基于时间序列分析的Web服务QoS预测方法研究

发布时间：2021-03-21 17:07

　　随着互联网的发展,传统的软件模式已无法满足复杂的业务需求,越来越多的企业转向了面向服务的架构（Service-Oriented Architecture,简称SOA）,Web服务已成为SOA架构的实现标准,通过组合多个Web服务实现复杂的业务功能。在这种情况下,任一Web服务出现问题,将导致整个服务系统的运行出现问题,人们普遍意识到Web服务质量（Quality of Service,简称QoS）的重要性。为了系统能够在高度动态的分布式环境稳定运行,对于QoS的预测已经成为服务计算领域一大热点问题。基于时间序列分析的预测方法已经得到广泛应用,在应用到Web服务的QoS预测中首要面临的就是缺失值问题,一般用户不会在所有时刻持续访问一个服务,并且不会对所有的服务都有调用记录;其次就是预测的准确性问题,QoS数据波动性强,不像传统的软件可靠性模型可以获取可解释的参数。针对这两大问题,本文提出基于时序相似的缺失值估计方法,通过挖掘时序的相似度,聚合相似时序,进行缺失值的估计,有效降低了QoS数据稀疏对预测带来的影响。针对QoS数据的波动性大这一特征,提出传统模型结合卡尔曼滤波的方法,提升了对W... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

web服务体系结构角色及操作服务提供者为发布Web服务，需为自己提供的Web服务生成Web服务

8图 2-2 Web 服务的 QoS 属性事实上目前还没有将这些属性完全定义的标准，在实际应用中一般会根据需要选取一些特征来量化服务质量。常用的属性有以下几种：可用性：可用性指 Web 服务存在与否或是否已准备就绪以立即使用。一般用概率的形式量化，表示 Web 服务可用的可能性，可用性越高，表明服务可供使用的可能性越高，反之则表示服务可供使用的可能性越低。与可用性

rhood-based）的协同过滤方法，它和基于模型的方法方法使用不同用户（或物品）的历史记录计算他们之高的用户（或物品）的对应记录的值进行聚合，它的觉，计算结果的可解释性较强。基于模型的方法用历根据训练后的模型可以计算出目标用户的缺失值，常聚类模型、矩阵分解等。下面将分别介绍基于近邻的型的协同过滤方法中最经典的做法。邻的协同过滤主要分为基于用户（User-based）ed）两种，还有混合式方法，即结合基于用户、基于一般是依靠经验的加权方法得到混合的结果。基于用尔森相关系数（Pearson Correlation Coefficient，以下的方法可以说是最为经典的协同过滤方法，下面介绍荐系统中包含 M 个用户、N 个物品，可以得到一个 M示例如图 2-4 所示。以 表示第 i 个用户对第 j 个物品为 null 则表示该记录对应的用户从未对该记录对应物

【参考文献】：
期刊论文
[1]基于时间序列分析的Web Service QoS预测方法[J]. 华哲邦,李萌,赵俊峰,谢冰.  计算机科学与探索. 2013(03)

博士论文
[1]基于协同过滤的个性化Web推荐[D]. 孙慧峰.北京邮电大学 2012



本文编号：3093235