文献

J-GLOBAL ID：201702242609148028   整理番号：17A0368716

面識モデルとLS-SVMに基づく事前サービス選択【Powered by NICT】

Proactive service selection based on acquaintance model and LS-SVM

著者 (3件)： Jingjing Hu (School of Software, Beijing Institute of Technology, Beijing 100081, China) ,  Xiaolei Chen (School of Software, Beijing Institute of Technology, Beijing 100081, China) ,  Changyou Zhang (Institute of Software, Chinese Academy of Science, Beijing 100190, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 211  ページ： 60-65  発行年： 2016年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 電流サービス選択が積極的に行うことはできない。サービスプロバイダが過負荷と,サービスリストはこれまで延長,サービス構成のバックログと破壊をもたらした。この欠点を補償するために,本論文では積極的なサービス選択を改善する。この戦略では,サービスプロバイダは受注残を予測と交渉プロセスを通してサービスをconsign他にサービスの時系列を解析した。最小二乗サポートベクトル学習サービスのランダムリストを予測するのに使用される,知識モデル(AM)は高度の関係と他のプロバイダにconsigner allocateバックログサービスである。予測によるサービスのバックログは同じサービスを実現できるプロバイダに委ねられている,故障が起こる前に同じ役割を用いたプロバイダ間の交渉が新しいサービス選択解の生成を可能にするであろう。実験は,最小二乗サポートベクトルマシン(LS SVM)アルゴリズムは,サービスリストとAM減少し通信時間を用いて効果的に交渉機構,サービス選択の成功率を改善し,サービス構成の実行時間を低減し予測においてより正確であったことを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 受注 ,  電流 ,  *折衝 ,  最小二乗法 ,  アルゴリズム ,  過負荷 ,  学習 ,  成功率 ,  通信時間 ,  サービスプロバイダ ,  インターネットサービスプロバイダ
準シソーラス用語： 実行時間 ,  最小二乗-サポートベクトルマシン ,  ISP【インターネット】 ,  サービス選択 , 【Automatic Indexing@JST】

著者キーワード (4件)： サービス選択 ,  知人モデル ,  交渉 ,  LS-SVM

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： モデル ,  LS-SVM ,  サービス