CN106656603A - 一种基于多参数区间数多属性决策的云服务信任评估方法 - Google Patents
一种基于多参数区间数多属性决策的云服务信任评估方法 Download PDFInfo
- Publication number
- CN106656603A CN106656603A CN201611210941.3A CN201611210941A CN106656603A CN 106656603 A CN106656603 A CN 106656603A CN 201611210941 A CN201611210941 A CN 201611210941A CN 106656603 A CN106656603 A CN 106656603A
- Authority
- CN
- China
- Prior art keywords
- centerdot
- cloud service
- index
- prime
- interval number
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/50—Testing arrangements
- H04L43/55—Testing of service level quality, e.g. simulating service usage
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多参数区间数多属性决策的云服务信任评估方法,首先,以多参数区间数形式采集QoS指标数据并列出决策矩阵,将多参数区间数形式的指标值转换成二元联系数,再按照成本型和效益型对决策矩阵规范化处理得到规范化决策矩阵;其次,基于联系数的属性权重未知的权重设定,确定QoS指标权重;最后,基于规范化决策矩阵和QoS指标权重,采用主值模型对云服务信任评估。本发明以多参数区间数形式采集QoS指标数据并规范化处理,保证数据的真实性和客观性;基于联系数的属性权重未知的区间数多属性决策方法确定指标权重,提高决策的客观性;依据主值模型对云服务信任评估,降低了评估方法的时间复杂度。本发明方法具有较强的客观性和实用性。
Description
技术领域
本发明涉及云计算领域,具体是一种基于多参数区间数多属性决策的云服务信任评估方法。
背景技术
随着网络、巨型计算和大数据的发展,商用为主的云计算得到大力推广,越来越多的企业推出云服务。面对众多功能相同或相近,而质量不同的云服务,如何对其进行客观的信任评估,为用户提供个性化推荐已成为当前云计算领域亟待解决的问题。传统的云服务信任评估方法存在很多不足:套用现成的web服务评价模型,无法适应新需求;缺乏定量的从多个方面对云服务质量度量的方法,评价不够准确;评价体系局限于云服务某几个指标,扩展困难;采用确定的QoS值进行信任评估,缺乏对云服务指标范围的限定;指标权重的设定中加入过多的主观评价因素,云服务的信任评估缺乏客观性等。
发明内容
针对上述问题,本发明提出一种基于多参数区间数多属性决策的云服务信任评估方法,与现有方法相比具有更强的客观性和实用性。
实现本发明目的的技术方案是:
一种基于多参数区间数多属性决策的云服务信任评估方法,包括如下步骤:
(1)基于多参数区间数的数据采集及处理,以多参数区间数形式采集云服务运行的QoS指标数据并列出决策矩阵,将多参数区间数形式的指标值转换成二元联系数,再按照成本型和效益型类型对决策矩阵规范化处理得到规范化决策矩阵;
(2)基于联系数的属性权重未知的权重设定,依据“云服务指标值波动越大的指标应该赋予越大的权重”的原则,确定QoS指标权重;
(3)进行云服务信任评估,基于规范化决策矩阵和QoS指标权重,采用主值模型对云服务信任评估。
步骤(1)所述基于多参数区间数的数据采集及处理,具体步骤如下:
(1-1)定义所研究的云服务集为S={S1,S2,...,Si,...,Sn},每一个云服务对应m个QoS指标,有Q={q1,q2,...,qm},各指标数据以多参数区间数形式表示;
(1-2)采集数据,通过监测云环境,观察不同云服务的运行情况,以多参数区间数形式采集云服务运行的QoS指标数据,列出决策矩阵。其中,多参数区间数是指区间数的参数为三个及以上,传统的区间数决策问题一般采用由一个最大值和一个最小值两个参数组成的区间数表示指标数据,这种选取方法缺乏代表性,本方法在传统区间数基础上增加了在2/4和3/4两个百分点所监测到的数据,共同组成一个四参数的区间数,以qik表示云服务Si的QoS指标qk的多参数区间数,则有:其中,表示在整个检测过程中检测到的最小值;表示在第2/4百分点检测到的数据;表示在第3/4百分点检测到的数据;表示检测到的最大值;基于qik的云服务QoS指标决策矩阵如下所示:
(1-3)将多参数区间数形式的指标值qik转换成二元联系数,得到“均值+最大偏差”二元联系数uik,既保存了区间数对范围的限定作用,又减少了区间数的不确定性,uik的计算公式如下:
其中,j∈[-1,1];
(1-4)将以复数形式的二元联系数uik转化成等价的三角函数Uik,三角函数成为原区间数的一个代表点,令(cosθ+jsinθ)=1,用三角函数Uik的模rik表示三角函数Uik,则称rik为三角形的主值,用三角函数的主值代替三角函数参与运算,在保证结果一致性的基础上,大大简化运算过程,具体公式表示如下:
(1-5)将步骤(1-4)中进行指标数据转换后的决策矩阵中的QoS指标数据按照指标的效益型和成本型两类进行规范化处理,效益型指标是指数值越大越好的指标,如资源利用率,可靠性,准确性等;成本型指标是指数值越小越好的指标,如响应时间,成本等。通过规范化处理,可以去除不同QoS指标的量纲,从而实现对不同指标的融合计算;并能够将不同指标数据转化为特定区间的数据,避免不同数据数值的巨大波动相互影响。对效益型指标和成本型指标的规范化处理方法是不同的,以r'ik表示规范化后的指标,具体规范化如下:
对效益型指标的规范化处理公式如下:
对成本型指标的规范化处理公式如下:
(1-6)基于对不同QoS指标规范处理后的规范化决策矩阵X'如下:
其中,q'ik=r'ik;i=1,2,...,n;k=1,2,...,m。
步骤(2)所述中基于联系数的属性权重未知的权重设定,其原理为:如果所有云服务在第k个指标Qk下的指标值波动较小,说明该指标对云服务信任评估的影响越小;反之,指标Qk在各云服务中的指标值波动较大,说明该指标对云服务信任评估的影响越大。因此,从云服务信任评估这一角度考虑,云服务指标值波动越大的指标应该赋予越大的权重。特别地,当所有云服务在指标Qk下的各属性值没有丝毫波动,则该指标Qk对云服务信任评估将不起作用,可令其权重为零。基于步骤(1)求得的规范后的决策矩阵X',指标的权重计算具体步骤如下:
(2-1)定义QoS指标的权重向量集为W=(ω1,ω2,...,ωi,...,ωm),并满足归一化约束m为指标数量;
(2-2)为了表达指标值的波动性,计算n个云服务中k个指标值的模的方差,公式如下:
式中,是规范化决策矩阵中云服务各QoS指标模的平均数;
(2-3)把m个Qk值归一化处理,计算得到各指标权重ωk,,公式如下:
基于公式(8)求得QoS指标的权重向量集为W=(ω1,ω2,...,ωi,...,ωm),并满足归一化约束
步骤(3)所述进行云服务信任评估,基于所求得规范化决策矩阵和QoS指标权重体系,采用线性加权方法实现对云服务的信任评估,具体步骤如下:
(3-1)将步骤(1)中所求的规范化决策矩阵X'与步骤(2)中所求得的指标权重向量集W,代入云服务的信任评估线性加权公式中,计算云服务的信任评估值,以T(Si)表示第i个云服务Si的信任评估值,其计算公式如下:
T(Si)=∑(q'ik×wk),i=1,2,...,n;k=1,2,...,m (9)
其中,ωk为步骤(2)中所求得的指标权重集;q'ik为规范化决策矩阵X'中第i行k列的QoS指标数据;其中,规范化决策矩阵中QoS指标数据q'ik以三角函数主值的形式参与信任评估,这种评估模型称之为主值模型。采用主值模型进行信任评估,将区间数转换成二元联系数uik,接着,将uik转化成三角函数,三角函数成为原区间数的一个代表点,用三角函数主值参与信任评估,保存了原区间数对范围的限定,降低了不确定性,简化了运算过程;
(3-2)依据步骤(3-1)中的云服务的信任评估公式,计算各云服务的信任评估值;进一步对同一云提供商的不同服务或不同云提供商的同一服务进行信任评估。
本发明的有益效果是,以多参数区间数形式采集QoS指标数据,在传统区间数基础上增加了在2/4和3/4两个百分点所监测到的数据,共同组成一个四参数的区间数,保证了数据的真实性和客观性;基于联系数的属性权重未知的区间数多属性决策方法确定QoS指标权重,使权重的确定依赖于采集的QoS指标数据的波动性,提高了决策的客观性,避免了人为主观因素的影响,其计算结果更加客观、真实;依据主值模型计算云服务的综合评价值,将区间数化为联系数,减少了区间数的不确定性又简化了计算过程,同时降低了评估方法的时间复杂度。因此,本发明方法具有更强的客观性和实用性。
附图说明
图1为本发明的云服务信任评估模型框架图;
图中,1、基于多参数区间数的数据采集及处理模块,2、基于联系数的属性权重未知的权重设定模块,3、云服务信任评估模块。
具体实施方式
以下结合附图对本发明内容做进一步阐述,但不是对本发明的限定。
如图1所示,一种基于多参数区间数多属性决策的云服务信任评估方法,具体步骤如下:
(1)基于多参数区间数的数据采集及处理模块1,通过监测云环境中云服务的运行状况,以多参数区间数形式采集云服务运行的QoS指标数据并列出决策矩阵,接着,进行数据处理得到QoS数据库;
(2)基于联系数的属性权重未知的权重设定模块2,依据“云服务指标值波动越大的指标应该赋予越大的权重”的原则,基于步骤(1)所求得的QoS数据库,确定QoS指标权重;
(3)进行云服务信任评估模块3,基于步骤(1)所求得的QoS数据库和步骤(2)所得的QoS指标权重,采用主值模型对云服务进行可信性评估,得到信任库。
步骤(1)所述基于多参数区间数的数据采集及处理模块1,具体步骤如下:
(1-1)定义所研究的云服务集为S={S1,S2,...,Si,...,Sn},每一个云服务对应m个QoS指标,有Q={q1,q2,...,qm},各指标数据以多参数区间数形式表示;
(1-2)采集数据,通过监测云环境,观察不同云服务的运行情况,以多参数区间数形式采集云服务运行的QoS指标数据,列出决策矩阵。其中,多参数区间数是指区间数的参数为三个及以上,传统的区间数决策问题一般采用由一个最大值和一个最小值两个参数组成的区间数表示指标数据,这种选取方法缺乏代表性,本发明在传统区间数基础上增加了在2/4和3/4两个百分点所监测到的数据,共同组成一个四参数的区间数,以qik表示多参数区间数,则有:其中,表示在整个检测过程中检测到的最小值;表示在第2/4百分点检测到的数据;表示在第3/4百分点检测到的数据;表示检测到的最大值;基于qik的云服务QoS指标决策矩阵如下所示:
(1-3)将多参数区间数形式的指标值qik转换成二元联系数,得到“均值+最大偏差”二元联系数uik,既保存了区间数对范围的限定作用,又减少了区间数的不确定性,二元联系数uik的计算公式如下:
其中,j∈[-1,1];
(1-4)将以复数形式的二元联系数uik转化成等价的三角函数Uik,三角函数成为原区间数的一个代表点。令(cosθ+jsinθ)=1,用三角函数Uik的模rik表示三角函数Uik,则称rik为三角形的主值,用三角函数的主值代替三角函数参与运算,在保证结果一致性的基础上,大大简化运算过程,具体公式表示如下:
(1-5)将步骤(1-4)中进行指标数据转换后的决策矩阵中的QoS指标数据按照指标的效益型和成本型两类进行规范化处理,通过规范化处理,可以去除不同QoS指标的量纲,从而实现对不同指标的融合计算;并能够将不同指标数据转化为特定区间的数据,避免不同数据数值的巨大波动相互影响。对效益型指标和成本型指标的规范化处理方法是不同的,以r'ik表示规范化后的指标,具体规范化如下:
对效益型指标的规范化处理公式如下:
对成本型指标的规范化处理公式如下:
(1-6)基于对不同QoS指标规范处理后的规范化决策矩阵X'如下:
其中,q'ik=r'ik;i=1,2,...,n;k=1,2,...,m。
步骤(2)所述中基于联系数的属性权重未知的权重设定模块2,基于步骤(1)求得的规范后的决策矩阵X',指标的权重计算具体步骤如下:
(2-1)定义QoS指标的权重向量集为W=(w1,w2,...,wi,...,wm),并满足归一化约束m为指标数量;
(2-2)为了表达指标值的波动性,计算n个云服务中k个指标值的模的方差,公式如下:
式中,是规范化决策矩阵中云服务各QoS指标模的平均数;
(2-3)把m个Qk值归一化处理,计算得到各指标权重ωk,,公式如下:
基于公式(8)求得QoS指标的权重向量集为W=(w1,w2,...,wi,...,wm),并满足归一化约束
步骤(3)所述进行云服务信任评估模块3,基于所求得规范化决策矩阵和QoS指标权重体系,采用线性加权方法实现对云服务的信任评估,具体步骤如下:
(3-1)将步骤(1)中所求的规范化决策矩阵X'与步骤(2)中所求得的指标权重向量集W,代入云服务的信任评估线性加权公式中,计算云服务的信任评估值,以T(Si)表示第i个云服务Si的信任评估值,其计算公式如下:
T(Si)=∑(q'ik×wk),i=1,2,...,n;k=1,2,...,m (9)
其中,ωk为步骤(2)中所求得的指标权重集;q'ik为规范化决策矩阵X'中第i行k列的QoS指标数据;采用主值模型进行信任评估,将区间数转换成二元联系数uik,接着,将uik转化成三角函数,三角函数成为原区间数的一个代表点,用三角函数主值参与信任评估,保存了原区间数对范围的限定,降低了不确定性,简化了运算过程;
(3-2)依据步骤(3-1)中的云服务的信任评估公式,计算各云服务的信任评估值;进一步对同一云提供商的不同服务或不同云提供商的同一服务进行信任评估。
Claims (4)
1.一种基于区间数多属性决策的云服务信任评估方法,其特征在于,包括如下步骤:
(1)基于多参数区间数的数据采集及处理,以多参数区间数形式采集云服务运行的QoS指标数据并列出决策矩阵,将多参数区间数形式的指标值转换成二元联系数,再按照成本型和效益型类型对决策矩阵规范化处理得到规范化决策矩阵;
(2)基于联系数的属性权重未知的权重设定,依据“云服务指标值波动越大的指标应该赋予越大的权重”的原则,确定QoS指标权重;
(3)进行云服务信任评估,基于规范化决策矩阵和QoS指标权重,采用主值模型对云服务信任评估。
2.根据权利要求1所述的基于区间数多属性决策的云服务信任评估方法,其特征在于:步骤(1)所述基于多参数区间数的数据采集及处理,具体步骤如下:
(1-1)定义云服务集为S={S1,S2,···,Si,···,Sn},每一个云服务对应m个QoS指标,有Q={q1,q2,···,qm},各指标数据以多参数区间数形式表示;
(1-2)采集数据,通过监测云环境,观察不同云服务的运行情况,以多参数区间数形式采集云服务运行的QoS指标数据,列出决策矩阵;在传统区间数基础上增加了在2/4和3/4两个百分点所监测到的数据,共同组成一个四参数的区间数,以qik表示云服务Si的QoS指标qk的多参数区间数,则有:其中,表示在整个检测过程中检测到的最小值;表示在第2/4百分点检测到的数据;表示在第3/4百分点检测到的数据;表示检测到的最大值;基于qik的云服务QoS指标决策矩阵如下所示:
(1-3)将多参数区间数形式的指标值qik转换成二元联系数,得到“均值+最大偏差”二元联系数uik,既保存了区间数对范围的限定作用,又减少了区间数的不确定性,uik的计算公式如下:
其中,j∈[-1,1];
(1-4)将以复数形式的二元联系数uik转化成等价的三角函数Uik,三角函数成为原区间数的一个代表点,令(cosθ+jsinθ)=1,用三角函数Uik的模rik表示三角函数Uik,则称rik为三角形的主值,用三角函数的主值代替三角函数参与运算,在保证结果一致性的基础上,大大简化运算过程,具体公式表示如下:
(1-5)将步骤(1-4)中进行指标数据转换后的决策矩阵中的QoS指标数据按照指标的效益型和成本型两类进行规范化处理,对效益型指标和成本型指标的规范化处理方法是不同的,以r'ik表示规范化后的指标,具体规范化如下:
对效益型指标的规范化处理公式如下:
对成本型指标的规范化处理公式如下:
(1-6)基于对不同QoS指标规范处理后的规范化决策矩阵X'如下:
其中,q'ik=r'ik;i=1,2,···,n;k=1,2,···,m。
3.根据权利要求1所述的基于区间数多属性决策的云服务信任评估方法,其特征在于:步骤(2)所述中基于联系数的属性权重未知的权重设定,基于步骤(1)求得的规范后的决策矩阵X',指标的权重计算具体步骤如下:
(2-1)定义QoS指标的权重向量集为W=(ω1,ω2,···,ωi,···,ωm),并满足归一化约束 m为指标数量;
(2-2)为了表达指标值的波动性,计算n个云服务中k个指标值的模的方差,公式如下:
式中,是规范化决策矩阵中云服务各QoS指标模的平均数;
(2-3)把m个Qk值归一化处理,计算得到各指标权重ωk,,公式如下:
基于公式(8)求得QoS指标的权重向量集为W=(ω1,ω2,···,ωi,···,ωm),并满足归一化约束
4.根据权利要求1所述的基于区间数多属性决策的云服务信任评估方法,其特征在于:步骤(3)所述进行云服务信任评估,基于所求得规范化决策矩阵和QoS指标权重体系,采用线性加权方法实现对云服务的信任评估,具体步骤如下:
(3-1)将步骤(1)中所求的规范化决策矩阵X'与步骤(2)中所求得的指标权重向量集W,代入云服务的信任评估线性加权公式中,计算云服务的信任评估值,以T(Si)表示第i个云服务Si的信任评估值,其计算公式如下:
T(Si)=∑q'ikωk i=1,2,···,n;k=1,2,···,m (9)
其中,ωk为步骤(2)中所求得的指标权重集;q'ik为规范化决策矩阵X'中第i行k列的QoS指标数据;采用主值模型进行信任评估,将区间数转换成二元联系数uik,接着,将uik转化成三角函数,三角函数成为原区间数的一个代表点,用三角函数主值参与信任评估;
(3-2)依据步骤(3-1)中的云服务的信任评估公式,计算各云服务的信任评估值;进一步对同一云提供商的不同服务或不同云提供商的同一服务进行信任评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611210941.3A CN106656603A (zh) | 2016-12-24 | 2016-12-24 | 一种基于多参数区间数多属性决策的云服务信任评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611210941.3A CN106656603A (zh) | 2016-12-24 | 2016-12-24 | 一种基于多参数区间数多属性决策的云服务信任评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106656603A true CN106656603A (zh) | 2017-05-10 |
Family
ID=58827612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611210941.3A Pending CN106656603A (zh) | 2016-12-24 | 2016-12-24 | 一种基于多参数区间数多属性决策的云服务信任评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106656603A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460258A (zh) * | 2018-01-31 | 2018-08-28 | 中国电子科技集团公司第三十研究所 | 一种用户信任综合评估方法 |
CN108921413A (zh) * | 2018-06-22 | 2018-11-30 | 郑州大学 | 一种基于用户意愿的社交网络信任度计算方法 |
CN110958126A (zh) * | 2018-09-26 | 2020-04-03 | 中国移动通信集团有限公司 | 一种校验方法、装置及计算机可读存储介质 |
CN114996897A (zh) * | 2022-04-06 | 2022-09-02 | 武昌首义学院 | 一种基于云模型联系数的多属性群决策方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103929330A (zh) * | 2014-04-22 | 2014-07-16 | 中国科学院计算技术研究所 | 域名服务质量评估方法及系统 |
CN105512465A (zh) * | 2015-11-30 | 2016-04-20 | 赵鑫龙 | 基于改进vikor法的云平台安全性量化评估方法 |
-
2016
- 2016-12-24 CN CN201611210941.3A patent/CN106656603A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103929330A (zh) * | 2014-04-22 | 2014-07-16 | 中国科学院计算技术研究所 | 域名服务质量评估方法及系统 |
CN105512465A (zh) * | 2015-11-30 | 2016-04-20 | 赵鑫龙 | 基于改进vikor法的云平台安全性量化评估方法 |
Non-Patent Citations (2)
Title |
---|
刘秀梅: ""基于联系数的属性权重未知的区间数多属性决策研究"", 《数学的实践与认识》 * |
王霞: ""多属性决策的三角模糊函数方法"", 《辽宁工程技术大学学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108460258A (zh) * | 2018-01-31 | 2018-08-28 | 中国电子科技集团公司第三十研究所 | 一种用户信任综合评估方法 |
CN108921413A (zh) * | 2018-06-22 | 2018-11-30 | 郑州大学 | 一种基于用户意愿的社交网络信任度计算方法 |
CN108921413B (zh) * | 2018-06-22 | 2021-10-26 | 郑州大学 | 一种基于用户意愿的社交网络信任度计算方法 |
CN110958126A (zh) * | 2018-09-26 | 2020-04-03 | 中国移动通信集团有限公司 | 一种校验方法、装置及计算机可读存储介质 |
CN110958126B (zh) * | 2018-09-26 | 2022-09-06 | 中国移动通信集团有限公司 | 一种校验方法、装置及计算机可读存储介质 |
CN114996897A (zh) * | 2022-04-06 | 2022-09-02 | 武昌首义学院 | 一种基于云模型联系数的多属性群决策方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108375476B (zh) | 一种水电机组健康评估方法 | |
CN106656603A (zh) | 一种基于多参数区间数多属性决策的云服务信任评估方法 | |
WO2022021726A1 (zh) | 一种基于pmu的电力系统状态估计性能评价方法 | |
CN108038300A (zh) | 基于改进的隶属度函数结合神经网络的光纤状态评估方法 | |
CN109685296A (zh) | 计及历史状态的用电信息采集系统模糊综合评价方法 | |
CN106549813A (zh) | 一种网络性能的评估方法及系统 | |
CN103577660B (zh) | 灰度实验系统和方法 | |
CN107679768A (zh) | 一种基于电网实时数据的态势感知系统及其构建方法 | |
CN110111024A (zh) | 基于ahp模糊综合评价模型的科技成果市场价值评估方法 | |
CN105571645A (zh) | 一种大坝自动化监测方法 | |
CN106296019A (zh) | 区域电能质量综合评估方法及系统 | |
CN107360147A (zh) | 基于topsis和云模型的公有云可信度评估方法及系统 | |
CN105488352B (zh) | 基于长期挠度监测数据的混凝土桥梁刚度可靠度评估方法 | |
CN104468728B (zh) | 一种基于信息熵和方差的服务选择方法 | |
CN102904755A (zh) | 一种移动互联网业务用户体验质量测量方法和装置 | |
CN113922412B (zh) | 一种新能源多场站短路比全景化评估方法、系统、存储介质及计算设备 | |
CN108957331A (zh) | 电池性能检测方法及电池性能检测系统 | |
CN108090515A (zh) | 一种基于数据融合的环境等级评估方法 | |
CN106595788A (zh) | 基于多参数耦合修正的大型泵站流量监测方法 | |
CN116308958A (zh) | 基于移动终端的碳排放在线检测预警系统及方法 | |
CN109144986A (zh) | 一种工业设备数据的重要性评估方法 | |
CN106372440B (zh) | 一种并行计算的配电网自适应抗差状态估计方法及装置 | |
CN106874676A (zh) | 一种电能计量装置状态评估方法 | |
CN107977730A (zh) | 一种多传感器数据融合技术的风速测量方法 | |
CN106980874A (zh) | 一种面向配网大数据的多时态维度数据融合方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170510 |