CN104732338B - 云环境下基于模糊理论的服务评价方法 - Google Patents

云环境下基于模糊理论的服务评价方法 Download PDF

Info

Publication number
CN104732338B
CN104732338B CN201510100572.1A CN201510100572A CN104732338B CN 104732338 B CN104732338 B CN 104732338B CN 201510100572 A CN201510100572 A CN 201510100572A CN 104732338 B CN104732338 B CN 104732338B
Authority
CN
China
Prior art keywords
mrow
entity
trust
value
evaluation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510100572.1A
Other languages
English (en)
Other versions
CN104732338A (zh
Inventor
郭良敏
孙丽萍
胡桂银
左开中
陈付龙
张美娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hunan Muzelu Technology Co ltd
Original Assignee
Anhui Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Anhui Normal University filed Critical Anhui Normal University
Priority to CN201510100572.1A priority Critical patent/CN104732338B/zh
Publication of CN104732338A publication Critical patent/CN104732338A/zh
Application granted granted Critical
Publication of CN104732338B publication Critical patent/CN104732338B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开云环境下基于模糊理论的服务评价方法，1，通过公式计算SC实体A对SP实体B的直接信任评价向量；2，计算SC实体A对SP实体B的间接信任评价向量；3，将直接信任评价向量和间接信任评价向量通过模糊理论得直接信任值DTA,B和间接信任值ITA,B；4，通过以下公式计算SC实体A对SP实体B的综合信任值，TA，B＝αDTA，B+(1‑α)ITA，B；5，根据最近T次交互中SC实体A对SP实体B的第j维QoS的实际评价，计算直接QoS评价值DQA，B；6，根据SC实体A对SP实体B的综合信任值，计算间接QoS评价值IQA，B；7，综合直接QoS评价值DQA，B和间接QoS评价值IQA，B得到最终评价值。该方法用模糊数学方法对SP实体提供的服务质量进行较为准确地综合评价。

Description

云环境下基于模糊理论的服务评价方法
技术领域
本发明涉及云安全领域，具体地，涉及云环境下基于模糊理论的服务评价方法。
背景技术
云计算是一种新型的商业计算模式，它将计算任务分布在大量计算机构成的虚拟资源池上，使各种应用系统或用户能依据需要获取相应服务。随着云计算和Web服务技术的快速发展，对提供相似或相同功能的各种质量参差不齐的服务进行服务等级区分，使得优质服务在云环境下具有较高的服务等级，劣质服务具有较低的服务等级，以便促进云计算的广泛使用。
近年来，国内外学者已对云服务质量的评价方法展开了研究，其中大多假定服务提供者SP(Service Provider)发布的服务质量(QoS)数据是真实的，但实际情况中，SP发布的信息未必真实可信，如此必然会影响服务消费者SC(Service Consumer)对服务的选择。因此，如何判别SP实体所宣布数据的可信性并对其所提供服务进行较为准确地评价是至关重要的。
发明内容
本发明的目的是提供一种云环境下基于模糊理论的服务评价方法，该方法用模糊数学方法对SP实体提供的服务质量进行较为准确地综合评价，先依据SC实体对SP实体的实际QoS评价以及SP实体自身宣称的QoS得到直接和间接的信任评价向量，再利用模糊理论获得SP实体的综合信任值，以该信任值作为SP实体所宣称地QoS的可信性，并结合实际QoS评价获得对SP实体所提供服务的最终QoS评价。
为了实现上述目的，本发明提供了一种云环境下基于模糊理论的服务评价方法，该方法包括：
步骤1，通过公式计算SC实体A对SP实体B的直接信任评价向量(ΔA,B(1)，ΔA,B(2)，ΔA,B(3)，ΔA,B(4))；
其中，T为所述SC实体A与SP实体B的交互数，ΔA,B(j)为第j维直接信任评价值，第i次交互时所述SP实体B宣称的第j维服务质量(QoS)数据；为第i次交互后A对B的第j维QoS的实际评价，μ(i)为时间衰减函数；
步骤2，计算所述SC实体A对SP实体B的间接信任评价向量(Δ′A,B(1)，Δ′A,B(2)，Δ′A,B(3)，Δ′A,B(4))，其中，Δ′A,B(1)、Δ′A,B(2)、Δ′A,B(3)和Δ′A,B(4)依次分别为第1维间接信任评价值、第2维间接信任评价值、第3维间接信任评价值和第4维间接信任评价值；
步骤3，将所述直接信任评价向量和间接信任评价向量通过模糊理论得到直接信任值DTA,B和间接信任值ITA,B；
步骤4，通过以下公式计算所述SC实体A对SP实体B的综合信任值，
TA，B＝αDTA，B+(1-α)ITA，B，其中α为自信因子；
步骤5，根据第i次交互后所述SC实体A对SP实体B的第j维QoS的实际评价，计算所述SC实体A对SP实体B的直接QoS评价值DQA，B；
步骤6，根据所述SC实体A对SP实体B的综合信任值，计算所述实体A对SP实体B的间接QoS评价值IQA，B；
步骤7，综合直接QoS评价值DQA，B和间接QoS评价值IQA，B，通过如下公式得到最终评价值，FQA，B＝αDQA，B+(1-α)IQA，B。
优选地，在所述步骤2中，计算所述SC实体A对SP实体B的间接信任评价向量(Δ′A,B(1)，Δ′A,B(2)，Δ′A,B(3)，Δ′A,B(4))的方法包括：
预设z个SC实体在对应时间段内与所述SP实体B有交互，其中，第k个SC实体Rk在第j维QoS指标上的推荐可信度通过以下公式得到：
当时，
当时，
其中，m为所述SC实体Rk与所述SP实体B的交互次数；
通过所述步骤1能够得到所述SC实体Rk对SP实体B的直接信任评价向量
通过以下公式，得到所述SC实体A对SP实体B的间接信任评价向量，
其中，为称赞因子，nr(B)为与所述SP实体B有过交互的所述SC实体对其给出的称赞数，nΣ(B)为所述SP实体B所参与的交易总数。
优选地，在所述步骤3中，将所述直接信任评价向量和间接信任评价向量通过模糊理论得到直接信任值DTA,B和间接信任值ITA,B的方法包括：
将论域U建立在所述SP实体的集上，信任值在论域U上分为5个信任等级，5个所述信任等级对应的数值区间分别为[0，1]、[1，2]、[2，3]、[3，4]和[4，5]；
预设SP实体x的直接信任评价向量为(x1，x2，x3，x4)，得到以下相应的隶属函数，
当时，Pij(xj)＝0，
当或时，
其中，为第j维直接信任评价向量(x1，x2，x3，x4)的均值，σj为第j维直接信任评价向量(x1，x2，x3，x4)的标准差；
通过以下公式得到预设SP实体x在第i个信任等级上的隶属度，
wj为第j维评价值相对于其它维的重要程度，且0≤wj≤1；根据最大隶属原则，所述预设SP实体x的信任值t(x)和对应的信任等级公式为：
优选地，所述最大隶属原则为：当任意一个属于论域U的所述预设SP实体x中的其中，i∈{1，2，3，4，5}，则所述预设SP实体x相对隶属于信任值t(x)。
优选地，在所述步骤4中，所述自信因子α通过以下计算公式进行计算：
α＝1-fr×γ,
γ为推荐可信因子。
优选地，在所述步骤5中，当所述SC实体A与所述SP实体B最近的T次直接交互后得到的T个QoS实际评价值，其中，T个中第i个QoS实际评价值为则所述SC实体A对所述SP实体B的直接QoS评价值能够通过下述公式得到：
优选地，在步骤6中，在所述SC实体A与所述SP实体B最近的T次交互中，自己宣称T个QoS数据，其中，T个QoS数据中的第i个所述QoS数据为则所述SC实体A对所述SP实体B的间接QoS评价值能够通过下述公式得到：
本发明利用模糊理论计算信任值更能体现信任的特性，使得计算结果相对准确；同时在计算间接信任值时，引入称赞因子，更符合现实中优质服务口碑好、顾客多的现象；并且在计算综合信任值和最终QoS评价时，给出权重α(即自信因子)的具体计算方法，进一步提高了评价结果的准确性。
本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1是说明本发明的一种云环境下基于模糊理论的服务评价方法的流程图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
本发明提供一种云环境下基于模糊理论的服务评价方法，该方法包括：
步骤1，通过公式计算SC实体A对SP实体B的直接信任评价向量(ΔA,B(1)，ΔA,B(2)，ΔA,B(3)，ΔA,B(4))；
其中，T为所述SC实体A与SP实体B的交互数，ΔA,B(j)为第j维直接信任评价值，第i次交互时所述SP实体B宣称的第j维服务质量(QoS)数据；为第i次交互后A对B的第j维QoS的实际评价，μ(i)为时间衰减函数；
步骤2，计算所述SC实体A对SP实体B的间接信任评价向量(Δ′A,B(1)，Δ′A,B(2)，Δ′A,B(3)，Δ′A,B(4))，其中，Δ′A,B(1)、Δ′A,B(2)、Δ′A,B(3)和Δ′A,B(4)依次分别为第1维间接信任评价值、第2维间接信任评价值、第3维间接信任评价值和第4维间接信任评价值；
步骤3，将所述直接信任评价向量和间接信任评价向量通过模糊理论得到直接信任值DTA,B和间接信任值ITA,B；
步骤4，通过以下公式计算所述SC实体A对SP实体B的综合信任值，TA，B＝αDTA，B+(1-α)ITA，B，其中α为自信因子；
步骤5，根据最近T次交互中所述SC实体A对SP实体B的第j维QoS的实际评价，计算所述SC实体A对SP实体B的直接QoS评价值DQA，B；
步骤6，根据所述SC实体A对SP实体B的综合信任值，计算所述实体A对SP实体B的间接QoS评价值IQA，B；
步骤7，综合直接QoS评价值DQA，B和间接QoS评价值IQA，B，通过如下公式得到最终评价值，FQA，B＝αDQA，B+(1-α)IQA，B。
本发明利用模糊理论计算信任值更能体现信任的特性，使得计算结果相对准确；同时在计算间接信任值时，引入称赞因子，更符合现实中优质服务口碑好、顾客多的现象；并且在计算综合信任值和最终QoS评价时，给出权重α(即自信因子)的具体计算方法，进一步提高了评价结果的准确性。
在本发明的一种具体实施方式中，在所述步骤2中，计算所述SC实体A对SP实体B的间接信任评价向量(Δ′A,B(1)，Δ′A,B(2)，Δ′A,B(3)，Δ′A,B(4))的方法包括：
预设z个SC实体在对应时间段内与所述SP实体B有交互，其中，第k个SC实体Rk在第j维QoS指标上的推荐可信度通过以下公式得到：
当时，
当时，
其中，m为所述SC实体Rk与所述SP实体B的交互次数；
通过所述步骤1能够得到所述SC实体Rk对SP实体B的直接信任评价向量
通过以下公式，得到所述SC实体A对SP实体B的间接信任评价向量，
其中，为称赞因子，nr(B)为与所述SP实体B有过交互的所述SC实体A对其给出的称赞数，nΣ(B)为所述SP实体B所参与的交易总数。
本发明在计算间接信任值时，引入称赞因子，更符合现实中优质服务口碑好、顾客多的现象。
在本发明的一种具体实施方式中，在所述步骤3中，将所述直接信任评价向量和间接信任评价向量通过模糊理论得到直接信任值DTA,B和间接信任值ITA,B的方法包括：
将论域U建立在所述SP实体的集上，信任值在论域U上分为5个信任等级，5个所述信任等级对应的数值区间分别为[0，1]、[1，2]、[2，3]、[3，4]和[4，5]；
预设SP实体x的直接信任评价向量为(x1，x2，x3，x4)，得到以下相应的隶属函数，
当时，Pij(xj)＝0，
当或时，
其中，为第j维直接信任评价向量(x1，x2，x3，x4)的均值，σj为第j维直接信任评价向量(x1，x2，x3，x4)的标准差；
通过以下公式得到预设SP实体x在第i个信任等级上的隶属度，
wj为第j维评价值相对于其它维的重要程度，且根据最大隶属原则，所述预设SP实体x的信任值t(x)和对应的信任等级公式为：
在本发明的一种具体实施方式中，所述最大隶属原则为：当任意一个属于论域U的所述预设SP实体x中的其中，i∈{1，2，3，4，5}，则所述预设SP实体x相对隶属于信任值t(x)。
在本发明的一种具体实施方式中，在所述步骤4中，所述自信因子α通过以下计算公式进行计算：
α＝1-fr×γ,
γ为推荐可信因子。
上述实施方式中，通过引入权重α(即自信因子)的具体计算方法，进一步提高了评价结果的准确性。
在本发明的一种具体实施方式中，在所述步骤5中，当所述SC实体A与所述SP实体B最近的T次直接交互后得到的T个QoS实际评价值，其中，T个中第i个QoS实际评价值为则所述SC实体A对所述SP实体B的直接QoS评价值能够通过下述公式得到：
上述实施方式中，利用时间衰减函数更能体现QoS评价值的真实性。
在本发明的一种具体实施方式中，在步骤6中，在所述SC实体A与所述SP实体B最近的T次交互中，自己宣称T个QoS数据，其中，T个中第i个所述QoS数据为则所述SC实体A对所述SP实体B的间接QoS评价值能够通过下述公式得到：
上述实施方式中，利用A对B的综合信任值来修正B所宣称的QoS数据，提高了QoS评价的准确性和可靠性。
本发明中的一种最优选的实施方式如下所示，还可以通过图1来具体说明本发明的步骤，在具体步骤中，
S101，每个SP实体每隔一段时间会对外宣称自己当时的QoS数据，设SC实体A与SP实体B交互时，B所宣称的QoS数据为：qB＝(qB(1),qB(2),qB(3),qB(4))，qB(j)表示B宣称的第j(j＝1，2，3，4)维QoS数据，取值越大代表所宣称的服务质量越好，第1维代表服务价格、第2维代表安全性、第3维代表稳定性、第4维代表完成时间。
S102，A获得B的服务后，A会对B所提供服务的各项QoS进行实际评价，为QA,B＝(QA,B(1)，QA,B(2)，QA,B(3)，QA,B(4))
S103，依据A与B最近的T次交互经验，得到A对B的直接信任评价向量(ΔA,B(1)，ΔA,B(2)，ΔA,B(3)，ΔA,B(4))，其中， 为第i次交互时B自己宣称的第j维QoS数据，为第i次交互后A对B的第j维QoS的实际评价，为时间衰减函数，θ∈[0，1]为衰减速度的调节因子。
S104，计算推荐实体的推荐可信度，具体为：设除了A之外，有z个SC实体(推荐者)R1,R2,...,Rz在对应时间段内与B有交互，在第j维QoS指标上，Rk的推荐可信度为：
当时，
当时，
其中m是它们分别与B服务交互的次数(第一种情况下，系数10用于将推荐可信度值控制在[0，1]范围内)。
S105，计算A对B的间接信任评价向量(Δ′A,B(1)，Δ′A,B(2)，Δ′A,B(3)，Δ′A,B(4))，具体为：依据步骤一易求推荐实体Rk对B的直接信任评价向量(ΔA,B(1)，ΔA,B(2)，ΔA,B(3)，ΔA,B(4))，再结合S104中的推荐可信度，获得A对B的间接信任评价向量(Δ′A,B(1)，Δ′A,B(2)，Δ′A,B(3)，Δ′A,B(4))，其中，为称赞因子，nr(B)为已有的与B有过交互的SC实体对其给出的“称赞”数，nΣ(B)为B所参与的交易总数。
S106，基于模糊理论计算B的直接信任值和间接信任值，具体为：将论域U建立在SP实体集上，信任值在U上分为5个等级(即5个模糊子集)分别为A1—不可信、A2—有点信任、A3—基本信任、A4—很信任和A5—完全信任，各等级对应的数值区间分别为[0，1]、[1，2]、[2，3]、[3，4]、[4，5]。为方便描述，用(x1，x2，x3，x4)代表实体B的直接信任评价向量，相应的隶属函数可近似表示为：
当时，Pij(xj)＝0，
当或时，
其中，i＝1，2，3，4，5；j＝1,2,3,4，为第j维直接信任评价向量(x1，x2，x3，x4)的均值，σj为第j维直接信任评价向量(x1，x2，x3，x4)的标准差；xj为实体B的第j维直接信任评价值。
用表示论域U上实体B在第i个信任等级上的隶属度，其中wj为第j维评价值相对于其它维的重要程度，且根据最大隶属原则，若对任意一个SP实体B∈U，有i∈{1，2，3，4，5}，使得则认为B相对隶属于Ai。因此，可按下式获得实体B的直接信任值
计算间接信任值ITA,B的方法同上，以下就不再赘述。
S107，计算B的综合信任值，具体为：先确定自信因子α，α＝1-fr×γ,，γ为推荐可信因子，然后综合上述得到的直接和间接信任值，通过下式可得：
TA，B＝αDTA，B+(1-α)ITA，B。
S108，根据A对与B最近的T次直接交互后的QoS实际评价其中(i＝1，2，3，4，5，...，T)，可得A对B的直接QoS评价值
S109，根据B最近与A的T次交互中，自己宣称的QoS数据其中(i＝1，2，3，4，5，...，T)，再结合B的综合信任值，可得A对B的间接QoS评价值
S110，综合直接和间接QoS评价，得到A对B实体QoS的最终评价值FQA，B＝αDQA，B+(1-α)IQA，B。
以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。

Claims (7)

1.一种云环境下基于模糊理论的服务评价方法，其特征在于，该方法包括：
步骤1，通过公式计算服务消费者SC实体A对服务提供者SP实体B的直接信任评价向量(ΔA,B(1)，ΔA,B(2)，ΔA,B(3)，ΔA,B(4))；
其中，T为所述SC实体A与SP实体B最近的交互数，ΔA,B(j)为第j维直接信任评价值，为第i次交互时所述SP实体B宣称的第j维服务质量QoS数据；为第i次交互后A对B的第j维QoS的实际评价，μ(i)为时间衰减函数；
步骤2，计算所述SC实体A对SP实体B的间接信任评价向量(Δ′A,B(1)，Δ′A,B(2)，Δ′A,B(3)，Δ′A,B(4))，其中，Δ′A,B(1)、Δ′A,B(2)、Δ′A,B(3)和Δ′A,B(4)依次分别为第1维间接信任评价值、第2维间接信任评价值、第3维间接信任评价值和第4维间接信任评价值；
步骤3，将所述直接信任评价向量和间接信任评价向量通过模糊理论得到直接信任值DTA,B和间接信任值ITA,B；
步骤4，通过以下公式计算所述SC实体A对SP实体B的综合信任值，
TA，B＝αDTA，B+(1-α)ITA，B，其中α为自信因子；
步骤5，根据最近T次交互中所述SC实体A对SP实体B的第j维QoS的实际评价，计算所述SC实体A对SP实体B的直接QoS评价值DQA，B；
步骤6，根据所述SC实体A对SP实体B的综合信任值，计算所述SC实体A对SP实体B的间接QoS评价值IQA，B；
步骤7，综合直接QoS评价值DQA，B和间接QoS评价值IQA，B，通过如下公式得到最终评价值，FQA，B＝αDQA，B+(1-α)IQA，B。
2.根据权利要求1所述的云环境下基于模糊理论的服务评价方法，其特征在于，在所述步骤2中，计算所述SC实体A对SP实体B的间接信任评价向量(Δ′A,B(1)，Δ′A,B(2)，Δ′A,B(3)，Δ′A,B(4))的方法包括：
设z个SC实体A在对应时间段内与所述SP实体B有交互，其中，第k个SC实体Rk在第j维QoS指标上的推荐可信度通过以下公式得到：
当时，
当时，
其中，m为所述SC实体Rk与所述SP实体B的交互次数；
通过所述步骤1能够得到所述SC实体Rk对SP实体B的直接信任评价向量
通过以下公式，得到所述SC实体A对SP实体B的间接信任评价向量，其中，为称赞因子，nr(B)为与所述SP实体B有过交互的所述SC实体对其给出的称赞数，n∑(B)为所述SP实体B所参与的交易总数。
3.根据权利要求1所述的云环境下基于模糊理论的服务评价方法，其特征在于，在所述步骤3中，将所述直接信任评价向量和间接信任评价向量通过模糊理论得到直接信任值DTA,B和间接信任值ITA,B的方法包括：
将论域U建立在所述SP实体的集上，信任值在论域U上分为5个信任等级，5个所述信任等级对应的数值区间分别为[0，1]、[1，2]、[2，3]、[3，4]和[4，5]；
预设SP实体x的直接信任评价向量为(x1，x2，x3，x4)，得到以下相应的隶属函数，
当时，Pij(xj)＝0，
当或时，
其中，为第j维直接信任评价向量(x1，x2，x3，x4)的均值，σj为第j维直接信任评价向量(x1，x2，x3，x4)的标准差；
通过以下公式得到预设SP实体x在第i个信任等级上的隶属度，
wj为第j维评价值相对于其它维的重要程度，且0≤wj≤1；根据最大隶属原则，所述预设SP实体x的信任值t(x)和对应的信任等级公式为：
<mrow> <mi>t</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>P</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>,</mo> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>P</mi> <mn>2</mn> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>+</mo> <mn>1</mn> <mo>,</mo> <mi>i</mi> <mo>=</mo> <mn>2</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>P</mi> <mn>3</mn> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>+</mo> <mn>2</mn> <mo>,</mo> <mi>i</mi> <mo>=</mo> <mn>3</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>P</mi> <mn>4</mn> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>+</mo> <mn>3</mn> <mo>,</mo> <mi>i</mi> <mo>=</mo> <mn>4</mn> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>P</mi> <mn>5</mn> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>+</mo> <mn>4</mn> <mo>,</mo> <mi>i</mi> <mo>=</mo> <mn>5</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>.</mo> </mrow>
4.根据权利要求3所述的云环境下基于模糊理论的服务评价方法，其特征在于，所述最大隶属原则为：当任意一个属于论域U的所述预设SP实体x中的其中，i∈{1，2，3，4，5}，则所述预设SP实体x相对隶属于信任值t(x)。
5.根据权利要求2所述的云环境下基于模糊理论的服务评价方法，其特征在于，在所述步骤4中，所述自信因子α通过以下计算公式进行计算：
<mrow> <mi>&amp;gamma;</mi> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mn>4</mn> <mi>z</mi> </mrow> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>4</mn> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>z</mi> </munderover> <msub> <mi>rc</mi> <mrow> <mi>A</mi> <mover> <mo>&amp;RightArrow;</mo> <msub> <mi>R</mi> <mi>k</mi> </msub> </mover> <mi>B</mi> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> </msub> <mo>;</mo> </mrow>
α＝1-fr×γ,
γ为推荐可信因子。
6.根据权利要求1所述的云环境下基于模糊理论的服务评价方法，其特征在于，在所述步骤5中，当所述SC实体A与所述SP实体B最近的T次直接交互后得到的T个QoS实际评价值，其中，T个中第i个QoS实际评价值为则所述SC实体A对所述SP实体B的直接QoS评价值能够通过下述公式得到：
<mrow> <msub> <mi>DQ</mi> <mrow> <mi>A</mi> <mo>,</mo> <mi>B</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mi>T</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>4</mn> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <msub> <mi>w</mi> <mi>j</mi> </msub> <mo>&amp;CenterDot;</mo> <mi>&amp;mu;</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <msubsup> <mi>Q</mi> <mrow> <mi>A</mi> <mo>,</mo> <mi>B</mi> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> <mi>i</mi> </msubsup> <mo>;</mo> </mrow>
其中，wj为第j维评价值相对于其它维的重要程度，且0≤wj≤1。
7.根据权利要求1所述的云环境下基于模糊理论的服务评价方法，其特征在于，在步骤6中，在所述SC实体A与所述SP实体B最近的T次交互中，自己宣称T个QoS数据，其中，T个中第i个所述QoS数据为则所述SC实体A对所述SP实体B的间接QoS评价值能够通过下述公式得到：
<mrow> <msub> <mi>IQ</mi> <mrow> <mi>A</mi> <mo>,</mo> <mi>B</mi> </mrow> </msub> <mo>=</mo> <msub> <mi>T</mi> <mrow> <mi>A</mi> <mo>,</mo> <mi>B</mi> </mrow> </msub> <mo>&amp;CenterDot;</mo> <mfrac> <mn>1</mn> <mi>T</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>4</mn> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <msub> <mi>w</mi> <mi>j</mi> </msub> <mo>&amp;CenterDot;</mo> <mi>&amp;mu;</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <msubsup> <mi>q</mi> <mrow> <mi>B</mi> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow> <mi>i</mi> </msubsup> </mrow>
其中，wj为第j维评价值相对于其它维的重要程度，且0≤wj≤1。
CN201510100572.1A 2015-03-06 2015-03-06 云环境下基于模糊理论的服务评价方法 Active CN104732338B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510100572.1A CN104732338B (zh) 2015-03-06 2015-03-06 云环境下基于模糊理论的服务评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510100572.1A CN104732338B (zh) 2015-03-06 2015-03-06 云环境下基于模糊理论的服务评价方法

Publications (2)

Publication Number Publication Date
CN104732338A CN104732338A (zh) 2015-06-24
CN104732338B true CN104732338B (zh) 2018-01-19

Family

ID=53456212

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510100572.1A Active CN104732338B (zh) 2015-03-06 2015-03-06 云环境下基于模糊理论的服务评价方法

Country Status (1)

Country Link
CN (1) CN104732338B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108255886B (zh) * 2016-12-29 2021-08-13 北京国双科技有限公司 推荐系统的评估方法及装置
CN108446819A (zh) * 2018-02-02 2018-08-24 晖保智能科技（上海）有限公司 一种用于园区人员管理信任评价系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103237023A (zh) * 2013-04-16 2013-08-07 安徽师范大学 一种动态信任模型构建系统
CN103412918A (zh) * 2013-08-08 2013-11-27 南京邮电大学 一种基于服务质量和声誉的服务信任度评估方法
CN104009993A (zh) * 2014-05-29 2014-08-27 安徽师范大学 一种基于模糊过滤的信任评估方法
CN104009992A (zh) * 2014-05-29 2014-08-27 安徽师范大学 一种基于模糊控制的信任评估系统构建方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090077079A1 (en) * 2007-09-18 2009-03-19 Siemens Aktiengesellschaft Method for classifying interacting entities

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103237023A (zh) * 2013-04-16 2013-08-07 安徽师范大学 一种动态信任模型构建系统
CN103412918A (zh) * 2013-08-08 2013-11-27 南京邮电大学 一种基于服务质量和声誉的服务信任度评估方法
CN104009993A (zh) * 2014-05-29 2014-08-27 安徽师范大学 一种基于模糊过滤的信任评估方法
CN104009992A (zh) * 2014-05-29 2014-08-27 安徽师范大学 一种基于模糊控制的信任评估系统构建方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Estimating Trust Value for Cloud Service Providers using Fuzzy Logic;Supriya M 等;《International Journal of Computer Applications》;20120630;第48卷(第19期);第28-34页 *
云计算环境下服务信任评估方法研究;第12期;《计算机科学》;20141231;第41卷;第38-42页 *
面向个性化云服务的动态信任模型;刘飞 等;《计算机工程》;20140430;第40卷(第4期);第32-36页 *

Also Published As

Publication number Publication date
CN104732338A (zh) 2015-06-24

Similar Documents

Publication Publication Date Title
Angeletos et al. Myopia and anchoring
Lind et al. With or without U? The appropriate test for a U‐shaped relationship
McMillan et al. Rating curve estimation under epistemic uncertainty
CN102307205B (zh) 由信誉评估上升到信任管理的跨域访问控制策略生成方法
Errouissi et al. Bootstrap prediction interval estimation for wind speed forecasting
Han et al. An agent-based model for community flood adaptation under uncertain sea-level rise
CN104732338B (zh) 云环境下基于模糊理论的服务评价方法
CN109815627A (zh) 一种径流变异影响因子确定方法及系统
Navarrete et al. An empirical assessment of the effects of the Japan–Philippine Economic Partnership Agreement (JPEPA) on Philippine exports to Japan: a gravity model approach
CN107171843A (zh) 一种理想云服务提供商的选择方法及系统
Bujok et al. Numerical valuation of basket credit derivatives in structural jump-diffusion models
Dini et al. Water distribution network quality model calibration: a case study–Ahar
CN106055871A (zh) 一种气井泡沫排水采气效果评价方法
CN103308956B (zh) 利用云气候学数据预判目标区域未来月平均云量的方法
Sun et al. Impacts of green energy finance on eco-friendly environments
Webb et al. Sustainability quantification and valuation. II: Probabilistic framework and metrics for sustainable construction
Fu et al. A factorial-based dynamic analysis method for reservoir operation under fuzzy-stochastic uncertainties
CN104009993A (zh) 一种基于模糊过滤的信任评估方法
Verma et al. Does financial inclusion reduce income inequality? Empirical evidence from Asian economies
Araujo et al. Rescaled range analysis of streamflow records in the São Francisco River Basin, Brazil
Wu et al. Application of Analytic Hierarchy Process‐Grey Target Theory Systematic Model in Comprehensive Evaluation of Water Environmental Quality
Easa Multi-criteria optimisation of the Muskingum flood model: A new approach
Ashkar et al. Cramér-von Mises and Anderson-Darling goodness-of-fit tests for the two-parameter kappa distribution
Sugasawa et al. Hierarchical Bayes small‐area estimation with an unknown link function
De Robles et al. Economic Growth at the Expense of Environmental Degradation: Evidence from the Philippines

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20200316

Address after: 510530 room 1923, building 3, Ruifeng center, Kaichuang Avenue, Huangpu District, Guangzhou City, Guangdong Province

Patentee after: Guangzhou bud rice Intellectual Property Service Co., Ltd.

Address before: 241002 Anhui Province, Wuhu District of Yijiang City Jiuhua Road No. 189 Technology Service Department

Patentee before: ANHUI NORMAL University

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20220331

Address after: 410000 2502, block a, building 14, Jinyue Yayuan phase II business, No. 268 Luyun Road, Tianding street, Yuelu District, Changsha City, Hunan Province

Patentee after: Hunan muzelu Technology Co.,Ltd.

Address before: 510530 1923, building 3, Ruifeng center, Kaichuang Avenue, Huangpu District, Guangzhou City, Guangdong Province

Patentee before: Guangzhou bud rice Intellectual Property Service Co.,Ltd.