为解决云制造环境下服务资源评价模糊不确定性问题,优化服务推荐效果,提出一个基于服务质量(Quality of Service,QoS)多方异质评价与供需双约束的云制造服务推荐模型。首先,考虑服务提供方、云平台与服务用户多利益相关方的服务评价,兼顾数值、比值、自然语言、打星等多种异质评价形式,并利用基于情感词典的情感分析等方法对异质评价进行客观衡量,构建了包含服务时间(t)、成本(c)、可用性(av)、可维护性(ma)、可信任性(tru)和满意度(sat)六大QoS指标的多方异质评价体系;其次,构建了考虑供需双方匹配要求的双约束服务推荐模型,对多目标优选问题进行求解并对优选服务进行综合评价,最终得到融合客观优选与主观偏好的服务推荐列表。最后,以在云平台发布的一款小型遥控汽车加工服务为例,验证了所提模型的合理性与有效性。
后验概率变化矢量分析(change vector analysis in posterior probability space,CVAPS)方法没有顾及到遥感影像波段之间和多时相之间的光谱相关性,可能会造成信息丢失而降低影像变化检测的精度。因此,结合多元变化检测(multivariate change detection,MAD)技术与CVAPS方法,提出一种改进的土地利用/覆盖变化(land use/cover change,LUCC)分类自动更新方法。首先,引入MAD技术来降低多光谱影像波段间相关性的影响,从而改善对像元变化检测的精度,增强LUCC分类自动更新过程中训练样本的可靠性,提高LUCC分类自动更新的精度;然后,为减少分类图中"椒盐"噪声的影响,进一步利用迭代马尔科夫随机场(iterative Markov random field,IR-MRF)模型进行分类后空间邻域处理,以提高自动更新的精度。以福建省长汀县2013年获取的Landsat8影像数据以及相应的LUCC分类图为基准,利用2003年获取的Landsat5影像,对长汀县2003年的LUCC进行更新。实验结果表明,该方法的自动更新总体精度能够达到80%,比单独采用CVAPS方法的自动更新精度提高了约3%。