服务互联网环境下基于需求/服务模式的服务定制方法

来源 :华侨大学 | 被引量 : 0次 | 上传用户:myxzm
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着云计算和物联网等技术的发展,服务化成为软件的主要形态。越来越多的软件服务被开发和部署在互联网上,同时还有大量的虚拟化服务连接现实世界中各种物理服务资源,这些海量的服务通过特定的方式链接在一起形成服务互联网。在服务互联网环境下针对复杂的用户需求,为了实现服务体系的正常运营,服务组合优化技术成为解决这个问题的方法。目前传统的服务组合方法大多针对单一用户需求,在面对大量的同时出现的个性化需求时都是从原子服务出发单独为每个需求构造服务组合方案,服务定制的效率有待提升。同时现有的服务组合方法都是从用户需求一侧出发,选取最优的服务解决方案提供给用户,没有考虑到服务提供者的成本问题。为解决上述问题,在服务互联网环境下本文提出了一种基于需求/服务模式的服务定制方法,相关研究成果如下:(1)基于需求/服务模式的个性化服务定制方法。该方法首先利用模式挖掘算法构建面向领域/跨领域的需求模式库/服务模式库并建立每对需求模式/服务模式的匹配关系;之后,利用遗传算法在需求模式库中找到一个最佳的需求模式集来代替用户需求;最后,利用第一步中建立的需求模式-服务模式匹配概率,找出最佳的服务模式集并以此生成满足用户需求的服务解决方案。在实验阶段通过对比本文提出的算法与其它服务组合算法的服务组合方案构建效率验证了所提出的算法的优越性。(2)支持个性化需求的服务网络构建方法。该方法是对基于需求/服务模式的个性化服务定制方法的进一步扩展,用来处理大规模用户需求下的服务定制成本问题。方法中首先利用服务水平协议对海量用户需求进行排序,之后采用一种迭代增强的策略来构建服务网络。通过定制服务网络中具体的服务子网来生成服务解决方案,从而尽可能通过服务网络中原子服务的复用来实现成本有效的服务定制。实验阶段通过对比本文所提出的算法与其它服务定制算法的服务收益以及服务构建效率验证了所提出算法的有效性。(3)论文最后实现了一个基于服务网络构建和执行的原型系统,并分析了所提出的算法在旅游服务平台的应用过程。
其他文献
等离激元分子(PMs)类似于原子与分子系统,通过在人工设计组装的结构里不同的表面等离激元模式之间通过强耦合作用的情况下所形成具有共有化行为的纳米结构。在之前的研究中,传统贵金属材料(比如金与银)通过设计处理成各个形状的颗粒(如圆球、圆环、圆盘和三角形等)通过规则排列被广泛构成不同的等离激元分子结构。并且,在此结构下所计算的消光光谱中,两种相位相反的模式(即亮模式与暗模式)在共振频率范围内进行重叠,
学位
伴随着互联网技术的不断革新和5G时代的到来,人们越来越倾向在网络上浏览商品和购买各种生活用品,同时发表自己对各种商品的看法和使用感受。这些评论中含有用户丰富的主观性看法,可以分析评论后提取到用户的情感倾向,从而对商品做出有效的改进。目前电商评论文本情感分析还存在词向量情感表达不准确,评价对象没有抽取导致的情感分析力度粗等问题,本文的主要工作如下:(1)针对Skip-Gram模型生成的词向量不能区分
学位
在现代光信息的研究中,光学微谐振腔占据着重要的地位。近年来,回音壁模式(whispering-gallery-mode,WGM)光学微谐振腔以其高品质因子和小模体积的特性,成为光学研究中的热门对象。在以往的WGM微腔耦合激发系统中,锥形光纤耦合的方式以其高效率被广泛应用,然而锥形光纤耦合系统稳定性差,且锥形光纤本身结构脆弱,耦合时极易受到外界环境的干扰,限制了WGM微腔的实用化。微结构光纤是一种二
学位
近年来,基于微纳米光纤的光学传感器因其高灵敏度、快速响应和小尺寸等优点得到研究者的广泛关注。基于微纳光纤的各类型光学传感器因器件结构及微纳光纤结构参数不同,而存在较大差异。本文搭建双锥微光纤浓度传感和螺旋微光纤温度传感实验平台,系统分析微光纤结构参数对两种传感器的响应曲线的影响;应用反向传播神经网络网络算法(Backpropagation neural network,BPNN)预测了结构参数不同
学位
随着互联网承载的信息量爆炸式增长,用户对信息推荐的个性化需求变得越来越大。个性化信息推荐的出现,能够有效地帮助用户获取准确的信息。然而,传统协同过滤推荐方法在挖掘用户及项目信息方面依然存在数据稀疏和过载问题,这些都限制了推荐结果的精准性。利用知识图谱中丰富的语义关系的优势可以为基于人物的个性化信息推荐设计提供更有效的途径,并逐渐成为学者们研究的重点。本文主要研究基于知识图谱的个性化信息推荐,重点研
学位
锂离子电池(lithium battery)凭借体积小、高比能量等优秀的性能表现及可靠的安全性已经成为当前应用最广泛的电能存储单元。与此同时,随着生产工艺的不断发展,对锂电池的品质要求也越来越高。然而在流水线生产过程中,由于工艺缺陷、物体碰撞或挤压造成的电池外观缺陷往往很难避免。当前企业的解决方案多为安排专门的质检员按照缺陷类别进行分拣。该方法不但人力成本高,且分类结果受主观性影响大,不利于根据分
学位
近年来,图像自动标注成了当下机器学习最热门的研究方向之一。图像自动标注技术能够将互联网上海量的图像信息转换为文本信息,方便进行图像检索、图像分类等应用。现在主流的图像自动标注模型大部分都采用深度学习网络构建而成,这些模型基于编码器—解码器框架,在编码器阶段利用卷积神经网络提出图像特征,在解码器阶段利用循环神经网络对图像的特征进行解码并且生成对图像的描述语句。本文将分别从编码器和解码器两个部分对其进
学位
随着技术的进步和社会的发展,高质量的图像为人们的生产生活提供着更多的便利。但图像在采集、传输和显示等过程中易产生失真现象,影响图像质量,因此对图像质量评价算法的研究具有重要意义。目前评价算法按依赖参考信息的程度可以分为全参考,部分参考和无参考图像质量评价,其中无参考图像质量评价算法由于完全不依赖参考信息,在实际场景中应用最为广泛。图像对比度失真是数字图像中一种常见的失真类型,然而目前研究人员针对图
学位
基于数据驱动的频域载荷识别技术在现代工程设计,可靠性试验,振动控制等方面具有广泛的应用范围。但在载荷识别过程中往往存在着不适定问题导致识别精度下降,而神经网络可以很好地缓解不适定问题,但是基于神经网络的载荷识别方法存在模型训练时间长,效率低,精度不高的问题。根据传递函数在频域的连续性,本文提出利用迁移学习,提高目标域的神经网络载荷识别模型的训练效率和识别精度,主要研究内容包括:(1)针对基于神经网
学位
红外图像可以在光线条件不好的情况下更加清晰的捕捉人脸信息,因此在实际应用场景中,红外图像的人脸识别也逐渐成为学界研究的热点之一。大量针对红外图像的识别算法被提出,并且达到了优异的性能。然而在实际应用场景中,人们发现经常会出现跨域识别的情况,即数据库中存储的是红外图像,而在特定条件下采集的人脸图像却是可见光图像,或者库中的数据为可见光图像,但采集的图像是红外图像,这种情景在安防领域经常出现。在此背景
学位