掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
基于機器學習的WEB服務質量預測 版權信息
- ISBN：9787030748188
- 條形碼：9787030748188 ; 978-7-03-074818-8
- 裝幀：精裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
基于機器學習的WEB服務質量預測 內容簡介
服務質量預測是服務計算的一個重要研究分支，是支撐服務發現和服務管理的有力技術工具。經過多年發展，服務質量預測已聚焦到如何利用機器學習技術解決情境感知的應用需求問題。本書圍繞此議題，針對靜態、動態、多屬性、拓撲感知、虛擬機等場景下服務質量預測問題，分別闡述基于近鄰效應、矩陣分解、非負多矩陣分解、貝葉斯魯棒張量分解、深度神經網絡、貝葉斯網絡等機器學習技術的解決方案，集中體現該領域**的研究成果與發展動態。
基于機器學習的WEB服務質量預測 目錄
目錄第1章 緒論 11.1 服務計算與面向服務的架構 11.1.1 面向服務的架構與Web服務 11.1.2 服務計算、云計算和邊緣計算的關系 21.1.3 服務質量 31.2 Web服務質量預測的發展現狀 41.2.1 Web服務質量預測 41.2.2 基于記憶的端到端服務質量預測方法 61.2.3 基于模型的端到端服務質量預測方法 71.2.4 端到端情境信息的應用 71.2.5 服務端服務質量預測模型及方法 81.3 本書主要內容 10第2章 服務質量預測的相關技術基礎 122.1 服務質量預測的機器學習技術 122.1.1 概率圖模型與貝葉斯網絡建模 122.1.2 矩陣分解 162.1.3 非負矩陣分解 182.1.4 深度學習 192.1.5 集成學習技術 212.2 服務質量預測的評估 232.2.1 數據基礎 232.2.2 評估度量 252.3 本章小結 25第3章 基于近鄰效應的靜態服務質量預測 263.1 引言 263.2 基于離差的近鄰模型 263.2.1 模型框架 263.2.2 用于基線估計的組件 273.2.3 情境感知的近鄰組件 293.2.4 參數學習 303.3 實驗評估 313.3.1 數據集 313.3.2 評估指標 313.3.3 實驗對比 323.3.4 Top-K近鄰數影響分析 333.3.5 位置信息影響分析 353.3.6 計算復雜度分析 363.4 本章小結 37第4章 基于矩陣分解的靜態服務質量預測 384.1 引言 384.2 情境感知矩陣分解 384.2.1 問題形式化 384.2.2 模型及參數學習 394.3 CSMF實驗評估 414.3.1 數據集 414.3.2 評估指標 424.3.3 實驗對比 424.3.4 隱含特征維度影響分析 444.3.5 情境因素影響分析 464.4 位置感知的非負多矩陣分解 474.4.1 非負多矩陣分解模型 484.4.2 基于位置信息的輔助矩陣構造 504.5 LNMMF實驗評估 534.5.1 數據集 534.5.2 評價指標 534.5.3 實驗對比 544.5.4 參數*和*影響分析 554.5.5 隱含特征維度影響分析 564.6 本章小結 57第5章 基于貝葉斯魯棒張量分解的動態服務質量預測 585.1 引言 585.2 基于貝葉斯魯棒張量分解的模型 585.2.1 問題定義 585.2.2 模型設定 595.2.3 預測分布與服務質量預測表達式 615.2.4 算法復雜度 625.3 基于貝葉斯推理的模型學習 635.3.1 因子矩陣的后驗分布 635.3.2 超參數*的后驗分布 645.3.3 稀疏張量*的后驗分布 655.3.4 超參數*的后驗分布 665.3.5 超參數*的后驗分布 665.3.6 模型證據因子的下界 675.3.7 模型推理的初始化 675.4 實驗評估 685.4.1 數據集 685.4.2 對比方法 685.4.3 不同張量密度下的性能對比 695.5 本章小結 71第6章 基于深度神經網絡的動態服務質量預測 726.1 引言 726.2 STCA模型 726.3 參數學習 786.4 實驗評估 796.4.1 數據集 796.4.2 實驗對比 806.4.3 自注意力機制可視化分析 856.4.4 參數影響分析 876.5 本章小結 90第7章 基于深度神經網絡的多屬性服務質量預測 917.1 引言 917.2 深度神經網絡模型 917.3 模型訓練 957.3.1 目標函數 957.3.2 參數學習 967.3.3 利用服務文檔 977.4 實驗 977.4.1 數據集 977.4.2 評估指標 987.4.3 評估方法 997.4.4 參數設置 997.4.5 性能對比 1007.4.6 參數分析 1027.4.7 計算復雜度分析 1077.5 本章小結 108第8章 網絡拓撲感知的服務質量預測模型 1098.1 引言 1098.2 拓撲感知的神經網絡模型 1108.2.1 輸入層 1128.2.2 隱式端交叉建模層 1128.2.3 顯式路徑建模層 1148.2.4 門控層 1158.2.5 預測層 1168.2.6 利用旁側信息 1168.3 模型學習 1178.4 實驗 1188.4.1 數據集 1188.4.2 評估指標 1198.4.3 評估方法 1208.4.4 參數設置 1218.4.5 性能對比 1218.4.6 消融研究 1258.4.7 參數分析 1268.4.8 效率分析 1298.5 本章小結 131第9章 面向虛擬機服務質量預測的帶分類參數的增廣貝葉斯網絡 1329.1 引言 1329.2 問題描述與背景知識 1339.2.1 問題描述 1339.2.2 預備知識 1359.3 CBN類參數增廣貝葉斯網絡的構造 1389.3.1 CBN構建過程中的約束 1389.3.2 CBN的結構構建及其參數計算 1409.4 基于CBN的虛擬機服務質量預測 1429.4.1 基于XGboost的虛擬機特征配置分類 1429.4.2 基于變量消元法的虛擬機服務質量預測 1439.5 實驗結果與性能分析 1459.5.1 實驗設置 1459.5.2 服務質量預測的性能 1479.5.3 基于CBN預測服務質量值的概率分布 1519.5.4 基于XGboost對虛擬機特征配置分類的有效性 1539.5.5 結果討論 1549.6 本章小結 155第10章 總結 15610.1 全書回顧 15610.2 未來工作 157參考文獻 159
展開全部
書友推薦
- >
羅曼·羅蘭讀書隨筆-精裝
- >
中國歷史的瞬間
- >
推拿
- >
唐代進士錄
- >
龍榆生：詞曲概論/大家小書
- >
名家帶你讀魯迅:朝花夕拾
- >
小考拉的故事-套裝共3冊
- >
【精裝繪本】畫給孩子的中國神話
本類暢銷
