Web服务QoS监控和预测技术【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

Web服务QoS监控和预测技术PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 Web服务技术概述1

1.1 面向服务计算与面向服务架构1

1.2 Web服务和Web服务质量2

1.3 本书的主要贡献4

1.4 本书的章节安排5

参考文献9

第2章 Web服务QoS监控和预测技术综述11

2.1 运行时监控技术11

2.1.1 运行时监控一般过程11

2.1.2 运行时监控与传统验证模型检验技术的比较12

2.2 Web服务QoS监控技术研究现状13

2.2.1 传统Web服务QoS相关监控技术13

2.2.2 概率监控方法13

2.3 Web服务QoS预测技术15

2.4 Web服务QoS预测技术研究现状16

2.4.1 基于相似度的预测方法16

2.4.2 基于人工智能的预测方法18

2.4.3 基于时间序列的预测方法19

参考文献19

第3章 基于贝叶斯统计的Web服务QoS监控方法22

3.1 引言22

3.2 概率时态逻辑PLTL322

3.3 贝叶斯统计监控24

3.3.1 基本原理24

3.3.2 算法实现27

3.4 实验及结果分析30

3.5 本章小结35

参考文献35

第4章 环境因素敏感的Web服务QoS监控方法wBSRM36

4.1 引言36

4.2 预备知识37

4.2.1 加权朴素贝叶斯分类器37

4.2.2 二项分布的经验贝叶斯估计38

4.2.3 TF-IDF算法39

4.3 一种考虑环境因素影响的Web服务QoS监控方法40

4.3.1 方法概述40

4.3.2 核心算法42

4.4 实验及结果分析45

4.4.1 实验环境配置45

4.4.2 实验结果与分析46

4.5 本章小结53

参考文献54

第5章 结合信息增益和滑动窗口的Web服务QoS监控方法56

5.1 引言56

5.2 预备知识57

5.2.1 信息熵与信息增益57

5.2.2 结合信息增益的改进TF-IDF加权58

5.3 一种时效感知的动态加权Web服务QoS监控方法IgS-wBSRM59

5.3.1 IgS-wBSRM方法引入与概述59

5.3.2 IgS-wBSRM方法实现61

5.4 实验及结果分析65

5.4.1 实验数据集及环境配置66

5.4.2 自定义模拟数据集下的实验分析与验证66

5.4.3 真实数据集下的实验分析69

5.4.4 时间效率分析71

5.5 本章小结72

参考文献73

第6章 一种基于信息融合的多元QoS监控方法75

6.1 引言75

6.2 基于信息融合的多元QoS监控方法76

6.2.1 数据预处理77

6.2.2 计算特征因子分类倾向性78

6.2.3 基于特征因子与分类的相关性的贝叶斯分类器模型79

6.2.4 算法描述79

6.3 实验及结果分析80

6.3.1 实验设置80

6.3.2 实验结果分析83

6.3.3 时间效率分析86

6.4 本章小结87

参考文献87

第7章 基于组合贝叶斯模型的Web服务QoS预测方法89

7.1 引言89

7.2 贝叶斯组合模型89

7.2.1 时间序列特征识别90

7.2.2 组合预测基本原理90

7.3 基本模型91

7.3.1 基于小波分析的ARMA模型92

7.3.2 小波神经网络95

7.3.3 ARIMA-GARCH模型97

7.3.4 K-近邻预测模型99

7.3.5 RBF神经网络模型99

7.3.6 多元回归分析模型100

7.4 模型评估标准101

7.4.1 预测模型精度评估101

7.4.2 预测模型有效性评估102

7.5 实验及结果分析104

7.6 本章小结113

参考文献113

第8章 基于径向基神经网络的Web服务QoS组合预测方法115

8.1 引言115

8.2 预备知识116

8.2.1 灰色预测116

8.2.2 遗传算法117

8.2.3 检验方法118

8.3 Web服务QoS组合预测方法120

8.3.1 方法概述120

8.3.2 基于K-S检验的时间序列模型121

8.3.3 改进的GM（1,1）动态预测模型126

8.3.4 HGA-RBFC模型128

8.4 实验及结果分析134

8.4.1 软硬件环境134

8.4.2 实验设置134

8.4.3 实验结果与分析139

8.5 本章小结152

参考文献152

第9章 基于深度学习模型的Web服务QoS预测方法154

9.1 引言154

9.2 预备知识155

9.2.1 深度神经网络模型155

9.2.2 小波变换158

9.2.3 神经网络性能优化159

9.3 基于深度学习的Web服务QoS预测方法研究161

9.3.1 方法概述161

9.3.2 数据预处理163

9.3.3 改进的粒子群算法168

9.3.4 粒子群算法改进的DBN预测模型172

9.3.5 GPU加速计算175

9.4 实验及结果分析176

9.4.1 软硬件环境176

9.4.2 实验设置176

9.4.3 实验结果与分析180

9.5 本章小结188

参考文献188

第10章 基于贝叶斯网络模型云服务QoS预测方法190

10.1 引言190

10.2 预备知识191

10.2.1 BP神经网络预测模型191

10.2.2 算术平均值预测模型192

10.2.3 贝叶斯网络预测模型193

10.3 云服务QoS预测方法194

10.3.1 方法概述194

10.3.2 方法流程195

10.4 实验及结果分析206

10.4.1 实验软硬件环境206

10.4.2 实验工具箱207

10.4.3 验证方案208

10.4.4 实验设置209

10.4.5 实验结果与分析211

10.5 本章小结219

参考文献219

第11章 基于多元时间序列的Web服务QoS预测方法221

11.1 引言221

11.2 预备知识223

11.2.1 相空间重构223

11.2.2 LM算法224

11.3 一种基于多元时间序列的Web服务QoS预测方法225

11.3.1 数据收集和预处理225

11.3.2 LM算法改进的RBF神经网络预测模型227

11.4 实验及结果分析231

11.4.1 实验设置231

11.4.2 实验过程232

11.4.3 实验结果与分析233

11.5 本章小结239

参考文献239

第12章 Web服务QoS监控工具242

12.1 引言242

12.2 Web服务QoS监控工具的设计243

12.2.1 Web服务QoS监控工具的整体设计243

12.2.2 Web服务QoS监控方法的详细设计246

12.2.3 Web服务QoS监控工具的数据形式249

12.2.4 Web服务QoS监控工具界面250

12.3 Web服务QoS监控工具的实现251

12.3.1 开发环境及工具251

12.3.2 Web服务QoS监控工具的程序结构252

12.3.3 Web服务QoS监控工具的数据结构252

12.3.4 Web服务QoS监控方法的实现与分析253

12.3.5 Web服务QoS监控工具的Web端实现260

12.3.6 不同监控方法的比较与分析261

12.4 本章小结266

参考文献266

第13章 Web服务QoS预测工具267

13.1 引言267

13.2 Web服务QoS预测工具的设计268

13.2.1 Web服务QoS预测工具架构268

13.2.2 Web服务QoS预测工具整体设计269

13.2.3 Web服务QoS预测数据形式270

13.2.4 Web服务QoS预测工具的功能结构271

13.2.5 Web服务QoS预测工具界面设计272

13.2.6 预测模块的详细设计274

13.3 Web服务QoS预测工具的实现278

13.3.1 开发平台及工具278

13.3.2 工具的程序结构278

13.3.3 工具的客户端和服务器端实现280

13.3.4 主要功能模块的实现282

13.3.5 工具测试与分析291

13.4 本章小结298

参考文献298