云环境下基于模糊粗糙AHP的企业信任综合评估

针对传统供应链上合作企业之间信任评估模型的不足,建立了云环境下模糊粗糙AHP信任评估模型,改进了以往信任评估模型中无法很好体现综合权重的缺陷,构建AHP模型计算信任证据的主观组合权重,利用模糊粗糙集原理来定义指标的客观权重,进而计算综合权重,最后建立信任模糊模型综合评估企业信任值。实例证明,该模型可以很好地应用于云计算环境下供应链上各节点企业信任度的评估,是一种有效的综合评估方法。     

面向教育云E-learning服务用户的信任评估

基于用户主观性及其能力客观性分别提出了用户信任云评估模型及其能力信任评估模型,用户信任云模型使用期望、熵和超熵对具有随机性和模糊性的复杂实体进行主观信任评估;而用户能力评估模型在考虑能力对象和交互属性基础上综合评估用户客观能力的信任度.结合这2种模型提出了用户综合信任评估模型,实验结果表明该评估模型能较好地实现教育云计算环境下E-learning服务用户综合信任评估.     

基于多智能体的多维证据动态信任计算模型

信任度评估是基于行为的信任管理模型关注的核心内容。为使信任度评估所依据的证据源完备,运用信任管理思想方法,提出一种基于多维证据的信任度评估模型,该模型将主体网络操作行为层面的信息引入传统仅考虑交易反馈信息的信任度评估模型,基于交易反馈和网络操作行为两个层面的多维证据源进行信任计算,扩展了证据源,突破了只依据单一种类证据源进行信任评估而引起的缺陷;另外,应用改进的D-S证据理论来合成多维证据,较好地解决了证据不确定性的问题。     

网络拍卖中综合信任模型的研究

针对网络拍卖中用户信任评估存在的诸多问题,提出一种综合性信任模型.该模型根据网络拍卖者的不同参与方式,将拍卖参与者划分为投标者、招标者和第三方机构/拍卖网站,综合考察影响三类参与者信任度评估的因素,如近期信誉度、时间权重、行为分析等,单独计算不同类型参与者的信任度.由于模型分角色考察参与者的信任度,降低了信任评估中干扰因素的影响,提高了该信任度计算的准确性、有效性和健全性.     

基于QoS和声誉的Web服务信任度评估方法

Web服务的可信性往往对面向服务的应用起决定性作用.由于服务的信任信息来源很多,整合多种来源的服务信任信息,准确地评估服务的可信性是一个挑战.针对这一挑战,提出了一种基于QoS和声誉的服务信任度评估方法.与其他服务信任度评估模型相比,本模型融合了多个信任信息来源,在直接信任度中综合了QoS和用户对服务的历史信任,并加入时间衰减因子,逐渐削弱历史信任对直接信任度的影响,提高直接信任度的可靠性;在推荐信任度中引入推荐者声誉概念,建立用户之间的信任评估机制,从而将推荐信任分为熟人推荐信任和陌生人推荐信任两类,使推荐信任的评估更加完整、准确.此外,本方法在时间和空间复杂度方面,也存在诸多优势.实例分析表明,本文提出的评估方法可以用来解决Web服务选择的可信问题,并且能够提高服务信任度评估的准确性.     

基于云模型的网格用户主观信任管理模型

传统网格计算的信任管理模型中,网格服务提供者(GSP)难以有效评估和管理数量庞大的用户的信任度,且难以抵御Whitewash攻击并保障自身安全.为此,文中提出一种基于云模型的网格用户主观信任管理模型.该模型由自治域信任代理(UTA)管理域内用户的信任度,GSP则利用云模型评估UTA.实验结果表明,该模型符合网格架构的结...     

基于多层次结构模型的云服务信任评估算法优化

为了提高云服务信任度水平和推荐能力,需要对云服务信任度进行优化评估,提出基于多层次结构模型的云服务信任评估算法。在云服务平台的用户行为信息特征采集中,建立云服务信任度分布大数据模型,挖掘云服务用户偏好性特征量,根据采集结果采用模糊信息调度方法提取云服务信任度特征量,在此基础上构建云服务信任度评估的粗糙集分布模型,通过大数据多层次结构分析方法进行云服务信任评估和推荐,结合模糊C均值聚类方法实现对云服务信任度的优化聚类和自适应评估。仿真结果表明,云服务信任度分布的多层次结构分布均匀,采用该方法进行云服务信任评估的准确度较高,评估的精度较好,用户满意度较高,提高了云服务信任评价能力。     

可信网络中基于熵权法的信任评估模型

在开放式网络环境下,建立信任模型对节点身份或行为进行考察和评估是保证交互过程安全的有效手段,决策属性的权重设置是信任量化和评估的基础.为了使量化模型贴近开放环境动态变化的客观要求,本文提出了基于熵权法的信任评估模型.在多维决策属性的融合计算过程中,利用信息熵理论确立各决策属性的分类权重, 避免主观判断方法在权重设定上适应性不强的问题,保证推荐信任评估决策的有效性和客观性.仿真实验表明,与同类典型的几种模型相比,本文提出的模型具有更稳健的动态适应性特点,并且在安全性方面也具有显著优势.     

基于信任度的多传感器数据融合及其应用

针对多传感器信息采集系统中的数据不确定性问题,提出了一种基于信任度的多传感器数据融合方法.该方法首先定义一个模糊型指数信任度函数,对两传感器测得数据间的信任程度进行量化处理,并通过信任度矩阵度量各传感器测得数据的综合信任程度,以合理地分配测得数据在融合过程中所占权重,得到数据融合估计的最终表达式,从而实现了多传感器数据的融合.分析土壤含水率的数据融合结果可知,应用所提出方法使融合结果的标准差降低至0.0084,随机干扰下变化幅度仅为0.0027%,不仅达到了比传统方法更高的融合精度,而且具有良好的抗干扰性.     

基于贝叶斯修正IFAHP和灰色模糊综合评判的绝缘子污秽评估

绝缘子状态评估中指标信息兼具模糊、随机和灰色性特点。针对当前评估方法较少考虑到参量因素灰色性的问题,基于贝叶斯修正IFAHP法并结合灰色模糊理论和灰云模型提出一种绝缘子污秽状态的灰色模糊综合评判模型。该模型首次引入IFAHP和直觉模糊熵理论以更为科学合理地确定评判因素权重集,并基于贝叶斯公式建立主观权重的优化模型以实现指标的二阶段赋权;同时,利用灰云模型求得评判指标对应各状态等级的关联度并作为评判矩阵模部,再以灰部兼顾评判信息的灰性,进而对建立的评判矩阵综合处理。实例对比表明,贝叶斯修正IFAHP法确定的权重集更为合理适用,基于灰色模糊评判的结果也更贴近实际情况。