摘要：异构环境下,为进一步提高基于用户的数字资源服务协同过滤推荐精准度和缓解冷启动、数据稀疏对推荐质量的影响,提出融合读者情景和社会网络的数字资源服务协同过滤推荐方法。该方案设计融合评分相似度计算、情景相似度计算、邻居信任度计算的读者近邻相似度综合计算方法,提出基于读者近邻相似度综合计算的评分预测和服务推荐方法,基于迪杰斯特拉思想设计了信任度计算算法,求解读者邻居信任度。通过在真实数据集上验证,所提出的方法在一定程度上改善了基于用户协同过滤推荐的精准度,并且一定程度上缓解了冷启动、数据稀疏对推荐质量的影响。

摘要：为解决云资源配置中存在服务质量(QoS)约束违反频繁、资源利用率不充分、云应用提供商收益低的问题,提出面向云应用提供商收益的最佳云资源配置策略。在该策略中,云应用提供商根据经验得出一定时间内用户访问量的概率分布;借鉴报童模型思想,采用损失期望值最小原则计算最佳云资源配置量;固定价格、分段价格、动态价格是较为常见的云资源计费模式,进而基于上述方法设计出固定价格的云资源配置策略、分段价格云资源配置策略、动态价格云资源配置策略。当用户访问量随机时,通过该策略求得的最佳云资源配置量能够使软件即服务提供商收益最大,能充分利用云资源,在基础设施即服务(IaaS)、平台即服务(PaaS)层面不存在违反服务质量约束。

摘要：基于服务质量(QoS)的Web服务最优选择是一个热点问题。高度动态的QoS数据导致QoS模型的不确定性,对可靠的Web服务选择构成巨大的挑战,该文提出动态QoS数据驱动的可靠Web服务选择(DQoS_RSS)。首先利用均值标准差刻画QoS数据的效益和风险,提高QoS描述的准确度;接着建立不确定服务Skyline集,缩小搜索空间,提高选择效率;借鉴优劣解距离法(TOPSIS),设计2种Web服务选择算法,获得体现用户需求的最优服务。另外,介绍2种QoS模型转换器,以及能够适应QoS动态变化的QoS模型自适应调整机制。最后,实验分析验证了该方法的优越性和高效性。

摘要：移动SNS平台包含了众多的关键技术,为了有效提高平台模块的复用率、系统灵活性,提出了基于构件技术的移动SNS服务端架构,详细分解了服务端架构功能,给出了移动SNS服务端的构件模型,描述了构件间的层次关系,提出了构件粒度模型,最后给出了移动SNS服务端软件架构,为移动SNS系统服务端设计提供了一个可行的方案。

摘要：针对传统考虑QoS序列均值(偏好)的QoS序列描述方法缺乏对QoS序列波动(风险)的描述问题,提出一种结合风险与偏好的并行服务选择算法。通过静态QoS模型转换器和分布式QoS模型转换器,将QoS数值序列转换为基于均值标准差的QoS模型。在此基础上,设计QoS模型自适应调整机制以适应QoS的动态变化,并利用基于逼近理想解排序法(TOPSIS)的并行服务选择算法获得体现用户需求的最优服务。实验结果表明,该算法提高了服务选择的可靠性,并且能解决大QoS数据序列的不确定性问题。

摘要：云计算的作为分布式系统中的一种新的服务配置模式,鼓励研究人员在科学应用时探讨其利弊。云资源的动态变化给资源管理带来了很大的困难。在云计算环境中的调度工作中使用一个分割负载理论(DLT)设计有效的策略来最小化总的处理时间,处理器是负载均衡的,推导出一个封闭形式的解决方案将负载分段分配给每个处理器。以这种方式进行工作调度使得云提供商可以获得最大的服务效益并满足客户的服务质量(QoS)需求。最后,通过严格的仿真研究量化该策略的性能。

摘要：随着云计算技术在数字资源整合中的应用越来越广泛,云服务推荐系统的用户数据集呈现指数级增长的趋势,因而对于数字资源云服务的使用者来说,从海量的数字资源中找到自己真正感兴趣的云服务变得愈加困难,亦即出现了"信息超载"的问题。为了解决"信息超载"问题,设计并实现了数字资源云服务推荐系统。该系统可快速发现满意度最高的云服务并推荐给目标用户,提高了大数据环境下的推荐速度。同时,为了提高数字资源云服务的推荐命中率,所构建的推荐系统采用改进的协同过滤算法,向云服务使用者(待推荐的目标用户)推荐具有相似兴趣行为用户访问过的满意度高的云服务。实验结果表明,数字资源云服务推荐系统可以提高推荐速度,准确地向用户推荐满意度高的数字资源云服务,能够快速提升用户体验。

摘要：泛在网络环境中,组合服务选择不仅需要考虑服务上下文还需要考虑用户上下文,而描述上下文属性的数据类型可能有实数、区间数、三角模糊数和直觉模糊集。为解决这种基于复杂上下文的组合服务选择难题,本文提出一个复杂上下文感知的组合服务选择框架,能够感知服务上下文和用户上下文。该框架基于智能主体设计,其中用户端框架完成用户上下文管理,服务端框架完成服务上下文管理和组合服务选择。通过相关工作的比较,验证了该框架的优越性和有效性。

摘要：随着云计算技术的飞速发展,数字图书馆云平台Saa S层的图书应用服务数量将会快速增长,为图书用户选择个性化的云服务带来困难.通过建立偏好树,构建了三网融合环境下的图书用户模型和图书云服务模型.为了确定图书云服务对图书用户的推荐度,设计了服务选择算法.经过实验数据分析,该算法可以根据图书用户模型的偏好需求,为用户推荐匹配度较高的图书云服务.

摘要：针对传统Sobel算子在图像边缘检测中存在的弱边缘提取较差及边缘较粗等不足,提出了一种局部梯度增强的检测算法。算法采用改进的Sobel算子卷积模板计算图像梯度;然后对梯度图像采用局部标准差方法增强局部弱边缘的梯度,最后对局部梯度增强的图像进行细化处理并提取图像边缘,得到边缘图像。实验结果表明,该算法获取的边缘图像边缘信息较丰富,连续性好,边缘较细,整体效果优于传统Sobel算法,具有较高的实用价值。