云平台下服务资源用户查询提取仿真研究
本文选题:云计算平台 + 服务资源用户 ; 参考:《计算机仿真》2017年09期
【摘要】:云平台下对服务资源用户查询提取过程的研究,可更好地提升云计算平台的服务质量。对服务资源用户查询的提取,需要依据搜索策略,构建簇内消息转发机制,完成云平台下服务资源用户查询提取。传统方法先通过属性的相似度计算出彼此之间的邻接关系,促使每个邻居代表资源属性的一种变化趋势,但忽略了构建簇内消息转发机制,导致提取精度较低。提出基于模糊聚类的云平台下服务资源用户查询提取方法。上述方法先采用特征加权模糊方法对不同类型的资源节点集合进行划分,获取资源的静态数值特征与类属特征,确定与资源请求属性特征值最相似的类簇,构建簇内消息转发机制,并在簇内提取请求不能被满足时,将请求发送到与其兴趣最为相似的其它簇内,有效地完成对云平台下资源的最优提取。仿真证明,所提方法提取精度高,为提升云计算平台的服务质量奠定了基础。
[Abstract]:The research on query and extraction process of service resource users under cloud platform can improve the service quality of cloud computing platform.To extract the service resource user query, we need to construct the intra-cluster message forwarding mechanism according to the search strategy, and complete the query extraction of the service resource user under the cloud platform.The traditional method firstly calculates the adjacency between each other by the similarity of attributes, which urges each neighbor to represent a change trend of resource attributes, but neglects to construct intra-cluster message forwarding mechanism, which leads to low extraction accuracy.Based on fuzzy clustering, a query extraction method for users of service resources on cloud platform is proposed.Firstly, this method uses feature weighted fuzzy method to partition different types of resource node sets, obtains the static numerical and generic characteristics of resources, and determines the cluster that is the most similar to the attribute eigenvalue of resource request.The mechanism of intra-cluster message forwarding is constructed and the request is sent to other clusters whose interests are most similar when the request can not be satisfied. The optimal extraction of resources on cloud platform is accomplished effectively.Simulation results show that the proposed method has high extraction accuracy and lays a foundation for improving the quality of service of cloud computing platform.
【作者单位】: 长春工业大学人文信息学院;
【基金】:吉林省高等教育学会高教科研课题(JGJX2016D206);吉林省高等教育学会高教科研课题(JGJX2016D207)
【分类号】:TP393.09
【相似文献】
相关期刊论文 前10条
1 刘平峰;张慧;章佩璐;;面向用户均衡需求的Web服务资源智能推荐方法[J];计算机应用研究;2012年09期
2 文斌;何克清;梁鹏;罗自强;;面向消费者的服务资源个性化主动定制[J];小型微型计算机系统;2013年08期
3 罗贺;孙锦波;胡笑旋;汪永康;;云商务环境下的多源信息服务资源分配模型[J];计算机集成制造系统;2013年10期
4 易明;金海;;基于WSRF的Web服务资源的设计[J];计算机工程;2006年23期
5 刘安丰,陈志刚,陆静波,张连明;网格环境中一种有效的Web服务资源组织机制[J];计算机研究与发展;2004年12期
6 张会兵;侯义斌;黄樟钦;陈锐;王书锋;刘茜;;环绕智能系统中有状态资源管理模型[J];北京工业大学学报;2012年09期
7 罗贺;汪永康;胡笑旋;孙锦波;;基于负载均衡的云服务资源配置策略研究[J];中国管理科学;2013年S1期
8 杨绍禹;王世卿;郭晓峰;;一种基于信任协商机制的云服务资源信任验证方法[J];计算机科学;2013年07期
9 温睿;张倩;杨瑞;;总线中服务资源的自适应感知与负载均衡[J];计算机工程与应用;2012年18期
10 陈建武;刘端阳;黄德才;;基于WSRF的防欺骗算法服务资源的设计与实现[J];浙江工业大学学报;2007年06期
相关会议论文 前3条
1 闫相通;王忠杰;徐晓飞;;空间共享类服务资源的优化调度方法[A];CCF NCSC 2011——第二届中国计算机学会服务计算学术会议论文集[C];2011年
2 罗贺;汪永康;胡笑旋;孙锦波;;基于负载均衡的云服务资源配置策略研究[A];“两型社会”建设与管理创新——第十五届中国管理科学学术年会论文集(上)[C];2013年
3 刘建伟;于守健;乐嘉锦;;基于Web服务资源框架的流数据查询处理系统[A];第二十二届中国数据库学术会议论文集(技术报告篇)[C];2005年
相关重要报纸文章 前1条
1 本报记者 李雪婷;构建全方位的企业服务网络[N];鹤壁日报;2014年
相关博士学位论文 前2条
1 杨绍禹;云服务资源安全保护机制关键技术研究[D];郑州大学;2013年
2 裴树军;面向服务的信息系统关键技术研究[D];哈尔滨理工大学;2012年
相关硕士学位论文 前7条
1 张惠娟;基于Web服务的企业服务资源均等化分配机制研究[D];河南理工大学;2015年
2 宋冬梅;云环境下Web服务资源选取技术的研究[D];哈尔滨理工大学;2017年
3 林瑞锋;互联网服务社区中服务资源的调用技术研究[D];山东科技大学;2010年
4 李旭;面向ICES-SSP的资源服务系统设计与实现[D];哈尔滨工业大学;2011年
5 孟燕秋;BIRIS环境下基于信用的服务资源管理[D];哈尔滨工业大学;2010年
6 孙远辉;云服务资源管理体系架构及可视化技术研究[D];山东大学;2011年
7 贺丽红;移动互联网服务资源管理关键技术的研究与实现[D];华中科技大学;2013年
,本文编号:1762031
本文链接:https://www.wllwen.com/guanlilunwen/ydhl/1762031.html