对于可信QoS的服务聚类调研
来源:互联网 发布:python数组最大值下标 编辑:程序博客网 时间:2024/05/29 09:16
(1)对于服务提供商发布的数据的真实性进行可信性:启用QoS监控机制【基于QoS与可信度融合的Web服务选择机制研究_巫茜】,
实时记录每次服务的QoS值,并与提供商提供的QoS值比较,以此作为提供商提供服务的可信度。
(2)考虑到用户恶意评价的问题;利用用户信任度来衡量此用户反馈的结果。【基于QoS和声誉的Web服务信任度评估方法_陈丽洁】
(3)根据(1)(2)将得到客观反映可信QoS值:
QoS(si) = p * 服务提供商QoS(si) +(1-p)*用户QoS(si).
最后利用k_means聚类算法对用户需求和候选服务进行聚类,缩小服务选择的范围。
现有一需要聚类的数据集合: { 2, 4, 10, 20, 12,30, 6, 3, 15, 27} ; 假设需要分成两个簇,即 k = 2,算法聚类过程如下:
( 1) 选择数据集合的前两个元素作为初始簇中心,即 m1 = 2,m2 = 4
( 2) 对剩下的数据对象,利用欧几里得距离,分别计算它们与各个簇中心的距离,并分配给最近的簇。
对数据元素 10: d ( 10, m1 ) = d ( 10, 2) = 8,d( 10, m2 ) = d( 10, 4) = 6, d( 10, m1 ) > d( 10, m2 ) , 因此把{ 10} 分配给簇 C2 ;
对数据元素 20: d( 20, m1 ) = d( 20, 2) = 18, d( 20, m2 ) = d( 20, 4) = 16, d( 20, m1 ) > d( 20, m2 ) ,因此把{ 20} 分配给簇 C2。
最后进行服务选择
实时记录每次服务的QoS值,并与提供商提供的QoS值比较,以此作为提供商提供服务的可信度。
(2)考虑到用户恶意评价的问题;利用用户信任度来衡量此用户反馈的结果。【基于QoS和声誉的Web服务信任度评估方法_陈丽洁】
(3)根据(1)(2)将得到客观反映可信QoS值:
QoS(si) = p * 服务提供商QoS(si) +(1-p)*用户QoS(si).
最后利用k_means聚类算法对用户需求和候选服务进行聚类,缩小服务选择的范围。
现有一需要聚类的数据集合: { 2, 4, 10, 20, 12,30, 6, 3, 15, 27} ; 假设需要分成两个簇,即 k = 2,算法聚类过程如下:
( 1) 选择数据集合的前两个元素作为初始簇中心,即 m1 = 2,m2 = 4
( 2) 对剩下的数据对象,利用欧几里得距离,分别计算它们与各个簇中心的距离,并分配给最近的簇。
对数据元素 10: d ( 10, m1 ) = d ( 10, 2) = 8,d( 10, m2 ) = d( 10, 4) = 6, d( 10, m1 ) > d( 10, m2 ) , 因此把{ 10} 分配给簇 C2 ;
对数据元素 20: d( 20, m1 ) = d( 20, 2) = 18, d( 20, m2 ) = d( 20, 4) = 16, d( 20, m1 ) > d( 20, m2 ) ,因此把{ 20} 分配给簇 C2。
最后进行服务选择
0 0
- 对于可信QoS的服务聚类调研
- 基于可信QoS的服务聚类研究
- 基于用户反馈的QoS可信评价
- 基于可信计算技术的网络构建方案调研
- 获取最优服务的QOS值
- 可信云服务介绍
- AODV QoS服务
- QOS服务模型
- neutron-Qos服务介绍
- [调研] 防火墙多出口 对于 内部服务器网络的影响
- XP下QOS服务对网速的影响?
- 服务、合作和可信产品
- web服务QoS质量相关
- 可信计算-可信度量-度量的起点
- ~Linux下crond服务与crontab命令的调研~
- 操作系统的可信路径
- 一般可信的DNS
- 云计算“安全作为服务”为可信计算带来了应用与发展的契机
- iOS 测试自动化框架——smallapple
- python 第十一周 python条件与循环语句
- JSON-lib与Google-gson比较
- STL hashmap
- 初识nodeJs
- 对于可信QoS的服务聚类调研
- Objective-C 底层数据类型分析(一)
- 四轴PID讲解
- C语言函数返回整形数组
- ps 基础--老贺
- HW比赛之环境搭建
- 关于Xcode插件更新
- android 垂直两级ListView联动
- myBatis学习笔记(6)——动态SQL & 模糊查询