基于QoS量化评估的电子商务认证协议优化

通过对电子商务的认证协议进行优化设计,可以提高电子商务商家的服务质量(Qo S)。当前方法多采用多地址差错控制协议对电子商务进行认证,随着服务对象数量的增加和数据链路规模的扩大,准确度会大幅下降。提出基于最小竞争窗口树形层状拓扑的电子商务认证协议,实现对商家的Qo S量化评估。构建电子商务认证协议的网络结构模型和数据传输模型,对商家的服务质量Qo S信息进行信息模型构建和预测算法描述,引入最小竞争窗口树形层状拓扑改进对电子商务认证协议进行优化。实验结果表明,采用该方法进行商家的Qo S量化评估,具有较好的服务质量预测能力,可以准确指导商家改善服务质量,提高线上交易的安全性和可靠性,展示了较好的应用价值。     

基于地震记录的震动图校正方法研究

针对地震动强度速报工作,利用地震动衰减关系和地震台站记录到的数据研究地震动强度衰减中地震事件内部(intra-earthquake)的不确定性.通过台站实际观测值与理论计算值之间的残差分析,提出了利用台站数据对缺少台站地区理论估计值的对数偏差校正方法.研究分析表明,线性偏差校正方法对系统偏差校正的效果不显著,与使用汪素云2000年回归的我国东部峰值加速度(PGA)衰减关系的结果相当;针对特定震级的地震不约束R0(近场饱和因子)拟合的衰减关系,由于近场台站分布的不均匀性,使得R0过大,衰减关系对近场地震动参数缺乏控制;对数偏差校正方法的结果与固定R0拟合地震动衰减关系的结果大致相当,适合于地震动强度速报中缺少台站数据的地区地震动参数理论估计值的系统偏差校正.最后以2010年3月4日中国台湾屏东6.4级地震为例,比较了点圆和点椭圆衰减关系模型的对数残差及震动图的分布形态,说明衰减关系模型对震中地区地震动参数估计值的分布影响较大,并利用对数偏差校正方法快速生成震动图展示了该校正方法的可靠性.     

一种基于可扩展核心式结构的Internet服务质量模型

随着 Internet技术的迅速发展 ,一系列的服务质量 (Qo S)保证体系逐渐成为人们研究的热点。文章探讨了最新的综合服务、区分服务等一系列 Qo S的体系模型 ,对每种模型的特点进行了分析比较 ,并结合网络数据流的状态对 Qo S的影响 ,提出了一种使网络具有灵活性、可扩展性、鲁棒性和较高服务质量保证的 Qo S模型。该模型综合了集中服务和区分服务 2种体系模型的优点 ,最后给出了该模型实现的算法。     

不确定QoS信息下的web服务选择方法研究

针对web服务选择中存在Qo S属性信息不确定性的问题,在分析Qo S属性描述的基础上,提出一种不确定Qo S信息下的web服务选择方法,该方法分别从区间型和模糊型两方面考虑不确定Qo S信息,基于有序加权平均(OWA)算子实现区间型Qo S属性的确定化,使用联系数分析和量化web服务的模糊Qo S属性,并在此基础上设计不确定Qo S下的web服务选择模型.实验结果证实该选择算法的有效性和可行性.     

时空感知下基于结构相似度的Web服务质量预测

随着云计算等新型服务计算的兴起,Web服务数量日益增长,相同或相似功能的Web服务也逐渐增多.为了向用户推荐更高质量的服务,精确地预测Web服务的QoS值成为亟待解决的重要问题.传统的协同过滤方法已经被广泛应用于QoS预测和Web服务推荐中,但因为数据稀疏和噪声问题导致QoS预测性能不好.为提高QoS预测的性能,文中通过分析用户服务QoS矩阵的时空特征,提出了一种基于全局和局部结构相似度的稀疏矩阵分解模型.该方法将QoS矩阵的相邻时间相似用户的网络环境相似性这一特征融入到矩阵分解中,并利用分解的因子对QoS矩阵进行低秩填充.这种方式在一定程度上消除了数据稀疏和噪声的影响.在真实Web服务调用数据集上进行实验,结果表明,该方法在预测精度上优于典型的协同过滤算法(相比于NMF,其MAE值最大下降了3.25％,RMSE值最大下降了6.65％;相比于SVD,其MAE值最大下降了3.67％,RMSE值最大下降了7.01％),能够有效地解决数据稀疏和噪声的问题.     

耦合集合卡尔曼滤波的非线性参数估计

准确的参数对于非线性模型或者函数有极为重要的意义。但是在实际应用中,输入的参数常常带有一定的偏差,因此在预测中非线性模型(函数)往往得不到满意的结果。把集合卡尔曼滤波方法引入到非线性模型(函数)的参数估计中,并采用基于联合状态向量的方法在同化时刻同时更新模型(函数)的状态和参数,该方法可以通过同化观测数据,动态地调整参数和结果,使得参数能够自适应地变化,同时也能较好地释放积累的模型误差。将该方法应用于随时间变化的二维非线性模型(函数)中,实验表明,该方法能够准确地估计出模型参数值,同时也表现出很好的鲁棒性和自适应性。     

基于实时车辆信息共享的公交动态控制策略

为了应对越来越多的乘客利用手机软件实时查看车辆位置信息以帮助其计划出发时间这一发展趋势,探究实时车辆信息共享程度对公交动态控制策略的影响,结合长短时记忆网络(long short term memory, LSTM)预测模型和遗传算法(genetic algorithm, GA)构建GA-LSTM实时混合公交运行轨迹预测模型;在实时公交运行轨迹预测模型的基础上,建立考虑乘客接受实时车辆信息共享程度、以最小化车头时距偏差和乘客乘车时间为目标的公交动态驻站控制策略;通过西安市实际数据测试实时公交运行轨迹预测模型和公交动态驻站控制策略的有效性,并讨论不同最大驻站控制时间、接受实时信息乘客比例对公交动态驻站控制策略的影响。研究结果表明：利用GA-LSTM预测模型预测停车服务时间和站间运行时间的均方根误差(RMSE)相较于传统LSTM预测模型的预测结果分别降低了21.19%和44.55%;考虑实时车辆信息共享的动态控制策略预测结果比未考虑信息共享的动态控制策略目标函数预测结果降低了31.66%;随着最大驻站时间增加,目标函数值减少到定值后保持稳定;随着接受实时信息乘客比例增加,目标函数值持续减少...     

考虑数据异常及新旧程度影响有界性 的地基沉降预测方法

在现有沉降组合模型预测方法研究基础上,通过考虑实测沉降数据新旧程度及其影响的有界性特点,提出了度量实测沉降数据新旧程度的新鲜度函数分析模型,它能同时反映实测点与预测点之间的时间距离和实测误差以及实测数据新旧程度影响有界性对沉降预测的影响.基于统计学理论提出了排除异常实测数据引起沉降预测不合理的实测数据样本处理方法.利用上述模型与方法,提出了可反映实测沉降数据异常和新旧程度及其影响程度有界性的地基或路基沉降组合预测新方法.通过工程实例计算以及本文与现有同类方法预测与实测结果的比较分析,表明了本文地基或路基预测模型与方法的合理性与优越性.     

基于数据融合算法优化的GM(1,1)负荷预测模型

为了提高中长期电力负荷预测的精度,改进传统灰色GM(1,1)模型在中长期负荷预测中因部分原始背景数据的偶然性偏差而导致预测精度降低的问题,提出了将数据融合算法与GM(1,1)模型相结合以形成数据融合算法优化下的GM(1,1)模型.首先对特定年采用多个不同历史数据进行GM(1,1)模型预测,利用数据融合算法对多次预测值进行优化分析,获得优化后的预测结果,最后通过对某电力系统年用电负荷进行实例分析,证明数据融合优化下的GM(1,1)模型具有较高预测精度.实践证明所建立的模型对电力系统中长期负荷具有良好预测能力.     

基于退火果蝇优化算法的Web服务组合

随着互联网中Web服务数量急剧增加,如何快速地从大量候选服务中选择出满足用户Qo S需求的服务组合成为亟待解决的关键问题。Qo S感知的服务组合优化问题是典型的NP-hard问题,而智能优化算法已成为主流的求解方法。在对web服务组合建模基础上,提出一种基于退火操作的果蝇优化算法(AFOA)。该算法通过引入模拟退火操作,使个体在进化过程中以一定概率进行突变,从而引向全局最优解,较好地避免了FOA易早熟收敛陷入局部最优的问题。大量实验结果表明,该算法在不减弱时间性能的同时,全局寻优性能较果蝇算法(FOA)、模拟退火算法(SA)有很大的提升。     

A Time-Aware Dynamic Service Quality Prediction Approach for Services

Dynamic Quality of Service(QoS) prediction for services is currently a hot topic and a challenge for research in the fields of service recommendation and composition.Our paper addresses the problem with a Time-aWare service Quality Prediction method(named TWQP),a two-phase approach with one phase based on historical time slices and one on the current time slice.In the first phase,if the user had invoked the service in a previous time slice,the QoS value for the user calling the service on the next time slice is predicted on the basis of the historical QoS data;if the user had not invoked the service in a previous time slice,then the Covering Algorithm(CA) is applied to predict the missing values.In the second phase,we predict the missing values for the current time slice according to the results of the previous phase.A large number of experiments on a real-world dataset,WS-Dream,show that,when compared with the classical QoS prediction algorithms,our proposed method greatly improves the prediction accuracy.     

Web服务QoS的免疫多信号预测模型研究

合理的服务质量(Quality of Service,QoS)预测是Web服务承诺的重要依据,在很大程度上关系到服务提供者的信誉.为了有效解决服务质量的预测问题,受到免疫系统多信号机制的启发,提出一种服务提供者主动的实时QoS预测模型.在多Agent仿真平台上的模拟实验和分析表明,该模型能够很好地解决实时QoS预测问题,服务提供者能够根据预测结果动态地调整Web服务的QoS承诺,从而有效提高其信誉.     

一种基于信誉度的Web服务质量预测方法

基于现有的服务质量预测方法大多是以其他用户的使用感受为依据,但前提部是假设这些信息是准确可信的,一旦这个假设难以得到保证,那预测的结果将会出现重大偏差.从服务用户信誉度的角度,提出一种Web服务质量预测的方法.首先介绍该方法的基本思想与主要过程,随后对评价用户信誉等级划分、评价用户信誉度计算以及服务质量的预测算法等内容进行重点分析:最后,通过仿真实验,将本文提出的方法与传统的算术平均值法进行比较.研究结果表明:该方法能有效提高Web服务质量预测的准确性.     

基于信任度变化趋势的云服务选择模型

针对云服务选择过程中,用户难以选择可信、可用、可靠的云服务问题,本文提出一种基于信任度变化趋势,并结合QoS服务质量的云服务选择模型.首先,信任度的计算分为两部分,一部分根据贝叶斯原理计算信任度值,另一部分是将历史信任度值进行最小二乘的拟合,得到能更准确地反映信任度值的变化趋势值,根据信任度变化趋势值对信任度值进行修正,确定其综合信任度值.然后,根据云服务的QoS量化模型,计算得到客观的QoS值,在此基础上,引入了信息熵的概念来确定可信参数加权的问题,从而得到最优的服务选择.仿真实验表明,该模型能够体现云服务主体信任度的变化,增强云服务选择的预判能力,有效地提高服务选择的成功率.     

基于阈交方法的无线网络业务分析

由于无线网络的有限带宽和可变信道，使得无线网络业务的服务质量保证比有线网络更加困难．通过对无线网络业务超阈值数据采用方差分析法构造阈值v的偏差函数，为阈值选取提供一定的依据；通过对无线网络业务到达数据对阈值穿越强度的计算，验证了该方法在阈值选取方面的有效性．可以根据该阈值实现对无线网络业务的控制，提供更好的服务质量保证．     

基于轨检车历史数据的轨道不平顺预测研究

由轨检车检查得到的大量轨道几何尺寸的历史数据,可以挖掘出轨道不平顺发展背后的潜在规律。从已有的历史数据的角度出发,以数据驱动的方式为出发点,得出轨道不平顺的发展趋势,可以做到对轨道质量指数的合理预测;若单纯从某一理论方法出发进行研究,实际观测数据不一定都能符合其结果。基于已有的历史数据出发,寻找最为匹配的规律,为轨道恶化趋势的预测提供新思路。研究结论如下:(1)提供了对轨道质量预测的新思路,预测结果的置信度可达到约92%;(2)基于已有的原始数据,匹配得出的分布函数中的系数根据实际情况的变化而变化,可包容被测轨道的不同个性;(3)轨道质量指数的增长与时间的关系是一种理论上循环的非线性关系。     

一种基于系统负载的轮流服务模型

针对现有集群系统在可用性和服务质量等方面存在的不足,首先引入一种动态k叉树结构,在此基础上提出了一种基于系统负载的轮流服务模型.在该模型中,分别介绍了一种自回归负载预测模型、基于选举域划分的多机心跳机制以及动态域主节点的选举机制和算法.理论分析和实验结果表明,该模型大大提高了系统的可靠性和可用性,减小了请求处理的平均响应时间,降低了选举开销,能够满足大规模集群服务的高可用性和高服务质量的要求.     

基于预测和优先级的时隙调度策略

为了提高数据传输的有效性和可靠性,针对不同业务的不同QoS(Quality of Service)要求,提出了一种基于预测和优先级的IEEE 802.16时隙调度策略。根据不同业务的不同优先级,预留出时隙,优先将时隙分配给优先权高的业务使用,以满足不同业务的不同QoS需求;同时对SS发出请求和BS响应请求时间段到达的数据进行预测,进一步优化时隙调度策略,改善时延特性。仿真结果验证了其有效性。