您的位置： 专家智库 > >

国家自然科学基金(60805022)

作品数：5 被引量：18H指数：3
相关作者：王志坚周晓峰刘志中娄渊胜许棣华更多>>
相关机构：河海大学南京邮电大学里尔科学与技术大学更多>>
发文基金：国家自然科学基金国家高技术研究发展计划更多>>
相关领域：自动化与计算机技术更多>>

文献类型

  • 5篇中文期刊文章

领域

  • 5篇自动化与计算...

主题

  • 2篇邮件
  • 2篇邮件过滤
  • 2篇邮件过滤系统
  • 2篇WEB服务
  • 1篇多任务
  • 1篇多任务学习
  • 1篇邮件过滤器
  • 1篇文化算法
  • 1篇相关系数
  • 1篇马尔可夫
  • 1篇马尔可夫过程
  • 1篇基于事例推理
  • 1篇过滤器
  • 1篇服务质量
  • 1篇半马尔可夫过...
  • 1篇QOS约束
  • 1篇WEB服务选...
  • 1篇C-

机构

  • 5篇河海大学
  • 2篇南京邮电大学
  • 1篇华北水利水电...
  • 1篇河南理工大学
  • 1篇里尔科学与技...
  • 1篇北京市电信工...

作者

  • 5篇王志坚
  • 3篇刘志中
  • 3篇周晓峰
  • 2篇娄渊胜
  • 2篇许棣华
  • 1篇尚领
  • 1篇海燕
  • 1篇海燕
  • 1篇张艳丽
  • 1篇辛莉

传媒

  • 2篇计算机科学
  • 1篇计算机应用研...
  • 1篇南京理工大学...
  • 1篇计算机技术与...

年份

  • 1篇2013
  • 1篇2011
  • 3篇2010
共 5 条 记 录，以下是 1-5
全选 清除 导出
排序方式：
基于事例推理的Web服务QoS动态预测研究被引量：9
2011年
随着面向服务计算技术的发展,网络上出现了大量功能相同而服务质量(QoS)有很大差别的Web服务,QoS逐渐成为评价和选择Web服务的重要依据。目前常用Web服务历史QoS的算术平均值来近似服务的QoS,这种度量方法没有考虑Web服务QoS的动态性,不能准确地度量Web服务的QoS,从而造成被选择的Web服务以较大概率不能满足用户的QoS需求。针对这一问题,提出了一种基于事例推理(CBR)的QoS动态预测方法,该方法将Web服务的QoS与服务的外界环境、所处理的任务类型、任务大小关联起来,利用事例推理技术预测Web服务处理新任务时的QoS。实验结果表明,该预测方法能有效地提高Web服务QoS的准确度。
刘志中王志坚周晓峰娄渊胜尚领
关键词：WEB服务选择
一种基于相关系数的多层邮件过滤系统被引量：1
2010年
多个相关任务同时学习可能比各个任务单独学习具有更好的泛化能力,这是多任务学习(multitask learning)模式的出发点。受其启发,研究并开发了一种多层邮件过滤系统。首先为各用户建立基本分类器,利用EM算法估计出基本分类器之间的相关系数,最终得到该用户的邮件过滤判别函数。实验结果表明,该系统对中英文语料都是可靠和有效的,并在样例较少时就具有较好的过滤性能。该过滤系统的优劣最终还取决于相关系数先验概率的参数取值,以及所选择的基本分类器。
许棣华王志坚张艳丽辛莉
关键词：相关系数邮件过滤器
基于多任务学习的邮件过滤系统的研究被引量：4
2010年
随着电子邮件的广泛使用,如何有效地避免和防范垃圾邮件的侵扰已成为一个亟待解决的问题。受机器学习在邮件过滤中研究和应用的启发,利用多任务学习(multitask learning)的特性,将判断一个用户的邮件是否为垃圾邮件看作一个任务(task),利用多任务学习中任务相关性假设,提出一种基于多任务学习的邮件过滤系统。实验表明,该系统对中英文邮件语料都是可靠和有效的,尤其对于同一邮件列表(mail list)中的用户的邮件。
许棣华王志坚
关键词：多任务学习邮件过滤
一种支持Web服务QoS动态预测的方法被引量：3
2013年
为了在高度动态环境下准确地预测Web服务的服务质量(Quality of service,QoS),该文提出了一种基于半马尔可夫过程(Semi-Markov processes,SMP)和事例推理(Case-based reasoning,CBR)的QoS动态预测方法。该方法首先使用SMP预测Web服务在未来被调用时刻的忙闲状态,在此基础上,利用CBR技术预测Web服务处理具体任务时的QoS。实验结果表明:该预测方法能够大幅度提高Web服务QoS的准确度。研究结果为客观评价和成功选择Web服务提供了可靠的依据。
海燕海燕王志坚刘志中周晓峰
关键词：WEB服务服务质量半马尔可夫过程
基于C-MMAS算法的组合服务动态选择研究被引量：2
2010年
将大规模的具有多种组合路径的QoS最优组合服务选择转换成带约束的最优路径选择问题,并提出了一种基于文化的最大-最小蚁群优化算法(C-MMAS)来完成最优路径选择。C-MMAS计算模型由基于MMAS的群体空间、基于优秀解的信仰空间及其之间的通信协议组成。群体空间在完成基于MMAS的演化后进行基于"变异"的进化操作,并将每次演化和进化后的优秀解作为知识贡献给信仰空间,信仰空间按照一定的优化规则更新空间里的知识,当信仰空间里的知识经过若干代的积累沉淀后再对群体的演化进行指导。此计算模型在知识和群体层面使用双重进化机制支持问题的求解和知识的提取,充分利用了种群的进化机制和知识的指导作用,在很大程度上提高了种群的多样性及收敛速度,达到了防止早熟、降低计算代价的目的。理论分析和实验结果说明了该算法的可行性和有效性。
刘志中王志坚周晓峰娄渊胜
关键词：QOS约束文化算法
全选 清除 导出
共1页<1>
聚类工具0