论文部分内容阅读
在具有动态性、虚拟计算和分布计算等特点的云计算环境中，如何采信云服务的可信度评价历史数据并由此挖掘最大的参考价值，是当前云服务的信任机制研究面临的一个关键问题。提出了一种云服务可信度评价的个性化推荐与融合方法，该方法从云服务的个性化特征分析入手，利用相似性评估函数建立以最佳推荐对象为核心的模糊聚类，将其作为个性化推荐目标，接着引入证据理论，通过逐步求精识别伪证据，过滤不可靠的可信度评价，最后，结合个性化特征加权系数，以一种新的相关证据融合公式实现可信度评价的数据融合。仿真实验和分析表明，本文方法具有良好的自适应性，能够为带有明显个性化特征的云服务使用者推荐具有较高价值的参考数据，从而提高服务可信度评价的准确度。