导读:本文包含了信任推理论文开题报告文献综述及选题提纲参考文献，主要关键词:云计算,服务可信,可信值,服务等级协议
信任推理论文文献综述
樊悦芹,张永胜,常良[1]（2016）在《面向个性化服务的多维属性信任推理研究》一文中研究指出针对当前云服务缺乏有效信任保障机制的问题,提出基于多维属性信任传递的个性化服务评价策略.该策略综合多维属性计算服务实体可信值,利用直接信任和间接信任建立可信空间,实现以直接信任为主,公共信任反馈为辅的个性化服务评价体系.通过研究云服务与云用户之间可信关系的计算、传递、推理方法,设计了基于多维属性信任传递的个性化服务选择算法.经过实验结果表明,该模型与传统可信服务计算相比,虽增加了少量协商步骤,但能够使可信值计算更加准确,可以有效提高云服务-云用户交互的成功率,为云服务可信研究提供一种新思路.(本文来源于《小型微型计算机系统》期刊2016年09期）
张良玉[2]（2013）在《P2P网络中基于贝叶斯推理的信任预测关键技术研究》一文中研究指出P2P网络(Peer-to-Peer Networks)现已成为互联网中一种重要的新型网络组织形式,与传统的C/S (Client/Server)网络相比,P2P网络没有服务器和客户端的概念,节点之间是对等的,既可以是服务器,又可以是客户端。由于P2P网络自身特点带来的匿名性、开放性、松耦合性,给P2P网络安全带来了严重的威胁。为了创造一个安全可信的P2P网络环境,信任被用来衡量网络中节点的可信程度,本文的研究重点是在P2P网络中,如何计算一个节点对另一个未知节点的信任预测值,为决策提供依据。本文首先提出了基于可信证据链的信任推理算法,根据节点和条件概率表CPT (Conditional Probability Table)建立信任关系网络,过滤信任条件后得到信任计算网络。根据信任计算网络的特点,对网络结构进行简化,提出了层次因子和置信度的概念,用于信任的推理。这种推理方法是在传统信任推理方法的基础上,对节点信息更加细化,进行信任预测,更加准确和客观。本文重点介绍了一种新型信任推理方法,即基于贝叶斯推理的信任预测模型BITrust (Bayesian Inference Trust Model。贝叶斯推理是基于联合树结构,按照消息传递的方式进行信任预测。其中叁角化是联合树中关键步骤,基于TSP (Travel Salesman Problem)叁角化识别出删除节点的唯一序列,建立一个唯一的联合树。基于LAZY-ARVE的方法在联合树中,按照消息传递的方向,对节点信度势进行更新并计算节点边缘化概率,减少计算过程中的运算次数,实现信任推理。此外,该方法对于新加入的证据节点,更好地更新了CPT信息,完成动态信任预测。BITrust信任推理算法不同于传统的信任推理模型,强调节点推理过程中需要考虑外界因子,而是着重于推理过程本身的优化,是一种才纯粹的信任预测算法。该算法一定程度上解决了P2P信任网络中信任推理的问题,但还存在其他需要改进的地方。在节点安全存储、恶意团体识别、海量数据集或者稀疏数据方面,需要继续进行研究。(本文来源于《东北大学》期刊2013-05-01）
李海燕,冯春,张怡[3]（2012）在《基于FCM的灾难救援团队中快速信任的推理分析》一文中研究指出灾难救援团队中快速信任的研究现已成为灾难管理领域研究的焦点,它可以解决救援中协同不佳的问题,从而提高救援的效率和效益。从组织层面和个体层面分析灾难救援团队中快速信任与影响因素的相关关系,引入模糊认知图理论,并构建灾难救援团队快速信任的整体模糊认知图。然后基于快速信任的动态性,采用模糊认知图的推理机理进行分析,结果表明灾难救援团队的快速信任是一种高水平的初始信任,在其发展过程中存在两种发展趋势:一是稳定发展;二是存在一个信任水平下降和信任修复/重建过程。(本文来源于《工业工程》期刊2012年06期）
昌燕[4]（2012）在《基于直觉模糊推理的信任等级评估》一文中研究指出信任关系的不确定性是信任评估和可信赖性预测的最大挑战,针对该问题,将具有良好语义表述和推理能力的直觉模糊理论用于描述信任关系的不确定性,提出一种基于直觉模糊推理的信任评估方法。首先,确定了基于直觉模糊推理进行信任等级评估的基本原理,选取了主体提供服务的能力、请求服务的数量、传播速度、评价和关注度等5个分析模式;然后对这5个模式进行归一量化和模糊化,建立直觉模糊推理规则,进行信任等级推理。实验结果表明,该方法能够比较准确的评估出主体的信任等级,与专家经验基本吻合。(本文来源于《成都信息工程学院学报》期刊2012年04期）
胡春华,常炳国,徐慧,赵强利[5]（2012）在《复杂跨组织协同中基于深度信任推理的服务组合》一文中研究指出以云计算环境下跨组织协同中服务提供者(SP)与服务消费者(SC)的深度信任推理及演化过程为研究对象,通过构建服务直接交互信任关系为主、公共信誉反馈为辅的QoS评价及修正方法,建立支持复杂跨组织协同的基于深度信任推理的服务组合策略。该策略在前期研究基础上,利用概率密度函数来表征服务实体间的信任度,通过研究基于概率密度函数的服务间接信任关系的计算、传递及合并方法,最后设计了基于深度信任推理的服务组合算法。仿真实验表明:该方法能有效评价服务参与者的信任度,提高复杂跨组织协同环境中服务组合的质量。(本文来源于《中南大学学报(自然科学版)》期刊2012年02期）
龙军,刘昕民,袁鑫攀,张祖平,桂卫华[6]（2012）在《一种基于信任推理与演化的Web服务组合策略》一文中研究指出为解决动态复杂互联网中恶意、欺诈、不诚信服务实体造成的服务组合质量不高的难题,文中基于开放网格服务体系架构(OGSA),建立了以公共信任演化系统和实体信任演化系统为主体构成的信任推理与演化系统;提出了受限于可信实体的信任演化、实体集合的信任演化、逐步逼近评价实体的信任演化等信任演化方法,以改变信任推理中的信任缺失与信任泛化的不足;通过服务实体间信任关系的推导、反演与递推,极大程度地丰富了实体的信任关系,以识别共谋欺骗并克服信任演化中直接信任关系稀小、前期信任匮乏的问题.文中以新的信任推理与演化为基础,提出了一种Web服务组合策略.应用实例及测试结果表明该服务组合策略能够有效地识别实体行为中潜在的风险,克服实体经验差异,较大幅度地提高了服务组合的成功率.(本文来源于《计算机学报》期刊2012年02期）
李娟珍[7]（2012）在《移动环境中基于信任度的好友关系推理系统的设计与实现》一文中研究指出移动通信网与传统互联网有着很大的区别。与互联网相比,移动通信网中移动用户与手机号码相对应,用户信息具有更强的真实性、实时性。例如通过移动通信网可以获取移动用户精确的位置信息,移动用户的实时通信信息等。移动用户的通信行为代表了移动用户的部分社会活动,是构建移动社会化网络最直观的数据来源之一,可以通过分析移动用户的通信行为来挖掘他们之间的社会关系。基于此本项目组研究人员提出,应当对“基于移动用户行为的社会化网络构建”进行深入研究,设计实现一个“移动社会化网络”。移动环境中基于信任度的好友关系推理系统主要以移动用户历史交互行为及位置信息为输入,得出移动用户之间的影响力和信任度,以此挖掘移动用户间的好友关系,从而为移动网络中个性化服务和应用提供参考依据,以期望做到精准的个性化移动网络服务的推荐或检索。本文通过对移动用户的通信行为、位置信息进行分析,建立移动通信领域的信任度模型,并基于所建立的信任模型构建移动社会化网络。主要工作包括：分析移动用户通信行为和位置信息,在此基础上本文对移动网络中移动用户之间的信任度进行了研究,包括直接信任度、间接信任度及信任度融合的计算方法；通过分析信任度动态变化的特点,设计移动用户信任度的自适应算法,并根据得到的信任度实时的推导移动用户之间的好友关系：最后通过开放数据集对所设计的移动好友关系推理算法进行了验证与测试,通过实验验证了本文所提出的移动好友关系推理模型的可行性和合理性。本文第一章简要叙述了移动环境中基于信任度的好友关系推理系统的研究背景、研究意义及本文工作的主要内容；第二章主要对推理系统设计实现中所涉及的基本概念进行了简要说明；第叁章介绍了移动环境中基于信任度的好友关系推理系统中各个功能模块的需求分析及系统运行开发环境；第四章介绍了移动环境中基于信任度的好友关系推理系统在原型系统-移动环境下移动网络服务模型中的位置、系统模块功能图及其数据处理流程等；第五章详细描述了移动环境中基于信任度的好友关系推理系统中各个模块的设计实现,特别是直接信任度、间接信任度、信任度融合及自适应的解决方案；第六章主要对推理系统中的信任度模块设计的合理性和可行性进行了测试和分析。第七章是工作总结和下一步工作展望。(本文来源于《北京邮电大学》期刊2012-01-03）
李伟良,郑月锋,张丽君[8]（2011）在《基于证据推理的定性信任度计算模型》一文中研究指出针对现有的对信任计算模型上的不足,提出了基于ER的信任计算模型。经过仿真和分析,证明网格调度在满足任务信任度需求的情况下,可大大减小任务调度的时间跨度。(本文来源于《计算机应用》期刊2011年S2期）
胡春华,罗新星,王四春,刘耀[9]（2011）在《云计算环境下基于信任推理的服务评价方法》一文中研究指出通过服务直接交互中的服务行为来建立SC与SP实体的信任推理、演化及对SP实体的QoS评价模型。该模型基于概率密度函数来表征服务实体间的信任度,提出了基于概率密度信任关系的计算、推理及合并的演化方法,并给出了依据信任推理与QoS修正的服务评价算法。实验结果表明该方法能有效评价服务参与者的信任度,削弱不可信的实体对服务评价的影响,提高服务选择过程的质量及准确性。(本文来源于《通信学报》期刊2011年12期）
张瑞[10]（2011）在《基于在线评论的消费者品牌认知和信任模糊推理研究》一文中研究指出当前消费品市场中的竞争日益激烈,认牌购物已成为普遍的大众消费行为,人们的品牌意识正在逐步形成,品牌战略与管理已成为市场营销的核心问题。与传统的品牌营销不同的是,在追求体验消费的网络时代,消费者逐渐占据了主动性位置,消费者对品牌信息的获取方式正逐渐主动和多样化。一方面越来越多的消费者以在线评论的形式在网络中表达自己对产品的观点和情感,另一方面越来越多的消费者开始浏览大量的网络评论来了解产品和服务信息,为自己的购买行为做参考。在这种信息爆炸的网络环境下消费者行为研究逐渐成为学术研究和营销管理的热门课题。基于此,本文利用在线评论研究个体消费者的品牌认知和品牌信任问题。具体内容如下：首先,介绍研究的背景、目的、意义、思路以及研究现状。通过梳理已有的文献发现,过去对品牌认知和品牌信任的研究主要集中于对品牌认知和品牌信任的影响因素的实证研究上,其过程不仅耗时长且其所考虑的因素不完全一样；另一方面,目前对网络环境下品牌认知和信任的研究尚属空白。其次,综合已有的文献,借鉴已有的研究成果并分析研究中的不足,设计出新的研究方法。运用自然语言的模糊集描述和模糊近似推理的方法对网络评论的内容进行分析处理,具体包括：对在线评论词语的情感分类,结合模糊数学知识对网络评论情感词进行模糊语义建模,给出句子级别的情感计算方法；以消费者心理和情感分析为基础,根据品牌认知和信任理论,挖掘出网络环境下品牌认知和信任与消费者情感的关系,实现基于消费者情感的品牌认知度推理；结合品牌信任理论,从在线评论中发现品牌信任的计算属性“感知质量、品牌声誉、经济价值、顾客满意、感知风险信息”,进而以五个属性为推理前件,建立模糊推理规则库,实现了针对不同品牌的信任度计算与推理。最后,从互联网上下载运动服饰领域相关的四个品牌的评论,通过实例计算得出四个品牌的认知度和信任度。计算结果和2009年中国内地运动品牌服饰品牌市场份额相一致,表明基于模糊推理的网络环境下品牌认知和信任的计算方法具有合理性。本文把网络评论情感分析推理与品牌理论相结合,从全新的角度对消费者的品牌认知和品牌信任问题进行探索研究,在理论方面能够进一步丰富充实网络环境下品牌认知和品牌信任领域的研究,为品牌理论发展做出贡献；在实践方面,可以使企业更好地了解顾客的品牌认知和信任行为,明晰驱动消费者形成网络品牌信任的因素,进而根据研究结论有针对性地制定行之有效的营销策略。(本文来源于《大连理工大学》期刊2011-06-20）
信任推理论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
P2P网络(Peer-to-Peer Networks)现已成为互联网中一种重要的新型网络组织形式,与传统的C/S (Client/Server)网络相比,P2P网络没有服务器和客户端的概念,节点之间是对等的,既可以是服务器,又可以是客户端。由于P2P网络自身特点带来的匿名性、开放性、松耦合性,给P2P网络安全带来了严重的威胁。为了创造一个安全可信的P2P网络环境,信任被用来衡量网络中节点的可信程度,本文的研究重点是在P2P网络中,如何计算一个节点对另一个未知节点的信任预测值,为决策提供依据。本文首先提出了基于可信证据链的信任推理算法,根据节点和条件概率表CPT (Conditional Probability Table)建立信任关系网络,过滤信任条件后得到信任计算网络。根据信任计算网络的特点,对网络结构进行简化,提出了层次因子和置信度的概念,用于信任的推理。这种推理方法是在传统信任推理方法的基础上,对节点信息更加细化,进行信任预测,更加准确和客观。本文重点介绍了一种新型信任推理方法,即基于贝叶斯推理的信任预测模型BITrust (Bayesian Inference Trust Model。贝叶斯推理是基于联合树结构,按照消息传递的方式进行信任预测。其中叁角化是联合树中关键步骤,基于TSP (Travel Salesman Problem)叁角化识别出删除节点的唯一序列,建立一个唯一的联合树。基于LAZY-ARVE的方法在联合树中,按照消息传递的方向,对节点信度势进行更新并计算节点边缘化概率,减少计算过程中的运算次数,实现信任推理。此外,该方法对于新加入的证据节点,更好地更新了CPT信息,完成动态信任预测。BITrust信任推理算法不同于传统的信任推理模型,强调节点推理过程中需要考虑外界因子,而是着重于推理过程本身的优化,是一种才纯粹的信任预测算法。该算法一定程度上解决了P2P信任网络中信任推理的问题,但还存在其他需要改进的地方。在节点安全存储、恶意团体识别、海量数据集或者稀疏数据方面,需要继续进行研究。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
信任推理论文参考文献
[1].樊悦芹,张永胜,常良.面向个性化服务的多维属性信任推理研究[J].小型微型计算机系统.2016
[2].张良玉.P2P网络中基于贝叶斯推理的信任预测关键技术研究[D].东北大学.2013
[3].李海燕,冯春,张怡.基于FCM的灾难救援团队中快速信任的推理分析[J].工业工程.2012
[4].昌燕.基于直觉模糊推理的信任等级评估[J].成都信息工程学院学报.2012
[5].胡春华,常炳国,徐慧,赵强利.复杂跨组织协同中基于深度信任推理的服务组合[J].中南大学学报(自然科学版).2012
[6].龙军,刘昕民,袁鑫攀,张祖平,桂卫华.一种基于信任推理与演化的Web服务组合策略[J].计算机学报.2012
[7].李娟珍.移动环境中基于信任度的好友关系推理系统的设计与实现[D].北京邮电大学.2012
[8].李伟良,郑月锋,张丽君.基于证据推理的定性信任度计算模型[J].计算机应用.2011
[9].胡春华,罗新星,王四春,刘耀.云计算环境下基于信任推理的服务评价方法[J].通信学报.2011
[10].张瑞.基于在线评论的消费者品牌认知和信任模糊推理研究[D].大连理工大学.2011