基于機器學(xué)習(xí)方法的可信Web服務(wù)發(fā)現(xiàn)關(guān)鍵技術(shù)研究.pdf_第1頁
已閱讀1頁,還剩128頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著互聯(lián)網(wǎng)和云計算的不斷發(fā)展,Web服務(wù)技術(shù)逐漸成為當前的一大研究熱點。在Web服務(wù)技術(shù)眾多研究主題中,可信Web服務(wù)發(fā)現(xiàn)已成為國際上亟待解決的重要課題。對于部署在分布、開放、多變、難控網(wǎng)絡(luò)環(huán)境下的海量Web服務(wù),如何保證其能夠正確、安全和快速地為用戶提供滿足其需求的可信服務(wù)顯得尤為重要。因此,進行高可信的Web服務(wù)發(fā)現(xiàn)研究具有一定的戰(zhàn)略性、基礎(chǔ)性和前瞻性,對我國軟件業(yè)發(fā)展具有重大意義。本文通過引入機器學(xué)習(xí)領(lǐng)域中的核基學(xué)習(xí)、度量學(xué)習(xí)和稀

2、疏學(xué)習(xí)理論,結(jié)合自組織映射(Self-Organizing Map,SOM)神經(jīng)網(wǎng)絡(luò)和分類器正則化技術(shù),以基于WSDL(Web ServiceDescription Language)語言描述的Web服務(wù)為研究對象,對可信Web服務(wù)發(fā)現(xiàn)領(lǐng)域中的若干關(guān)鍵問題進行了研究,并取得了一些成果。
  本研究主要內(nèi)容包括:⑴提出了一個基于WordNet和概念語義降維的輕量級語義Web服務(wù)發(fā)現(xiàn)模型。該模型通過引入WordNet和隱含語義索引技術(shù)

3、對Web服務(wù)進行輕量級語義特征提取,使得低維緊致的服務(wù)表示向量具有更符合其真實語義的特征描述;同時,為了更好地評價真實Web服務(wù)的相似性,該模型還引入了一種基于核基相似性度量的Web服務(wù)匹配機制,克服了傳統(tǒng)服務(wù)匹配機制忽略樣本分布統(tǒng)計特性的局限性。⑵提出了一種核Batch SOM神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法,并由此構(gòu)建了一類核Batch SOM神經(jīng)網(wǎng)絡(luò)聚類優(yōu)化的Web服務(wù)發(fā)現(xiàn)模型。該模型通過對Web服務(wù)進行自適應(yīng)聚類管理,將功能相同或相近的Web服

4、務(wù)聚合在一起,從中抽取類標識服務(wù)來輔助Web服務(wù)的注冊、查找等,可以大大縮小服務(wù)搜索的匹配空間,從而提高服務(wù)發(fā)現(xiàn)的效率。⑶提出了一種Web服務(wù)有監(jiān)督特征提取和自適應(yīng)相似性評價機制。首先通過引入逆類別頻率改進傳統(tǒng)的無監(jiān)督術(shù)語加權(quán)機制,提出了一種融合類先驗信息的有監(jiān)督Web服務(wù)特征提取方法;其次通過引入大間隔度量學(xué)習(xí)理論,提出了一種基于類先驗信息的服務(wù)相似性度量學(xué)習(xí)方法。這兩種方法都能有效區(qū)分樣本特征的相關(guān)性和無關(guān)性,合理揭示數(shù)據(jù)的內(nèi)在分布

5、結(jié)構(gòu)。由此構(gòu)建的基于有監(jiān)督服務(wù)表示和自適應(yīng)相似性評價的聚類優(yōu)化Web服務(wù)發(fā)現(xiàn)模型驗證了這兩種方法的有效性。⑷提出了一種基于結(jié)構(gòu)化噪聲矩陣補全的可信Web服務(wù)QoS預(yù)測機制。首先通過引入L2,1范數(shù)正則化技術(shù)將Web服務(wù)QoS預(yù)測問題建模為一類結(jié)構(gòu)化噪聲矩陣補全問題。其次,為了有效地求解該結(jié)構(gòu)化噪聲矩陣補全問題,提出了一種基于算子分裂技術(shù)的結(jié)構(gòu)化噪聲矩陣補全算法(OSMCSN)。真實數(shù)據(jù)集上的實驗結(jié)果表明,OSMCSN算法不僅可以顯著提高

6、Web服務(wù)QoS預(yù)測精度,還能準確探測出采樣矩陣中的噪聲行位置信息,從而實現(xiàn)對操縱和篡改QoS信息的不誠實用戶進行預(yù)警。⑸提出了一類多值多對多高斯聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)模型,并且對該模型的漸近穩(wěn)定性,存儲容量和糾錯能力進行了分析?;诼?lián)想的圖像檢索應(yīng)用證實了該模型的魯棒性能。特別地,由于概念語義網(wǎng)絡(luò)是體現(xiàn)Web服務(wù)語義和智能的重要載體,其聯(lián)想和推理能力直接關(guān)系到Web服務(wù)的查詢精度及組合效率,因此,將該模型應(yīng)用于Web服務(wù)概念語義網(wǎng)絡(luò)的智能管

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論