本文關(guān)鍵詞：Web服務(wù)QoS自適應(yīng)預(yù)測方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：由于網(wǎng)絡(luò)環(huán)境的開放性、服務(wù)自身負(fù)載的波動(dòng)性、用戶需求的不確定性等復(fù)雜易變的環(huán)境因素,導(dǎo)致Web服務(wù)的服務(wù)質(zhì)量(Quality of service,QoS)呈現(xiàn)出高度的動(dòng)態(tài)性,并且QoS是制約服務(wù)選擇及組合成敗的關(guān)鍵性要素,如何準(zhǔn)確地預(yù)測服務(wù)的QoS已成為服務(wù)計(jì)算與云計(jì)算領(lǐng)域亟需解決的關(guān)鍵問題。用戶使用服務(wù)場景的多樣性、Web服務(wù)QoS數(shù)據(jù)豐富程度的差異性以及QoS預(yù)測方法自身的局限性等因素的影響,使得實(shí)現(xiàn)多種情景下Web服務(wù)QoS的高效預(yù)測成為當(dāng)今研究的重點(diǎn)。針對(duì)多情景中Web服務(wù)QoS高效預(yù)測這一問題,本文構(gòu)建了Web服務(wù)QoS自適應(yīng)預(yù)測模型(Web service QoS adaptive prediction model,WS-QoSAPM)。該模型將QoS預(yù)測分為即時(shí)QoS預(yù)測和一段時(shí)間之后的QoS預(yù)測,分別實(shí)現(xiàn)了不同場景中QoS預(yù)測方法的研究。本文研究內(nèi)容如下:1.在即時(shí)QoS預(yù)測中,提出了基于改進(jìn)蜂群算法(Improved artificial bee colony,I-ABC)優(yōu)化的支持向量機(jī)(Optimized Support vector machine,O-SVM)和事例推理(Case-based reasoning,CBR)的Web服務(wù)QoS預(yù)測方法。根據(jù)實(shí)驗(yàn)結(jié)果構(gòu)建了QoS自適應(yīng)預(yù)測策略:在QoS數(shù)據(jù)量不充分時(shí),選用CBR策略完成QoS預(yù)測;當(dāng)QoS數(shù)據(jù)較為豐富時(shí),采用O-SVM對(duì)QoS進(jìn)行預(yù)測。2.針對(duì)一段時(shí)間之后的QoS預(yù)測,提出了基于O-SVM+CBR和O-SVM+O-SVM的QoS預(yù)測方法。其中,O-SVM+CBR方法使用O-SVM方法實(shí)現(xiàn)負(fù)載的預(yù)測,然后基于CBR方法完成QoS預(yù)測;在O-SVM+O-SVM方法中,同樣使用O-SVM方法完成負(fù)載的預(yù)測,然后基于O-SVM方法對(duì)QoS進(jìn)行預(yù)測。通過實(shí)驗(yàn)分析得到了自適應(yīng)預(yù)測策略:當(dāng)QoS數(shù)據(jù)較少時(shí),選擇基于O-SVM+CBR算法的QoS預(yù)測方法;當(dāng)QoS數(shù)據(jù)較為豐富時(shí),選取基于O-SVM+O-SVM策略的QoS預(yù)測方法。3.結(jié)合上述研究成果,提出了WS-QoSAPM,實(shí)現(xiàn)在不同的應(yīng)用場景中,依據(jù)QoS數(shù)據(jù)量的豐富與否,選取最優(yōu)的預(yù)測方法。本文提出的Web服務(wù)QoS自適應(yīng)預(yù)測模型能夠針對(duì)不同的用戶需求和QoS數(shù)據(jù)特征自適應(yīng)地采用最為合適的QoS預(yù)測方法,有效提升了多情景下Web服務(wù)QoS預(yù)測的效率,能夠?yàn)镼oS感知的Web服務(wù)選擇與服務(wù)組合提供有效的支持。
【關(guān)鍵詞】：Web服務(wù) QoS自適應(yīng)預(yù)測 I-ABC CBR O-SVM
【學(xué)位授予單位】：河南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP393.09
【目錄】：

• 致謝4-5
• 摘要5-7
• Abstract7-12
• 1 緒論12-22
• 1.1 課題研究背景及意義12-13
• 1.1.1 研究背景12-13
• 1.1.2 課題研究意義13
• 1.2 國內(nèi)外研究狀況及分析13-18
• 1.2.1 自適應(yīng)思想研究現(xiàn)狀13-15
• 1.2.2 Web服務(wù)QoS預(yù)測現(xiàn)狀15-18
• 1.3 課題主要研究內(nèi)容及路線18-19
• 1.4 本文組織結(jié)構(gòu)19-20
• 1.5 本章小結(jié)20-22
• 2 理論基礎(chǔ)與相關(guān)方法22-38
• 2.1 Web服務(wù)相關(guān)概念22-26
• 2.1.1 Web服務(wù)的定義22
• 2.1.2 Web服務(wù)的技術(shù)規(guī)范22-24
• 2.1.3 Web服務(wù)的體系架構(gòu)24-25
• 2.1.4 Web服務(wù)的QoS25-26
• 2.2 支持向量機(jī)26-31
• 2.2.1 支持向量機(jī)回歸的基本原理27-29
• 2.2.2 核函數(shù)29-30
• 2.2.3 參數(shù)優(yōu)化30-31
• 2.3 事例推理技術(shù)31-35
• 2.3.1 事例推理的基本原理31-32
• 2.3.2 事例的表示32-33
• 2.3.3 事例的組織與索引33
• 2.3.4 事例的檢索33-34
• 2.3.5 事例的修正34
• 2.3.6 事例的學(xué)習(xí)與更新34-35
• 2.4 人工蜂群算法35-36
• 2.5 本章小結(jié)36-38
• 3 Web服務(wù)QoS即時(shí)預(yù)測方法研究38-58
• 3.1 基于O-SVM的Web服務(wù)QoS即時(shí)預(yù)測方法38-45
• 3.1.1 基于I-ABC的支持向量機(jī)參數(shù)優(yōu)化39-43
• 3.1.2 基于O-SVM的Web服務(wù)QoS即時(shí)預(yù)測算法43-45
• 3.2 基于CBR的Web服務(wù)QoS即時(shí)預(yù)測方法45-49
• 3.2.1 基于CBR的QoS預(yù)測方法構(gòu)建45-47
• 3.2.2 基于CBR的Web服務(wù)QoS即時(shí)預(yù)測算法47-49
• 3.3 實(shí)驗(yàn)及結(jié)論49-56
• 3.3.1 實(shí)驗(yàn)平臺(tái)的搭建49-50
• 3.3.2 O-SVM中關(guān)鍵參數(shù)對(duì)預(yù)測結(jié)果影響的分析50-54
• 3.3.3 CBR中最佳相似歷史事例數(shù)目的確定54
• 3.3.4 Web服務(wù)QoS即時(shí)預(yù)測的自適應(yīng)策略54-56
• 3.4 本章小結(jié)56-58
• 4 一段時(shí)間之后的Web服務(wù)QoS預(yù)測方法研究58-68
• 4.1 基于O-SVM+CBR的Web服務(wù)QoS預(yù)測方法58-61
• 4.1.1 基于O-SVM+CBR的Web服務(wù)QoS動(dòng)態(tài)預(yù)測模型58-59
• 4.1.2 基于O-SVM的Web服務(wù)負(fù)載預(yù)測算法59-60
• 4.1.3 基于O-SVM+CBR的Web服務(wù)QoS預(yù)測流程60-61
• 4.2 基于O-SVM+O-SVM的QoS預(yù)測方法61-63
• 4.3 實(shí)驗(yàn)及結(jié)論63-66
• 4.3.1 Web服務(wù)負(fù)載的預(yù)測63-64
• 4.3.2 Web服務(wù)QoS的預(yù)測64-66
• 4.4 本章小結(jié)66-68
• 5 Web服務(wù)QoS自適應(yīng)預(yù)測模型68-72
• 5.1 Web服務(wù)QoS自適應(yīng)預(yù)測模型68-70
• 5.2 本章小結(jié)70-72
• 6 總結(jié)與展望72-74
• 6.1 論文總結(jié)72
• 6.2 展望72-74
• 參考文獻(xiàn)74-80
• 作者簡歷80-82
• 學(xué)位論文數(shù)據(jù)集82

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 李力;沈冰;李榮峰;趙長森;;水電站入庫徑流量的灰色自記憶預(yù)測方法研究[J];應(yīng)用科學(xué)學(xué)報(bào);2007年02期

2 蔣官澄;張衛(wèi)行;吳雄軍;王曉軍;;一種新的油層敏感性預(yù)測方法研究[J];計(jì)算機(jī)仿真;2011年09期

3 胥少卿;羅強(qiáng)一;梁帥;;區(qū)間型時(shí)間序列數(shù)據(jù)的點(diǎn)預(yù)測方法研究[J];系統(tǒng)仿真學(xué)報(bào);2010年03期

4 ;[J];;年期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前3條

1 毛國敏;鄒其嘉;顧建華;封長華;;地震人員傷亡預(yù)測方法研究及其應(yīng)用[A];中國地震學(xué)會(huì)第六次學(xué)術(shù)大會(huì)論文摘要集[C];1996年

2 彭晨蕊;高斌;劉星;郭淵明;;城市規(guī)劃中的需水量預(yù)測方法研究[A];規(guī)劃創(chuàng)新：2010中國城市規(guī)劃年會(huì)論文集[C];2010年

3 胡敏;趙春標(biāo);;基于神經(jīng)網(wǎng)絡(luò)的工業(yè)經(jīng)濟(jì)預(yù)測方法研究[A];2011下一代自動(dòng)測試系統(tǒng)學(xué)術(shù)研討會(huì)論文集[C];2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前7條

1 李永耀;基于全矢-AR模型的旋轉(zhuǎn)機(jī)械故障趨勢(shì)預(yù)測方法研究[D];鄭州大學(xué);2015年

2 楊瑜;Web服務(wù)QoS自適應(yīng)預(yù)測方法研究[D];河南理工大學(xué);2015年

3 李永;城市空間動(dòng)態(tài)預(yù)測方法研究[D];山東師范大學(xué);2010年

4 彭彪;基于神經(jīng)網(wǎng)絡(luò)的匯率預(yù)測方法研究[D];南京信息工程大學(xué);2008年

5 汪惠;基于小波的企業(yè)管理預(yù)測方法研究[D];北京工業(yè)大學(xué);2003年

6 賈雪;基于EMD-ESN的智能預(yù)測方法研究[D];鄭州大學(xué);2013年

7 劉文富;快速響應(yīng)客戶需求的訂單交貨期預(yù)測方法研究[D];浙江大學(xué);2006年

  本文關(guān)鍵詞：Web服務(wù)QoS自適應(yīng)預(yù)測方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：266777