环境感知自适应组合服务(EACS)系统是一种支持运行时服务调整的组合服务系统,这种系统对系统运行的环境进行监测,并根据监测结果分析,当发现某一服务质量可能导致整个组合服务质量不满足用户需要时,对该服务进行替换等合适的处理操作以保证整个组合服务的服务质量。对于这种环境感知自适应组合服务系统,环境感知是自适应的基础,其中环境感知的主要目标是通过对环境监测结果的分析识别,而得到系统中各个服务的状态,这一过程就是本文要研究的问题。本文经过对环境感知自适应组合服务系统中环境感知的需求分析,提出了一种基于上下文分类器的环境感知方法框架,并选择了HMM(隐马尔科夫模型)作为上下文分类器的分类识别模型,设计了一种基于关键变化的上下文构造及分类方案,这种方案可以减少分类器的模型匹配次数,提高分类器的运行效率。本文同时进一步对HMM模型的使用、负责模型数据预处理的矢量量化器的结构以及构建方法进行了详细研究,并且通过实验选择出适合本文使用的矢量量化器中码字数目；本文还给出了基于关键变化的上下文构造方案,设计了关键变化分析、关键变化生成、训练序列选取等一系列算法,最后通过一个实验对整个方法进行测试,证明了整个环境感知方法的可用性。