基于深度信念网络的服务可靠性预测方法研究
发布时间：2021-01-31 06:50
随着互联网与相关网络技术的不断发展,越来越多的企业选择将自己的产品以服务的形式发布到网络上供用户使用。然而由于用户的需求越来越复杂,单一功能的服务并不能完全解决用户的问题。基于SOA架构的服务系统将多个服务进行组合满足用户的复杂需求。但是由于网络环境始终是动态变化的,这给服务的稳定运行带来了巨大的威胁,并且单个服务的变化会带来级联效应进而影响到整个系统。因此开展服务可靠性预测研究具有很强的现实意义。可靠性预测主要是针对服务在未来某段时间内服务可靠性开展预测以保证服务系统的稳定运行。然而由于网络环境的不确定性,同时用于开展服务可靠性预测的参数难以获取,这些因素导致服务可靠性预测面临较大困难。本文利用时间序列对有限的服务运行参数与可靠性进行划分,并用深度信念网络发现其中的内在关联。限制玻尔兹曼机作为一个两层神经网络在特征提取,分类等方面具有良好的性能,深度信念网络可以定义为由多个限制玻尔兹曼机堆叠而成可以发挥更好的性能。极限学习机作为一种单隐层前馈神经网络依据概率分布随机选取隐藏层输出,避免了参数的迭代微调,因此具有较快的学习速度。从以上问题出发,本文进行了以下工作:（1）利用深度信念网络...
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：54 页
【学位级别】：硕士
【部分图文】：
图３．６?ＤＢＮ模型网络预测流程??的两个评价标准评价不同方法预测结果的准确率，分别为平均绝对误差（Ｍｅａｎ?Ａｂｓｏｌｕｔｅ??
ｎｕｍｂｅｒ?ｏｆ?ｔｉｍｅ?ｓｅｒｉｅｓ?ｆｏｒ?ｔｒａｉｎｉｎｇ?ｎｕｍｂｅｒ?ｏｆ?ｔｉｍｅ?ｓｅｒｉｅｓ?ｆｏｒ?ｔｒａｉｎｉｎｇ??图３．８训练数据规模对预测结果准确性的影响基于１Ｍ数据集??最终的预测结果准确的明显低于其他方法，基于贝叶斯规则的方法与回归分析方法表现??较为接近，我们的方法与ＣＬ＿ＲＯＰ方法的性能表现较为接近，但最终表现还是有所超越，??在预测精度方面更胜一筹。??通过结合图３．７与３．８可以看出训练集的规模对最终的预测精度具有显著的影响，训??练集的增加使得预测效果得到明显改善＞?酒此如果想要得ＳＩ—个较为准确的预测结果，??同时时间限制较为宽松，则可以尽，量增大训练数据集的规模。??３Ａ．２．２预测时间长度对可靠性预测结果的影响??在实际应用中，每个服务被调用的时间长度也不能确定，因此我们需要预测在动态??变化的时间中的可靠性序列。在本章节中，我们通过实验分析有效预测时间长度与可靠??性预测结果的关系。在实验中
ｎｕｍｂｅｒ?ｏｆ?ｔｉｍｅ?ｓｅｒｉｅｓ?ｉｎ?ｔｒａｉｎｉｎｇ?ｄａｔａ?ｓｅｔ?ｎｕｍｂｅｒ?ｏｆ?ｔｉｍｅ?ｓｅｒｉｅｓ?ｉｎ?ｔｒａｉｎｉｎｇ?ｄａｔａ?ｓｅｔ??图３．７训练数据规模对预测结果准确性的影响棊于２４Ｈ数据集??０．１２?ｉ?ｉ?ｉ?ｉ?０－３?ｉ?ｉ?ｉ?ｉ??ＢＲ?ＢＲ??〇１?＿?Ｒｅｇ?—ｓ—?＿?〇?２５?－?Ｒｅｇ?—ｈ—?＿??■?ＡＶＨＲ?…ｉ－－?ＡＶＨＲ?…ｉ－－??００８?＿?十〇?ｌｉ?０２?＂?ＤＢＮ１１??＜?０．０６?＾?０．１５?－?－??＿?七?＇＿?。１?５?卜－??０．０２?－?〇．〇５?－?｜??〇??１?１?１?１?Ｊ?〇??１?１?１?１???５ｄ?１０ｄ?１５ｄ?２０ｄ?２５ｄ?３０ｄ?５ｄ?１０ｄ?１５ｄ?２０ｄ?２５ｄ?３０ｄ??ｎｕｍｂｅｒ?ｏｆ?ｔｉｍｅ?ｓｅｒｉｅｓ?ｆｏｒ?ｔｒａｉｎｉｎｇ?ｎｕｍｂｅｒ?ｏｆ?ｔｉｍｅ?ｓｅｒｉｅｓ?ｆｏｒ?ｔｒａｉｎｉｎｇ??图３．８训练数据规模对预测结果准确性的影响基于１Ｍ数据集??最终的预测结果准确的明显低于其他方法，基于贝叶斯规则的方法与回归分析方法表现??较为接近，我们的方法与ＣＬ＿ＲＯＰ方法的性能表现较为接近，但最终表现还是有所超越，??在预测精度方面更胜一筹。??通过结合图３．７与３．８可以看出训练集的规模对最终的预测精度具有显著的影响，训??练集的增加使得预测效果得到明显改善＞?酒此如果想要得ＳＩ—个较为准确的预测结果，??同时时间限制较为宽松
【参考文献】：
期刊论文
[1]基于改进Real AdaBoost算法的软件可靠性预测[J]. 杜瑞超,华继学,翟夕阳,李志鹏. 空军工程大学学报(自然科学版). 2018(01)
[2]基于Web Services的服务合成技术研究综述[J]. 饶元,冯博琴,李尊朝. 系统工程与电子技术. 2005(08)
博士论文
[1]Web服务组合的可靠性预测研究[D]. 钟读杭.国防科学技术大学 2007
本文编号：3010397
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：54 页
【学位级别】：硕士
【部分图文】：
图３．６?ＤＢＮ模型网络预测流程??的两个评价标准评价不同方法预测结果的准确率，分别为平均绝对误差（Ｍｅａｎ?Ａｂｓｏｌｕｔｅ??
ｎｕｍｂｅｒ?ｏｆ?ｔｉｍｅ?ｓｅｒｉｅｓ?ｆｏｒ?ｔｒａｉｎｉｎｇ?ｎｕｍｂｅｒ?ｏｆ?ｔｉｍｅ?ｓｅｒｉｅｓ?ｆｏｒ?ｔｒａｉｎｉｎｇ??图３．８训练数据规模对预测结果准确性的影响基于１Ｍ数据集??最终的预测结果准确的明显低于其他方法，基于贝叶斯规则的方法与回归分析方法表现??较为接近，我们的方法与ＣＬ＿ＲＯＰ方法的性能表现较为接近，但最终表现还是有所超越，??在预测精度方面更胜一筹。??通过结合图３．７与３．８可以看出训练集的规模对最终的预测精度具有显著的影响，训??练集的增加使得预测效果得到明显改善＞?酒此如果想要得ＳＩ—个较为准确的预测结果，??同时时间限制较为宽松，则可以尽，量增大训练数据集的规模。??３Ａ．２．２预测时间长度对可靠性预测结果的影响??在实际应用中，每个服务被调用的时间长度也不能确定，因此我们需要预测在动态??变化的时间中的可靠性序列。在本章节中，我们通过实验分析有效预测时间长度与可靠??性预测结果的关系。在实验中
ｎｕｍｂｅｒ?ｏｆ?ｔｉｍｅ?ｓｅｒｉｅｓ?ｉｎ?ｔｒａｉｎｉｎｇ?ｄａｔａ?ｓｅｔ?ｎｕｍｂｅｒ?ｏｆ?ｔｉｍｅ?ｓｅｒｉｅｓ?ｉｎ?ｔｒａｉｎｉｎｇ?ｄａｔａ?ｓｅｔ??图３．７训练数据规模对预测结果准确性的影响棊于２４Ｈ数据集??０．１２?ｉ?ｉ?ｉ?ｉ?０－３?ｉ?ｉ?ｉ?ｉ??ＢＲ?ＢＲ??〇１?＿?Ｒｅｇ?—ｓ—?＿?〇?２５?－?Ｒｅｇ?—ｈ—?＿??■?ＡＶＨＲ?…ｉ－－?ＡＶＨＲ?…ｉ－－??００８?＿?十〇?ｌｉ?０２?＂?ＤＢＮ１１??＜?０．０６?＾?０．１５?－?－??＿?七?＇＿?。１?５?卜－??０．０２?－?〇．〇５?－?｜??〇??１?１?１?１?Ｊ?〇??１?１?１?１???５ｄ?１０ｄ?１５ｄ?２０ｄ?２５ｄ?３０ｄ?５ｄ?１０ｄ?１５ｄ?２０ｄ?２５ｄ?３０ｄ??ｎｕｍｂｅｒ?ｏｆ?ｔｉｍｅ?ｓｅｒｉｅｓ?ｆｏｒ?ｔｒａｉｎｉｎｇ?ｎｕｍｂｅｒ?ｏｆ?ｔｉｍｅ?ｓｅｒｉｅｓ?ｆｏｒ?ｔｒａｉｎｉｎｇ??图３．８训练数据规模对预测结果准确性的影响基于１Ｍ数据集??最终的预测结果准确的明显低于其他方法，基于贝叶斯规则的方法与回归分析方法表现??较为接近，我们的方法与ＣＬ＿ＲＯＰ方法的性能表现较为接近，但最终表现还是有所超越，??在预测精度方面更胜一筹。??通过结合图３．７与３．８可以看出训练集的规模对最终的预测精度具有显著的影响，训??练集的增加使得预测效果得到明显改善＞?酒此如果想要得ＳＩ—个较为准确的预测结果，??同时时间限制较为宽松
【参考文献】：
期刊论文
[1]基于改进Real AdaBoost算法的软件可靠性预测[J]. 杜瑞超,华继学,翟夕阳,李志鹏. 空军工程大学学报(自然科学版). 2018(01)
[2]基于Web Services的服务合成技术研究综述[J]. 饶元,冯博琴,李尊朝. 系统工程与电子技术. 2005(08)
博士论文
[1]Web服务组合的可靠性预测研究[D]. 钟读杭.国防科学技术大学 2007
本文编号：3010397
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3010397.html
