基于聚类分析的Web服务管理

基于聚类分析的Web服务管理

论文摘要

网络已经改变了人们的世界,并且正在产生更大的改变,现在人们越来越喜欢去网络获取帮助,完成自己的任务。Web服务的出现提供了一种企业之间互相自动的进行通讯的能力,使得网络应用为人们提供帮助的能力大大增强,网络应用通过协调、组织、调用各个服务商提供的Web服务,可以很容易的为用户提供更加强大的功能。很多情况下,按照流程组织各种Web服务,可以更好的满足用户复杂的、个性化的需求,也可以更加有效的组织各个Web服务,发挥Web服务的最大作用。但是在面向Web服务的互联网环境下,按照流程组织Web服务,给原有的流程模式带来了新的挑战。同时,随着Internet的迅速发展,Web服务与语义Web相结合产生了语义Web服务,Web服务技术得到了极大的普及,Web上可获得的Web服务急剧增多,这对于Web服务的管理提出了严峻的考验,如何更方便快捷的管理这些Web服务是面临的一大挑战。只有更好的实现Web服务的分类管理,才能更好的解决Web服务的查找、组合等问题,更好的为用户提供服务。如今,业界中普遍使用UDDI作为Web服务注册中心,为Web服务提供者和Web服务需求者提供注册、查找服务。但是,随着Web服务技术的发展,尤其是语义Web服务的出现,UDDI传统的以关键字和分类目录来查找Web服务的方法已经满足不了新的需求,查全率和查准率受到极大的挑战。为此,本文提出了基于聚类分析的Web服务管理方法辅助进行Web服务的管理,利用聚类分析的方法对注册的Web服务进行聚类处理,根据语义将功能相同或相近的Web服务放在一起,通过对同一类的服务进行抽取、封装成为代表该类Web服务的“元服务”,使用“元服务”用来更好的表示、组织Web服务,辅助支持Web服务的注册、查找匹配等。它的基本原理是:基于语义Web服务,借助于本体,使用聚类分析方法,辅助对特定领域的Web服务进行聚类分析。将功能相同或相近的Web服务划分在一起,进而对它们进行抽取,使用“元服务”概念来描述这一类Web服务,使用这个“元服务”来辅助Web服务的注册、查找等,达到对Web服务管理的目的。根据基于聚类分析的Web服务管理原理,本文提出了CWSMA(Clustering-based Web Services Management Architecture)框架,并将此框架应用于智能流程平台IPVita(智能旅游平台)中。IPVita平台是实现了智能流程模式的旅游平台,能够根据用户的旅游需求,自动查找注册的Web服务,为用户提供一个满意的旅游行程。这里面,CWSMA使用基于聚类分析的Web服务管理,为Web服务的注册和查找提高了效率和准确率。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 研究背景
  • 1.2 研究现状
  • 1.3 论文主要研究内容
  • 1.4 本文结构
  • 1.5 本章小结
  • 第2章 智能流程模式
  • 2.1 Smartflow模式
  • 2.2 Smartflow整体模型
  • 2.2.1 知识管理工具
  • 2.2.2 业务流程生成器
  • 2.2.3 服务注册中心
  • 2.2.4 流程执行模块
  • 2.3 Smartflow模型的整体运行
  • 2.3.1 领域专家定义本体和规则
  • 2.3.2 服务提供商注册自己的服务
  • 2.3.3 根据用户提出的需求生成业务流程
  • 2.3.4 用户选择满意的流程交由流程引擎执行
  • 2.4 使用Smartflow的IPVita
  • 2.5 小结
  • 第3章 基于聚类分析的Web服务管理架构
  • 3.1 基于聚类分析的Web服务管理框架的体系结构
  • 3.2 组成模块
  • 3.2.1 语义Web服务注册中心
  • 3.2.2 领域本体库
  • 3.2.3 语义相似度计算器
  • 3.2.4 聚类分析器
  • 3.2.5 Web服务抽取封装引擎
  • 3.3 执行流程
  • 3.4 小结
  • 第4章 Web服务的聚类分析方法
  • 4.1 主要聚类算法
  • 4.2 聚类分析算法
  • 4.2.1 算法流程
  • 4.2.2 基于矩阵的聚类算法
  • 4.2.3 改进的基于矩阵的聚类算法
  • 4.3 实验结果与分析
  • 4.4 小结
  • 第5章 基于聚类分析的Web服务管理
  • 5.1 Web服务管理功能
  • 5.1.1 Web服务注册
  • 5.1.2 Web服务查找
  • 5.1.3 统一接口
  • 5.2 Web服务查找
  • 5.2.1 Web服务提供商主动机制
  • 5.2.2 Web服务注册中心主动机制
  • 5.3 小结
  • 第6章 总结和展望
  • 6.1 本文的主要研究成果
  • 6.2 今后的研究方向
  • 参考文献
  • 致谢
  • 攻读学位期间发表的学术论文目录
  • 攻读学位期间参加的主要科研项目
  • 学位论文评阅及答辩情况表
  • 相关论文文献

    • [1].基于聚类分析的高速铁路突发事故等级划分[J]. 内江科技 2019(12)
    • [2].基于PubMed数据库患者自我管理研究热点的共词聚类分析[J]. 中国医药导报 2020(01)
    • [3].基于聚类分析的学生成绩评定方法研究[J]. 智库时代 2020(11)
    • [4].基于因子聚类分析的儿童陪伴机器人用户细分[J]. 包装工程 2020(14)
    • [5].基于聚类分析的异常数据检测[J]. 电子技术与软件工程 2020(15)
    • [6].基于聚类算法的大用户用电模式识别研究[J]. 中国管理信息化 2017(19)
    • [7].数学学科核心素养要素析取的实证研究[J]. 数学教育学报 2016(06)
    • [8].聚类分析对学生成绩的研究[J]. 无线互联科技 2014(12)
    • [9].聚类分析和判别分析在投资中的应用[J]. 信息安全与技术 2015(06)
    • [10].基于K-聚类分析法的预防性养护路段划分[J]. 安徽建筑 2015(03)
    • [11].我国“中部崛起”战略的实证分析[J]. 智富时代 2016(S2)
    • [12].基于聚类分析的墨量预置优化方法[J]. 数码世界 2016(12)
    • [13].互联网保险产品开发研究——基于平安互联网保险产品的聚类分析[J]. 保险理论与实践 2017(03)
    • [14].高职大学生心理健康水平的聚类分析[J]. 现代职业教育 2017(07)
    • [15].环境安全评价指标体系的构建及聚类分析——以江苏省13市为例[J]. 赤子(下旬) 2017(01)
    • [16].聚类分析在方言分区上的应用——以江淮官话洪巢片为例[J]. 国际汉语学报 2017(01)
    • [17].经典划分聚类分析方法及算例[J]. 地壳构造与地壳应力文集 2016(02)
    • [18].聚类分析理论的简单应用[J]. 科学中国人 2016(03)
    • [19].2015—2018年国外机构养老研究热点的共词聚类分析[J]. 中国社会医学杂志 2019(06)
    • [20].基于主成分分析和Q型聚类分析的2018年俄罗斯世界杯足球赛各队技战术综合分析[J]. 计算机时代 2020(01)
    • [21].基于聚类分析的不均衡数据标注技术研究[J]. 计算机仿真 2020(02)
    • [22].大学生职业潜能聚类分析与实际就业状况的关联性研究[J]. 教育评论 2018(01)
    • [23].聚类分析在财政实务工作中的应用[J]. 财政科学 2018(02)
    • [24].农业生产资料价格指数的聚类分析[J]. 电脑知识与技术 2017(27)
    • [25].基于PubMed的共词聚类分析方法[J]. 电子科技 2016(02)
    • [26].聚类分析在外国语言学研究中的应用探讨[J]. 中国校外教育 2018(07)
    • [27].基于聚类分析法的机场出租车问题研究[J]. 科学技术创新 2020(35)
    • [28].基于因子聚类分析的安徽服务业竞争力评价[J]. 中国市场 2013(02)
    • [29].教学测评数据的对应聚类分析法研究[J]. 科技信息 2012(34)
    • [30].近红外光谱和聚类分析法无损快速鉴别小儿抽风散[J]. 光谱学与光谱分析 2008(02)

    标签:;  ;  ;  

    基于聚类分析的Web服务管理
    下载Doc文档

    猜你喜欢