发明名称 |
一种基于隐马尔科夫模型的软件系统状态预测方法 |
摘要 |
一种基于隐马尔科夫模型的软件系统状态预测方法,包括以下步骤:构造训练样本集,采用K均值聚类算法将训练样本集中的样本聚为k簇;构造隐马尔科夫模型λ=[π,A,B],将训练样本集中的k个簇作为模型的观测状态,将系统状态作为隐藏状态;对隐马尔科夫模型进行训练,得到新的隐马尔科夫模型<img file="DDA0000678410830000011.GIF" wi="36" he="46" />;利用采集的系统观测值和新的隐马尔科夫模型<img file="DDA0000678410830000012.GIF" wi="35" he="46" />对系统实际状态进行预测。本发明基于隐马尔科夫模型对系统实际状态和系统观测参数之间关系进行建模,进而根据系统观测值对系统实际状态进行预测,能够根据系统的观测值对系统软件状态进行准确的预测,有助于运维人员及早发现和处理可能的问题,防止功能降级,或者系统崩溃,预测准确率高。 |
申请公布号 |
CN104699606A |
申请公布日期 |
2015.06.10 |
申请号 |
CN201510099169.1 |
申请日期 |
2015.03.06 |
申请人 |
国网四川省电力公司电力科学研究院;电子科技大学;国家电网公司 |
发明人 |
常政威;吴佳;林奕欧;江维;谢晓娜;陈亚军;王电钢 |
分类号 |
G06F11/36(2006.01)I |
主分类号 |
G06F11/36(2006.01)I |
代理机构 |
成都行之专利代理事务所(普通合伙) 51220 |
代理人 |
梁田 |
主权项 |
一种基于隐马尔科夫模型的软件系统状态预测方法,其特征在于,包括以下步骤:步骤1、构造训练样本集,采用K均值聚类算法将训练样本集中的样本聚为k簇;步骤2、构造隐马尔科夫模型λ=[π,A,B],将步骤一中的k个簇作为模型的观测状态,将系统状态作为隐藏状态;π为初始状态的概率分布,A为隐藏状态转移矩阵,B为隐藏状态与观测状态关系矩阵;步骤3、对隐马尔科夫模型进行训练,得到新的隐马尔科夫模型<img file="FDA0000678410800000012.GIF" wi="80" he="75" />步骤4、利用采集的系统观测值和新的隐马尔科夫模型<img file="FDA0000678410800000013.GIF" wi="55" he="76" />对系统实际状态进行预测。 |
地址 |
610000 四川省成都市青羊区青华路24号 |