【摘 要】
:
Web服务技术的迅速发展使得Web服务的应用越来越广泛,其最终目的是使得分布在不同地域上的可能由不同的人或组织机构提供的Web服务通过互联网进行交互和集成,以此完成动态的
论文部分内容阅读
Web服务技术的迅速发展使得Web服务的应用越来越广泛,其最终目的是使得分布在不同地域上的可能由不同的人或组织机构提供的Web服务通过互联网进行交互和集成,以此完成动态的、松耦合的Web服务的应用。但是互联网上的Web服务的数量日益增多,如何在如此庞大的Web服务海洋中找到满足用户需求的最佳服务成为急需解决的问题,因此Web服务的匹配和发现问题成为研究热点。传统的基于关键字的Web服务发现技术只是限定在语法层次上的匹配,并没有对其语义上的描述,这样无论是在发现结果的精确度还是用户反馈结果的有效率上都不能满足目前的要求;用来描述Web服务的WSDL描述语言只是限定在语法级上,提供的是调用该服务需要的基本信息,也没有服务功能的语义描述;用来查询和发现的UDDI规范中没有考虑发现服务后如何过滤和选择最能满足用户需求的服务的问题,也就是用户对QoS的需求。针对以上提出的不足,本文研究了语义Web服务发现机制,提出了基于QoS的语义Web服务发现系统模型。在该模型中引用OWL-S对Web服务进行语义描述,并对OWL-S进行扩展增加了服务质量QoS的描述。使用OWL-S/UDDI Matchmaker对UDDI注册中心进行扩展,以此支持对服务的语义信息的描述。在语义Web服务匹配算法中把对Web服务的输入、输出参数的语义描述匹配问题进行转化,可以转为基于领域本体库中相似概念间的语义距离计算,并根据语义距离给出了概念相似度的计算公式。对于基于语义的Web服务发现给出了匹配算法描述。在QoS约束匹配过程中,利用服务性价比的概念,为用户选择最佳性能的Web服务,同时也可以对最终的匹配结果按照请求者的意愿进行排序,以满足请求者不同的需要并使得用户同时可以根据本身需求选择性的使用服务。系统还设计了用来存储已发布服务的OWL-S文件的Web服务中心和存储本体信息的本体信息库。论文最后对所提出的算法和系统进行了总结,提出了未来工作的研究方向。
其他文献
数据挖掘的提出和发展是最近十几年的事情,不过现实的需要使得其发展速度非常迅速。数据挖掘技术是通过计算机技术,在多个学科的知识和技术基础上,从大量的实际数据中,分析挖
PLC(Programmable Logic Controller)是一种工业自动控制设备。PLC运行语句表,然后利用I/O装置的输出电压信号控制外部机械或设备的操作。PLC具有适应面广、使用方便、可靠性高、抗干扰能力强、编程简单等特点。软件PLC提供了与硬PLC相同的功能。软PLC也提供了PC环境特有的各种优点。软PLC是一种基于PC机开发结构的控制系统。它具有在功能、可靠性、速度、故障查找等方
张铃教授和张钹院士在深入剖析了人工神经网络的机理后,提出构造性学习理论和方法,获得了成功。构造性机器学习方法是利用球形映射将神经元变换成对有限空间划分的分类器,正
近年来,随着计算机科技的迅猛发展,计算机科技中的各种新技术、新理论、新算法不断涌现,涉及范围越来越广,作为图像的识别、运算与处理基础的图像配准技术也在快速发展中。对两幅
基于属性-值的学习方法的命题化算法是关联规则挖掘算法的的传统方法,即,每一个事实都以的(属性,值)元组形式表示。这种表示形式中,属性种类是固定的,每个属性有一个给定的值
在信息互联网高度发达的今天,解决信息过载问题已经成为互联网技术发展的方向之一。如何从网络海量信息中获取有价值的信息是研究信息过载问题的关键,而个性化推荐作为解决此
当今世界纷繁复杂,各种场合对安全的需求也越来越高。安全、有效、唯一等等得天独厚的优势使得生物特征识别技术逐渐被人们所重视。而根据人行走方式的不同来进行身份识别的
由于互联网技术和云服务的发展,网民数量不断增长,使得各种信息也呈现爆炸式的增长。在这样的趋势下,传统的存储服务已经满足不了现在用户的需求。不管是企业还是个人都需要
机器学习技术已经成功应用在社会生活的各个方面。如手写汉字识别,人脸识别,网络入侵检测等。由于机器学习在应用中取得巨大成就。因此许多研究者都开展了对机器学习的研究。
图像信号在获取、传输和存储等环节,往往会受到各种噪声的污染,严重影响了图像的视觉效果,亦给后续处理带来困难,如边缘检测、图像分割、特征提取、目标跟踪和模式识别等。因