服務計算

目錄
第1章 概述 1
1.1 什么是服務計算 1
1.1.1 服務計算的起源 2
1.1.2 服務計算的定義 5
1.2 服務計算的技術框架 6
1.2.1 服務資源層 7
1.2.2 服務匯聚層 8
1.2.3 服務應用層 9
1.2.4 服務系統(tǒng)層 10
1.3 服務計算發(fā)展現(xiàn)狀 11
1.4 本章小結 14
第2章 Web服務 15
2.1 Web服務簡介 15
2.1.1 Web服務基本概念 16
2.1.2 Web服務體系結構 17
2.1.3 Web服務技術架構 22
2.2 Web服務關鍵技術 24
2.2.1 XML 24
2.2.2 SOAP 26
2.2.3 WSDL 28
2.2.4 UDDI 29
2.3 服務安全 31
2.3.1 WS-Security 33
2.3.2 WS-Policy 36
2.3.3 WS-Trust 37
2.4 語義Web服務 38
2.4.1 OWL-S 41
2.4.2 WSDL-S 43
2.5 本章小結 47
第3章 面向服務的體系結構 48
3.1 概述 48
3.2 SOA 49
3.2.1 簡介 49
3.2.2 基本特點 51
3.2.3 元素 51
3.2.4 SOA特性 53
3.3 服務組件架構 57
3.3.1 SCA概念 57
3.3.2 組裝模型 61
3.3.3 策略框架 69
3.4 服務數(shù)據(jù)對象 70
3.4.1 SDO概念 70
3.4.2 SDO架構 71
3.5 SOA的中間件平臺 73
3.5.1 國外產(chǎn)品介紹 73
3.5.2 國內(nèi)產(chǎn)品介紹 74
3.6 本章小結 75
第4章 服務質(zhì)量和質(zhì)量預測 76
4.1 什么是服務質(zhì)量 76
4.1.1 服務質(zhì)量的定義 76
4.1.2 服務質(zhì)量的度量指標 77
4.1.3 服務質(zhì)量模型 79
4.1.4 服務質(zhì)量技術綜述 81
4.1.5 服務質(zhì)量的功能 82
4.1.6 Web服務質(zhì)量 83
4.2 服務質(zhì)量預測的常用方法 85
4.2.1 基于結構方程的QoS預測方法 85
4.2.2 基于相似度的QoS預測方法 86
4.2.3 基于時間序列的QoS預測方法 87
4.2.4 基于位置的QoS預測方法 88
4.2.5 基于人工智能的QoS預測方法 91
4.3 服務質(zhì)量預測在實際中的應用 92
4.3.1 基于用戶和服務區(qū)域信息的Web服務QoS預測 92
4.3.2 SOA遙感圖像處理中時間感知的QoS預測 96
4.3.3 基于移動邊緣環(huán)境的隱私保護QoS預測 99
4.3.4 基于P2P視頻流中深度傳輸協(xié)同過濾的鄰居選擇QoS預測 102
4.3.5 基于隨機森林的稅務熱線QoS預測 105
4.3.6 基于社區(qū)發(fā)現(xiàn)的Web服務QoS預測 108
4.3.7 基于覆蓋隨機游走算法對用戶信任值的QoS預測 113
4.4 本章小結 117
第5章 服務選擇和服務推薦 118
5.1 什么是服務選擇和服務推薦 118
5.2 服務選擇的常用方法 119
5.2.1 常用方法的深度學習預備知識 119
5.2.2 Web服務的研究方向 132
5.2.3 Web服務選擇的應用 135
5.2.4 服務選擇的QoS 137
5.2.5 基于QoS的Web服務選擇相關研究綜述 138
5.2.6 常用方法 141
5.3 服務推薦的常用方法 146
5.3.1 服務推薦方法簡介 146
5.3.2 常用方法分類 149
5.4 本章小結 152
第6章 服務組合 153
6.1 什么是服務組合 153
6.1.1 服務組合背景 153
6.1.2 服務組合定義 155
6.1.3 服務組合特點 159
6.1.4 服務組合技術 160
6.1.5 服務組合研究意義及解決思路 160
6.2 服務組合方法 161
6.2.1 服務組合方法概述 161
6.2.2 使用方法學分類 163
6.2.3 按照拓撲結構分類 163
6.2.4 按照動態(tài)程度分類 163
6.2.5 按照人工參與程度分類 164
6.2.6 服務組合方法分類 164
6.3 服務組合相關研究 171
6.3.1 服務組合的工作流程 171
6.3.2 服務組合的服務描述 173
6.3.3 服務匹配 174
6.3.4 服務合成 174
6.3.5 服務組合研究現(xiàn)狀 175
6.4 服務組合算法在實際中的應用 181
6.4.1 蟻群優(yōu)化算法 182
6.4.2 粒子群優(yōu)化算法 184
6.4.3 粒子蟻群優(yōu)化算法 184
6.4.4 利用改進的粒子群優(yōu)化算法求初始信息素 185
6.4.5 利用改進的蟻群優(yōu)化算法求解最優(yōu)解 186
6.4.6 算法流程 187
6.5 本章小結 188
第7章 云計算和教育云 189
7.1 什么是云計算 189
7.2 云計算發(fā)展歷程 191
7.3 云計算的服務形式 193
7.3.1 IaaS 194
7.3.2 PaaS 195
7.3.3 SaaS 195
7.4 云計算的特征 197
7.5 云計算的主要技術 200
7.6 教育云 207
7.6.1 概念 207
7.6.2 體系結構 208
7.6.3 發(fā)展進程及啟示 209
7.6.4 應用案例 215
7.7 本章小結 216
參考文獻 217