摘要
第1章 绪论
1.1 课题背景
1.2 相关概念
1.2.1 Web服务
1.2.2 服务的QoS
1.2.3 服务组合与服务选择
1.3 关键技术与国内外研究现状
1.3.1 QoS预测
1.3.2 基于QoS的服务选择
1.3.3 聚类算法
1.4 图挖掘算法概述
1.4.1 图挖掘算法与社交网络
1.4.2 图摘要算法
1.5 本文工作
1.6 文章结构
1.7 本章小结
第2章 总体设计
2.1 问题与挑战
2.2 QoS的图模型定义
2.2.1 加权二部图模型
2.2.2 QoS的多维加权二部图模型
2.2.3 问题定义
2.3 基于图摘要的OoS预测与服务选择系统设计
2.4 各模块说明
2.4.1 用户聚类生成器
2.4.2 聚类特征计算模块
2.4.3 聚类skyline预处理模块
2.4.4 用户分类器
2.4.5 QoS预测器
2.4.6 skyline在线计算模块
2.5 本章小结
第3章 基于图摘要的用户聚类算法
3.1 概述
3.2 图摘要用户聚类算法描述(LAC)
3.2.1 定义
3.2.2 自底向上的聚类算法
3.2.3 自顶向下的聚类算法
3.2.4 对多维QoS的扩展
3.3 算法分析
3.3.1 算法复杂度
3.3.2 算法的启动与终止
3.3.3 聚类结果
3.4 本章小结
第4章 聚类结果处理与用户分类
4.1 聚类结果处理
4.1.1 聚类QoS矩阵
4.1.2 用户特征统计
4.1.3 聚类skyline预处理
4.1.4 离线计算结果
4.2 用户分类器
4.2.1 算法原理
4.2.2 贝叶斯定理和朴素贝叶斯假设
4.2.3 基于用户特征的用户分类器实现
4.3 对用户聚类算法的优化
4.4 本章小结
第5章 基于用户聚类的QoS预测与skyline计算
5.1 QoS预测
5.1.1 在线计算模块概述
5.1.2 基于用户聚类的QoS预测算法
5.1.3 算法分析
5.2 聚类辅助的改进skyline算法
5.2.1 离线的聚类特征skyline计算
5.2.2 在线skyline计算
5.3 本章小结
第6章 实验与分析
6.1 QoS预测
6.1.1 算法准确率和效率
6.1.2 冷启动预测
6.1.3 聚类参数的影响
6.2 skyline计算
6.3 本章小结
第7章 总结与展望
7.1 工作总结
7.2 未来展望
参考文献
攻读硕士学位期间主要的研究成果
致谢