对于可信QoS的服务聚类调研

（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