收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于QoS的个性化云服务推荐方法研究

张雪洁  
【摘要】:云计算是一种新型的基于互联网的计算,即共享资源、软件和信息以服务的方式按照需求提供给用户和其他设备。云环境中,由于服务所处位置和通信链路不同,即使调用同一个服务,不同的用户对服务的Qo S体验有可能不同。而且,随着云计算技术的不断发展,网络上功能相同质量不同的服务数量不断增长,为用户推荐满足其个性化需求的云服务已成为云计算领域最重要的挑战之一。为给用户提供满意的个性化的云服务推荐,建立有效准确的Qo S性能预测方法是十分关键的问题。本文在分析总结已有工作的基础上,做了以下几方面的工作:1)将基于模型和基于内存的方法结合,提出基于混合协同过滤的的个性化云服务Qo S预测方法。基于模型的协同过滤算法能快速产生推荐,预测Qo S值时效率很高,在线性能很好,但新用户或项加入矩阵时要重新执行模型。基于内存的协同过滤算法实现容易,预测精度较高,所需训练成本较小,很容易考虑新用户的评价,但存在数据稀疏性和扩展性问题,在线性能低。针对云计算动态的环境和大量的用户与服务,本文将基于模型和基于内存的方法结合,提出基于聚类模型和基于内存混合的个性化云服务Qo S预测方法,将用户的期望、评分和服务的Qo S信息量化描述,基于主观离散的和客观连续的Qo S数据对云服务质量进行预测。最后采用真实数据的实验展示该方法较已有方法提高了Qo S预测的准确性。2)在预测过程中考虑情境因素,提出个性化情境感知的云服务Qo S预测方法。对于相同服务,由于情境因素的影响,不同用户具有不同的Qo S体验。为此,本文提出一种个性化情境感知的服务预测方法。在基于混合协同过滤的个性化云服务Qo S预测方法的基础上,增加了对服务和用户所处地理位置情境因素的考虑。首先根据用户的地理位置和历史Qo S相似性将他们聚类成几个区域。然后,识别出区域敏感的服务。之后,对于一个活动用户,采用与其所在区域相似的所有用户区域的Qo S数据自动预测候选服务的Qo S值。最后采用真实数据的实验展示考虑情境因素提高了预测的准确性,同时研究了情景因素对服务质量预测的影响。3)分析预测过程中的不确定性,提出云计算中Qo S预测的信心模型。在云计算环境中,由于云服务的分布性和动态性,收集的Qo S数据量和数据值会有波动。根据少量数据或数值变化很大的数据预测Qo S都是不可靠的。而且,数据收集的时间因素也会影响预测的可信度,根据新近数据预测的结果更有说服力。为使预测的结果更准确可信,必须处理预测过程中出现的这些不确定性。所以,本文提出一个概率模型,量化Qo S预测中的信心,对Qo S预测结果附加一个信心值,这样,推荐给用户的服务更可能满足用户的需求。这里的信心模型考虑了三个可靠性度量:○1预测中需要用到的所有Qo S数据项的数量;○2数据项中数据值的变化情况;○3数据随时间的衰减情况。并通过仿真实验验证三个度量值对预测可信性的影响。实验验证在推荐过程中增加信心模型,能够更好的推荐服务给用户,增加了用户的总体效用。4)同时考虑多个Qo S属性,提出基于多Qo S属性预测的云服务推荐方法。本文以实例说明已有预测方法在多属性质量预测时存在的局限性,然后改进预测方法。在选择预测数据时,考虑用户对不同属性的期望需求,选择同时满足多个属性需求的数据进行预测,避免了Qo S属性独立预测再聚合产生的与实际不符的问题。因为监视数据是异步获取的,所以在选择预测数据时要处理这些异步的多属性数据,本文采用k NN方法预测异步获取的数据中缺失的属性值。最后,根据预测结果和预测信心值对服务进行排序,推荐给用户。本文提出的改进混合k NN推荐方法HSIk NN,在预测前对预测数据进行了处理,在排序时考虑了预测的信心,能够根据用户期望处理多服务包。仿真实验验证,HSIk NN方法预测的准确性、计算的有效性、异步数据对预测算法的影响以及k NN方法中k值对预测的影响。该方法提高了云服务推荐的准确性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 李玉安;;读者需求的预测方法[J];高校图书馆工作;1987年03期
2 ;情报研究中的广义量化预测方法[J];情报杂志;1992年03期
3 ;经济预测方法[J];情报知识;1983年02期
4 Djordje.S.Paunovic;叶毓秀;;地面移动通信系统规划中场强预测方法的选择[J];计算机与网络;1986年01期
5 R.Grosskopf ,胡宇梅;米波段场强各种预测方法的比较[J];广播电视技术专辑;1987年S1期
6 刘淮;完善电话需要量预测方法的刍议[J];电信工程技术与标准化;1991年03期
7 石碰,王洪桥,韩志刚;多模型择优预测方法及其应用[J];信息与控制;1989年05期
8 袁其升;;常用预测方法的模糊综合评判模型[J];河北机电学院学报;1992年01期
9 李峰,刘静延,蒋录全;预测方法的发展及最新动态[J];情报杂志;2005年06期
10 潘尚新;一种新的预测方法——灰色预测[J];现代邮政;1988年02期
11 孙振玉;对现代科技情报研究方法论的思考与实践[J];情报理论与实践;1988年02期
12 郭俊义;情报研究中的广义量化预测方法[J];情报理论与实践;1992年03期
13 陈冬冬;彭其渊;;一组预测方法的比较分析[J];计算机工程与应用;2009年26期
14 巢蕾;殷璇;李阳;;野外环境下通信装备故障预测方法[J];兵工自动化;2012年03期
15 黄禹钦;;长销教材销售量的一种预测方法[J];科技与出版;2008年08期
16 许立达;;科学技术的预测和评价[J];情报科学;1980年01期
17 王少波;郑泽俭;冯传奋;;一种改进的WLAN业务预测方法[J];山东通信技术;2014年01期
18 冯铭瑜;黎玮;王真;;试飞参数测试系统校准周期预测方法[J];中国科技信息;2014年11期
19 宋晶,田宇轩;WCDMA网络规模预测方法分析[J];电信网技术;2005年01期
20 李勇;张萍;傅泽田;于俊海;;一种定性与定量相结合的预测方法[J];北京农业工程大学学报;1994年04期
中国重要会议论文全文数据库 前8条
1 罗炜;;运输需求的一种间接预测方法——兼论预测的本质[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集(第4卷)[C];1997年
2 鲁守栋;孙晋海;;体育系统预测研究的现状分析及对策研究[A];第七届全国体育科学大会论文摘要汇编(一)[C];2004年
3 肖翠翠;杨姝影;;环境规划中的预测方法与技术[A];2010中国环境科学学会学术年会论文集(第二卷)[C];2010年
4 鲍蕊;魏英魁;张建宇;费斌军;;基于概率断裂力学的多部位损伤发生概率预测方法[A];第十五届全国疲劳与断裂学术会议摘要及论文集[C];2010年
5 刘斌;张荣;刘思峰;党耀国;;PMVF综合集成预测方法及应用示例[A];2006年灰色系统理论及其应用学术会议论文集[C];2006年
6 韩渭宾;易桂喜;辛华;;四川省地震年度活动水平的初步研究[A];中国地震学会第七次学术大会论文摘要集[C];1998年
7 马先海;;用地预测的基本方法探讨[A];中国土地问题研究——中国土地学会第三次会员代表大会暨庆祝学会成立十周年学术讨论会论文集[C];1990年
8 ;年际增量的预测方法在北大西洋飓风频次的季节预测(英文)[A];第28届中国气象学会年会——S5气候预测新方法和新技术[C];2011年
中国博士学位论文全文数据库 前1条
1 张雪洁;基于QoS的个性化云服务推荐方法研究[D];南京航空航天大学;2015年
中国硕士学位论文全文数据库 前10条
1 李伟花;考虑时空分布特性的区域风电功率预测方法[D];华北电力大学;2015年
2 张克娜;基于拟线性回归的复合预测方法及其应用[D];河北科技大学;2013年
3 冯莉;多种预测方法在我国对外贸易预测中的应用研究[D];武汉理工大学;2007年
4 池可;服装销售预测方法及RBF神经网络模型研究[D];苏州大学;2009年
5 符俊岭;具有主客观信息集成特征的经济预测方法及其应用[D];东北大学;2009年
6 张飞飞;云资源管理中预测方法的研究与实现[D];复旦大学;2013年
7 陈实;货运量预测方法及应用研究[D];武汉理工大学;2008年
8 李梦;基于优化算法的物流预测方法与应用研究[D];北京化工大学;2014年
9 沈旻;港口集装箱吞吐量预测方法若干研究[D];上海海运学院;2001年
10 崔岩;CALYPSO结构预测方法的探索与改进[D];吉林大学;2014年
中国重要报纸全文数据库 前3条
1 杨钢作坊 言寺;简单一点好[N];现代物流报;2007年
2 辛和;北京科技新星课题通过专家鉴定[N];中国建设报;2009年
3 王志刚(作者单位 甘肃省电力公司武威供电公司);预测是抓好预算的关键[N];甘肃经济日报;2005年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978