基于径向基神经网络的Web Service QoS属性值组合预测方法
本文提出了一种基于径向基神经网络的Web Service QoS属性值组合预测方法,该方法可以正确预测Web Service的服务质量(QoS),从而帮助用户选择符合服务质量需求的Web Service。该方法首先使用时间序列模型对数据集建立线性和非线性预测模型,并选择最优模型,同时根据数据特点建立不同滑动窗口的灰色等维新信息模型,然后将上述两个模型的预测结果作为输入源传递给径向基神经网络的训练模型,进行预测。
本文的主要贡献在于:
1. 提出了一种基于径向基神经网络的Web Service QoS属性值组合预测方法,该方法可以正确预测Web Service的服务质量。
2. 该方法可以根据数据特点建立不同滑动窗口的灰色等维新信息模型,从而提高预测的准确性。
3. 该方法可以将时间序列模型和径向基神经网络模型相结合,提高预测的准确性和泛化能力。
4. 该方法可以帮助用户选择符合服务质量需求的Web Service,从而提高Web Service的服务质量和可靠性。
5. 该方法可以应用于各种Web Service领域,例如云计算、物联网、智能制造等。
本文的主要技术路线包括:
1. 时间序列模型:使用时间序列模型对数据集建立线性和非线性预测模型,并选择最优模型。
2. 灰色等维新信息模型:根据数据特点建立不同滑动窗口的灰色等维新信息模型,从而提高预测的准确性。
3. 径向基神经网络模型:使用径向基神经网络模型对数据进行预测,并将时间序列模型和灰色等维新信息模型的预测结果作为输入源传递给径向基神经网络的训练模型。
4. 组合预测模型:将时间序列模型、灰色等维新信息模型和径向基神经网络模型相结合,形成一个组合预测模型,从而提高预测的准确性和泛化能力。
本文的实验结果表明,该方法可以提高Web Service QoS预测的准确性,且比已有方法具有更好的预测性能。