你好,游客 登录 注册 发布搜索
背景:
阅读新闻

面向超级计算机的自适应故障预测算法研究

[日期:2015-02-01] 来源:中国知网  作者:粟琳 [字体: ]

面向超级计算机的自适应故障预测算法研究

重庆大学  粟琳

本文运用数据挖掘中的分类预测思想,将时间轴划分为一定大小的时间窗,针对时间窗进行特征提取,以时间窗为单位进行故障预测。本文使用AdaBoost算法在SVM分类器的训练学习过程中,根据训练集动态调整分类器核心参数,使分类器进行自适应学习提升,建立了自适应故障预测模型AdaBoostSVM。本文以超级计算机BlueGene/L215天的系统运行日志为实验数据集,经过预处理后,在该数据集上进行预测模型的对比实验。实验结果表明:本文的AdaBoostSVM模型较基于故障记录之间时间间隔(Time Between Failure TBF)、基于kNN、RIPPER以及SVM的故障预测模型具有更好的分类预测性能,特别是在故障预测中的重要指标召回率方面,自适应故障预测模型AdaBoostSVM的召回率要高出其它预测模型10%-20%。


面向超级计算机的自适应故障预测算法研究

 

 

收藏 推荐 打印 | 录入:574107552 | 阅读:
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款