面向移动微学习的云服务多维协作可信管理机制研究

Mobile micro learning is a novel fusion form of the mobile Internet, Cloud computing and micro learning. The dependability of user, environment and service is the core and key deciding the experience of mobile micro learning. Oriented to mobile micro learning, mainly around the problem of dependability management for Cloud services, this project integrates the thought of autonomic collaboration, multi-level mapping and wise decisions, to research the method and principle of providing high dependable Cloud services with low energy consumption, from three dimensions: user dependability, environment dependability and service dependability. ①User behavior patterns mining and on-line identification strategy for user dependability are researched. By mining the characteristics of user sequential behavior, user normal behavior patterns set is built; Graph clustering method is adopted to realize the recognition detection and prediction of user behavior, providing decision source to service environment.②A multi-stage environment mapping and intelligent decision-making method for environment dependability are researched. Multi-objective decision-making strategy is adopted to implement the dynamic forecast of service resources, completing the adaptive mapping and intelligent decision of the mapping service mode. ③The autonomic organization and dynamic allocation mechanism to service resources for service dependability are researched. The heuristic solving strategy is used to achieve the optimal matching combination of the Cloud service resources. Relevant research results will provide new method and thought to the research on service provision and management in Cloud computing.

移动微学习是移动互联网、云计算和微学习融合发展的最新形态，用户、环境和服务可信问题是决定移动微学习体验的核心和关键。本项目重点围绕云服务的可信管理问题，融合自主协作、多级映射及智慧决策等思想，从用户可信、环境可信和服务可信三个维度，研究以低能耗提供高可信云服务的方法与原理。①面向用户可信的用户行为模式挖掘与在线识别策略研究：挖掘用户时序行为模式特点，构建用户正常行为模式集；采用图聚类的方法实现用户异常行为的识别、检测和预测，向服务环境提供决策依据；②面向环境可信的多级环境映射与智慧决策方法研究：采用多目标决策策略进行服务资源的动态预估，并完成映射级服务模式的自适应映射与智慧决策；③面向服务可信的服务资源自主组织与动态调配机制研究：基于启发式求解的思路实现云端服务资源的优化匹配组合。相关研究成果将为云计算的服务提供与管理研究提供新的方法和思路。

移动微学习是随着云计算、移动互联网的不断发展与融合而产生的一种新型学习模式。本质上，影响移动微学习用户体验的主要因素包括学习者（用户）身份合法性的判定、学习过程中对网络连接（环境）的带宽和流量要求以及学习资源（服务）。本项目重点围绕云服务的可信管理问题，融合自主协作、多级映射及智慧决策等思想，从用户可信、环境可信和服务可信三个维度，研究了以低能耗提供高可信云服务的方法与原理。①面向用户可信的用户行为模式挖掘与在线识别策略研究：采用自适应编码的方法完成了用户正常行为的模式挖掘，协同神经网络聚类、信誉投票、选择性聚类融合、多标签超网络等方法提出了不同的用户时序行为检测方法，并在此基础上，提出了基于模式增长的异常行为识别与自主优化方法，构造了较完整的用户行为模式增长空间，可以利用较少的用户时序行为步骤提前判定用户时序行为。②面向环境可信的多级环境映射与智慧决策方法研究：提出了基于D-TF-IDF的移动微学习资源部署方法，并采用遗传算法寻找最优的任务联合执行策略，实现映射级服务模式和云端级服务模式之间的无缝切换，确保服务的可靠性；③面向服务可信的服务资源自主组织与动态调配机制研究：提出了基于服务感知的资源管理框架，并采用马尔科夫决策过程模拟服务请求与随机调度之间的关系，设计了基于Lyapunov Drift的虚拟机优化调度策略，实现了资源的预先调度。相关理论研究成果为云计算的服务提供与管理研究提供了新的方法和思路。