1.一种云服务合成方法，其特征在于，包括，

以云租户的服务质量需求作为输入、以云服务组成样本作为输出建立并训练神经网络模型；

按照所述服务质量需求将云服务分解为若干个服务组件；

接收云租户上传的服务请求；

将所述服务请求输入所述神经网络模型中得出云服务组成方案；

根据所述云服务组成方案对所述服务组件进行整合与封装；

为所述云租户提供云服务。

2.如权利要求1所述的一种云服务合成方法，其特征在于，还包括，接收所述云租户上传的服务评价；

根据所述服务评价优化所述神经网络模型。

3.如权利要求2所述的一种云服务合成方法，其特征在于，所述服务质量需求与所述服务请求由若干个云服务属性组成，所述云服务属性包括服务响应时间、服务安全性、服务可靠性、数据存储性能、内存性能、CPU性能。

4.如权利要求3所述的一种云服务合成方法，其特征在于，所述神经网络模型包括输入层、隐层以及输出层，所述输入层中的神经元与所述云服务属性一一对应；

所述输出层中的神经元与所述云服务组成样本以及所述云服务组成方案的功能一一对应。

5.如权利要求4所述的一种云服务合成方法，其特征在于，训练所述神经网络模型采用Levenberg-Marquardt算法，或贝叶斯正则化算法，或量化共轭梯度法进行。

6.如权利要求5所述的一种云服务合成方法，其特征在于，还包括，将所述服务请求和所述云服务组成方案作为服务记录进行存储。

7.如权利要求6所述的一种云服务合成方法，其特征在于，所述神经网络模型定义为〈X,H,Y,XH,HY〉，其中：X为输入层神经元的集合，H为隐层神经元的集合，Y为输出层神经元的集合，XH为输入层各神经元与隐层各神经元之间的权值集合，HY为隐层各神经元与输出层各神经元之间的权值集合；

所述输入层的神经元定义为〈Xid,IXid〉，其中：Xid(Xid∈X)为该神经元的唯一标识，与所述云服务属性一一对应，IXid为Xid的输入；

所述隐层的神经元定义为〈Hid,IHid,OHid,f〉，其中：Hid(Hid∈H)为该神经元的唯一标识，IHid为Hid的输入，OHid为Hid的输出，f为神经元激活函数，且所述输出层的神经元定义为〈Yid,IYid,OYid,f〉,其中：Yid(Yid∈Y)为该神经元的唯一标识，与所述云服务组件一一对应，IYid为Yid的输入，OYid为Yid的输出，Yid的值为对应的云服务组件被选择的概率。

8.如权利要求7所述的一种云服务合成方法，其特征在于，训练所述神经网络模型包括：将所述神经网络模型表达为y＝f(x；θ)，其中，x为神经网络模型的输入，θ为神经网络模型需要学习的参数，y为根据云服务组成方案组成的云服务；则所述训练样本的均方误差损失函数为：

在OY和Z之间的均方误差中加入正则项，描述为 其中，λ(λ∈(0,1))为正则系数，u为进行迭代训练的次数；

采用误差逆向传播方式，从负梯度方向对神经网络模型中的权值进行调整。

9.一种云服务器，其特征在于，包括存储器和处理器，其中；

所述存储器，存储有计算机指令；

所述处理器，配置为执行所述计算机指令以实现权利要求1至8任一项所述的云服务合成方法。

10.一种云服务合成系统，其特征在于，所述云服务合成系统包括权利要求9所述的云服务器，还包括若干个云租户终端，所述云租户终端与所述云服务器通讯连接。