确度。最后,利用仿真实验对所提出的方法进行验证.     

支持语境约束的语用Web服务组合模型研究

语境信息在语用Web服务提供过程中起着重要的作用.该文提出了一种适用于语用Web服务组合的语境信息使用模式,并在此基础上建立了语境敏感的语用Web服务组合模型.通过该模型,服务组合平台能够以统一的方式对语境信息提供支撑,并满足服务运行时的语境敏感需求.模型将语境信息参数量化为对服务QoS的期望影响值来决定服务的选取,在一定程度上解决了语境信息对服务影响的多样化和难以度量的问题.     

混合QoS感知的服务组合群决策

为解决具有混合服务质量(QoS)和多决策者的服务组合难题,基于多属性群决策理论,提出了混合QoS感知的web服务组合群决策(GDMA_HQoS)算法,该算法支持多决策者和具有混合QoS信息(实数、区间数、三角模糊数、直觉模糊数)的服务组合.给出了新QoS指标描述方法和QoS聚合算法.实验结果表明,该算法能较好地应用在混合QoS和多决策者的服务组合中,同时也具有较高的执行效率.     

混合QoS聚类的服务组合

为了有效解决混合数据类型描述服务质量（QoS）和服务组合计划规模较大情况下的服务选择问题,提出一种基于多属性决策理论的混合QoS聚类的web服务组合算法(CHQoS_WSCA). 该算法不仅能够评估以实数、区间数、三角模糊数、直觉模糊数描述的QoS信息,还能有效解决组合计划规模较大时算法的性能问题. 介绍了一个新的web服务QoS模型,能够描述实数、区间数、三角模糊数、直觉模糊数表示的QoS信息和一种异构QoS聚合算法. 仿真实验结果验证了该算法的优越性和有效性.     

认知无线电网络中的分布式动态频谱共享

研究了基于认知无线电技术的动态频谱共享,基于重复博弈理论设计了一种分布式动态信道接入和功率分配算法。在不影响主用户通信的情况下,每个认知用户能够根据自己的QoS需求和本地信息进行分布式信道选择和功率分配,在系统频谱效率和业务QoS之间进行有效折中。该算法具有较好的收敛性,能最大程度地满足用户的业务需求,更适用于异构网络和业务的应用。     

基于社会网络的电子商务信任社区聚类模型

采用社会网络分析的方法建立电子商务信任社区聚类模型,讨论信任网络构建问题,进行信任网络社区聚类分析.通过互信息方法构建信任信息度,采用直接信任信息度和全局信任信息度描述主体之间的信任程度.提出使用信任社区聚类的方法分析用户最信任的网络关系,采用聚类系数和全局信任信息度进行信任社区聚类分析,给出电子商务信任社区聚类优化算法.实验表明,利用该方法构建的信任社区聚类模型能够反映电子商务主体间接的信任关系,与现有的其他方法相比,该模型具有较高的精确度.     

A quality of service routing protocol based on mobility prediction in mobile ad hoc networks

1　ＩＮＴＲＯＤＵＣＴＩＯＮＱｕａｌｉｔｙｏｆｓｅｒｖｉｃｅ (ＱｏＳ)ｗｉｔｈｔｒａｎｓｍｉｔ ｔｉｎｇｍｕｌｔｉｍｅｄｉａｉｎｆｏｒｍａｔｉｏｎｉｓａｋｅｙｔｅｃｈｎｏｌｏｇｙｉｎｔｈｅｎｅｘｔｇｅｎｅｒａｔｉｏｎｎｅｔｗｏｒｋｓ.Ａｔｔｈｅｓａｍｅｔｉｍｅ ,ｉｔｉｓａｈｏｔｉｓｓｕｅｉｎｎｅｔｗｏｒｋｒｅｓｅａｒｃｈ[1,2 ] .Ｍｏｂｉｌｅａｄｈｏｃｎｅｔｗｏｒｋｓ (ＭＡＮＥＴ)ｉｓａｓｐｅｃｉａｌｗｉｒｅｌｅｓｓｎｅｔｗｏｒｋ ,ｗｈｉｃｈｉｓａｍｕｌｔｉ ｈｏｐｔｅｍｐｏ ｒａｒｙａｕｔｏｎｏｍｏｕ…     

基于遗传算法的自组网QoS路由协议

针对大多数自组网Qos路由协议只支持单个QoS参数，支持多个QoS参数的却很少，对自组网QoS路由协议进行了研究，并提出了一种基于遗传算法的自组网Qos路由协议（GAQR），使用了两个QoS参数．通过仿真实验表明，GAQR协议在分组传输率和时延上性能比Q-AODV协议优越．     

联合模型初始化独立谱聚类算法

针对原始谱聚类算法初始化敏感的缺点,提出了一种基于联合模型的初始化独立谱聚类算法并将其用于图像分割．通过引入联合模型可以充分利用待聚类数据所包含的空间邻近信息和特征相似性信息,得到更精确的聚类结果;通过引入K-调和平均算法克服了原始谱聚类算法对初始化的敏感性,从而得到更稳定的聚类性能．最后,通过对纹理图像和合成孔径雷达图像分割验证了新算法的有效性．     

基于深度强化学习的超密集网络中多用户上行功率控制方法

针对超密集网络中由于用户数量多、相互距离近,通信过程中彼此之间干扰大,导致频谱利用率不高的问题,建立了通过优化控制发射功率同时提升系统信息容量和满足服务质量的用户数量的优化问题. 由于该问题非凸且功率控制为离散变量,将其建模为马尔科夫决策过程. 在此基础上,提出了基于深度强化学习的功率控制算法,并设计了相应的动作空间、状态空间及奖励函数. 仿真结果表明,所提算法与最大发射功率策略和随机发射功率策略相比,分别提高了至少15.9%的信息容量和至少10.7%的用户服务质量满足率. 与不考虑用户服务质量满足率提升的算法相比,所提算法通过适当降低信息容量,提升了用户服务质量满足率.     

面向QoS需求的分簇自组织网络路由算法

基于分布式分簇的网络管理架构,网络节点可以被划分成多个管理域,并由相应区域的簇首进行协同管理。为实现分布式网络场景中,业务差异化的服务质量（QoS）需求与多维度网络资源之间的高效按需匹配,提出了一种基于强化学习的路由调度算法,以降低端到端的时延和防止网络拥塞为目标,优化调度路径。所提算法可以通过簇首集中式和节点分布式2种方式实现,可以解决分布式环境下全局资源信息不完备的问题,有效保证跳变环境下网络的健壮性。将100个节点划分为4个管理域进行仿真验证。仿真结果表明,所提算法可以有效地降低业务的平均时延,并且在业务拒绝率、网络资源利用率方面均优于传统方法。     

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。