پیش بینی کیفیت وب سرویس با استفاده از الگوریتم های SVR و SVM

در سال های اخیر استفاده از وب سرویس ها هر روزه گسترش روز افزونی داشته است و انتخاب وب سرویس هایی کهدر بستر اینترنت قرار دارند به یک چالش مهم تبدیل شده است. این مسئله زمانی نمود بیشتری می یابد که وبسرویس های مشابه با ویژگی ها و عملکرد مشابه در زمینه کاری مربوطه زیاد باشد. در این مقاله روشی بر پایه تجمیعخبرگان ارائه خواهد شد که با ا ستفاده همزمان از روش های یادگیری ما شین درخت تصمیم ما شین بردار پشتیبان،تخمین گر بردار پشتیبان و شبکه عصبی تکاملی به دسته بندی داده های کیفیت وب سرویس ها می پردازد. همچنینبرای بهبود عملکرد شبکه عصبی از الگوریتم بهینه سازی رقابت استعماری استفاده شده است. استفاده همزمان از اینروش ها باعث بهبود تشخیص خواهد شد بدین صورت که داده هایی که توسط یکی از روش ها به اشتباه دسته بندیشده اند توسط روش های دیگر پوشش داده شده و خروجی درست روش های دیگر اثر دسته بندی غلط را در خروجینهایی کمتر خواهد کرد. بدین صورت احتمال دسته بندی درست تر در روش پیشنهادی بالاتر خواهد بود.