基于位置最近鄰與矩陣分解的web服務(wù)qos預(yù)測研究

《基于位置最近鄰與矩陣分解的web服務(wù)qos預(yù)測研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、分類號密級ＵＤＣ編號中鐘換大考芽碩±學(xué)位論文基子化置棄巧＞鄰與矩睞分解的Ｗｅｂ化務(wù)ＱｏＳ頑測研義學(xué)位申請人姓名：徐擊申請學(xué)位學(xué)生類別：全巧制巧壬申請學(xué)位學(xué)科專業(yè)；運(yùn)著睪與控４＾Ｉ指導(dǎo)教師姓名；董才襪乂援碩壬學(xué)位捷文ＭＡＳＴＥＲＳＴＨＥＳＩＳ碩±學(xué)位論文基于位置最近鄰與矩陣分解的Ｗｅｂ服務(wù)ＱｏＳ預(yù)測研究論文作者：徐李指導(dǎo)教師：董才林教授學(xué)科專業(yè)：運(yùn)籌學(xué)與控制論研究方向：智能計(jì)算與信息處理華中師范大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)學(xué)院２０１６年５月

2、碩去學(xué)位論文’ＭＡＳＴＥＲＳＴＨＥＳＩＳＲｅｓｅａｒｃｈｏｎＷｅｂＳｅｒｖｉｃｅｏＳＱＰｒｅｄ－ｎｅａｒｅｓｔｉｃｔｉｏｎｂａｓｅｄｏｎＬｏｃａｔｉｏｎＮｅｉｈｂｏｒａｎｄＭａｔｒｉｘＦａｃｔｏｒｉｚａ杜ｏｎｇＡＴｈｅｓｉｓＳｕｂｍｉｔｅｄｉｎＰａｒｔｉａｌＦｕｌｉｌｌｍｅｎｔｏｆｔｈｅＲｅｕｉｒｅｍｅｎｔｆｑＦｏｒ化￡Ｍ．Ｓ．ＤｅｇｒｅｅｉｎＭａｔｈｅｍａｔｉｃｓＢｙＸｕＬｉＰｏｓｔｒａｄｕａｔｅＰｒｏｒａｍｇｇＤｅｐａｒｔｍｅｎｔｏｆＭａｔ

3、ｈｅｍａｔｉｃｓａｎｄＳｔａｔｉｓ材ｃｓＣｅｎｔｒａｌＣｈｉｎａＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙＳｕｅｒｖｉｓｏｒ：ＤｏｎＣａｉＬｉｎｐｇＡｃａｄｅｍｉｃＴｉｔｌｅ：ＰｒｏｆｅｓｓｏｒＳｉｎａｔｕ＂：ｇＡｒｏｖｅｄｐｐＭａ２０１６ｙ，碩去學(xué)位論文＇ＳＴＥＲＳＴＨＥＳＳＭＡＩ華中種苑大學(xué)學(xué)佐奮文居創(chuàng)牲弄巧和使巧援權(quán)說巧居創(chuàng)巧弄巧本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的研巧成果。除文中已經(jīng)標(biāo)明引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已

4、經(jīng)發(fā)表或撰寫過的研究成果。對本文的研巧做出貢獻(xiàn)的個(gè)人和集體，均已在文中Ｗ明確方式標(biāo)明。本聲明的法律結(jié)果由本人承擔(dān)。／？作者簽名：日期：＞啼］月４日學(xué)佐沁文化權(quán)使巧投權(quán)書學(xué)位論文作者完全了解華中師范大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期間論文工作的知識產(chǎn)權(quán)單位屬華中師范大學(xué)。學(xué)校有權(quán)保留并向國家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許學(xué)位論文被査閱和借閱；學(xué)?？晒紝W(xué)位論文的全部或部分內(nèi)容，可允許采用影印、縮印或其它復(fù)制手段保存、匯編學(xué)位論文。（保密的學(xué)位論文在解密后遵守此規(guī)定）：

5、。保密論文注釋本學(xué)位論文屬于保密，在年解密后適用本授權(quán)書。非保密論文注釋：本學(xué)位論文不屬于保密范圍，適用本授權(quán)書作者簽名：（巧、巧導(dǎo)戀名：曰期：是年月功日曰期：＞的＾年玄仁曰＂ＣＡＬ’’本人已經(jīng)認(rèn)真閱讀ＩＳ髙校學(xué)位論文全文數(shù)據(jù)庫發(fā)布章程同意將本人的，學(xué)位論文提交＂＂“＂ＣＡＬＩＳ髙校學(xué)位論文全文數(shù)據(jù)庫中全文發(fā)布，并可按章程中的規(guī)一年定享受相關(guān)權(quán)益。同意論文提巧后滯后：□半年：□：□二年發(fā)布。作者姓名：導(dǎo)師姓名：娘弓曰期＾抑年月）曰曰期：焊月又足曰少Ｊｔ戶少碩壬學(xué)位論文＇ＭＡＳＴＥＲＳＴＨ

6、ＥＳＩＳ摘要隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，Ｗｅｂ服務(wù)作為面向服務(wù)的體系架構(gòu)模式的最佳實(shí)、踐方式，服務(wù)為中也，被用來提供新的網(wǎng)絡(luò)服務(wù)的互聯(lián)網(wǎng)新時(shí)代正在到來。在這種環(huán)境下，服務(wù)數(shù)量呈現(xiàn)出爆炸式的増長，海量的服務(wù)被部署在各種云中也和網(wǎng)絡(luò)環(huán)境中，傳統(tǒng)的服務(wù)發(fā)現(xiàn)和選擇方式已不能滿足用戶的需求。基于此，服務(wù)推薦技術(shù)應(yīng)用而生。服務(wù)推薦技術(shù)實(shí)現(xiàn)了由被動(dòng)接受用戶請求向主動(dòng)感知用戶需求的轉(zhuǎn)。變，能夠?qū)⒂脩魪暮Ａ康姆?wù)中解脫出來，為用戶提供精準(zhǔn)推薦一由于網(wǎng)絡(luò)的不穩(wěn)定性和不同用戶所處的網(wǎng)絡(luò)環(huán)境的不同，同Ｗ洗服務(wù)對不同的用戶可能具有

7、不同的ＱｏＳ值。而且，讓所有用戶調(diào)用全部的待選服務(wù)從而選擇出最優(yōu)的Ｗ洗服務(wù)又是不切實(shí)際的。因此對Ｗ洗服務(wù)進(jìn)行ＱｏＳ預(yù)測Ｗ輔助服務(wù)推薦一系統(tǒng)進(jìn)行更好的推薦成為了個(gè)亟待解決的問題。本文主要研巧了Ｗｅｂ服務(wù)ＱｏＳ預(yù)測問題，對當(dāng)前常見的Ｗ洗服務(wù)ＱｏＳ預(yù)測方法進(jìn)行了梳理，對其中存在的問題進(jìn)行了分析。由于Ｗ沈服務(wù)的ＱｏＳ與用戶的位置信息具有很大的相關(guān)性一ｅｂ服，我們提出了種基于位置最近鄰與矩陣分解的Ｗ務(wù)ＱｏＳ預(yù)測方法。具體而言，本文的主要研巧內(nèi)容和貢獻(xiàn)有下幾點(diǎn)：ｂ服。首先，我們介紹了Ｗｅ務(wù)及推薦系統(tǒng)的相關(guān)理論論述了Ｗｅ

8、ｂ服務(wù)，服務(wù)質(zhì)量ＱｏＳ的基本概念，對推薦系統(tǒng)的分類和主要的推薦算法進(jìn)行了說明，并討論了當(dāng)前推薦系統(tǒng)中面臨的主要問題。其次，我們介紹了傳統(tǒng)的矩陣分解技術(shù)和相似性計(jì)算算法