第一章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 单调分类
1.2.2 服务选择
1.3 研究内容和组织结构
第二章 预备知识
2.1 单调分类的定义及性质
2.2 单调决策树与决策森林
2.2.1 基于有序熵的单调决策树方法
2.2.2 决策森林
2.3 服务选择的相关概念
2.4 组合服务的QoS
2.4.1 QoS属性的聚合函数
2.4.2 QoS属性的效用函数
2.5 本章小结
第三章 基于特征子空间的决策森林单调分类
3.1 单调分类问题的特征选择
3.1.1 单调特征约简及相关定义
3.1.2 单个特征约简的搜索算法
3.2 单调决策树的融合
3.2.1 多个特征约简的搜索算法
3.2.2 融合单调决策树算法
3.3 实验结果与分析
3.3.1 实验数据集
3.3.2 评价指标
3.3.3 变精度参数β 的影响
3.3.4 性能测评
3.4 本章小结
第四章 基于特征子空间的完备决策森林单调分类
4.1 有序数据集的完备特征约简
4.1.1 区分矩阵和区分函数的概念
4.1.2 有序数据集上的区分矩阵
4.2 完备单调决策树的融合
4.2.1 FCMT算法
4.2.2 时间复杂度分析
4.3 实验结果与分析
4.3.2 特征选择的有效性
4.3.3 变精度参数β 的影响
4.3.4 性能测评
4.3.5 真实数据集上的验证
4.4 本章小结
第五章 基于样本子空间的决策森林单调分类
5.1 样本子集的构造
5.1.1 样本子集规模的确定
5.1.2 样本子集的采样算法
5.2 基于样本子集的决策森林
5.2.1 MCDF算法
5.2.2 时间复杂度分析
5.3 实验结果与分析
5.3.1 实验数据集与评价指标
5.3.2 MCDF与REMT算法的比较
5.3.3 MCDF与Adaboost.M1算法的比较
5.3.4 REMT，Adaboost.M1与MCDF的运行时间
5.3.5 MCDF 在较大规模数据集上的有效性
5.4 本章小结
第六章 基于单调分类的服务选择
6.1 示例分析
6.2 系统架构
6.3 基于单调分类的历史记录评价方法
6.3.1 历史记录评价问题的本质
6.3.2 基于特征子空间单调分类的历史记录评价
6.3.3 基于样本子空间单调分类的历史记录评价
6.4 服务选择方法
6.4.1 服务排序
6.4.2 SSMC算法
6.4.3 时间复杂度分析
6.5 实验结果与分析
6.5.1 实验数据集
6.5.2 评价指标
6.5.3 训练数据比例的影响
6.5.4 服务排序的有效性
6.5.5 服务选择的有效性
6.5.6 SSMC方法的鲁棒性
6.6 本章小结
结论及展望
参考文献
攻读博士学位期间取得的研究成果
致谢
个人简况及联系方式
承 诺 书
声明
